科技行者 6月12日 北京消息(文/周雅):6月11日,高通创投(Qualcomm Ventures)宣布对3家中国公司进行风险投资——设备连接方案服务提供商红茶移动,车载安全驾驶辅助系统提供商腾视科技,以及云游戏公司达龙云。
在当日举行的线上媒体沟通会上,高通公司副总裁、高通创投中国区董事总经理沈劲,最新介绍了高通创投的业务近况,包括“过去半年在中国投了什么”和“接下来将要投什么”。
高通创投成立于2000年,在全球7个地区设有团队,共有30余名投资经理,目前管理资金规模超过10亿美元,正在管理被投公司超过150家。
过去九年内,高通创投成功投资并完成退出13个估值超过10亿美元的独角兽企业。其中,2019年就有三家,即视频会议公司Zoom,在科创板上市的中微半导体,以及网络安全公司Cloudflare。
目前,高通创投在中国投资的企业已经超过60家(如下图)。沈劲指出:“中国市场对高通来讲一直是一个极为重要的市场,对高通创投也是如此。”
投资看重5G、AI领域应用与赋能
高通创投此次风投的3家中国公司,分别覆盖物联网、AI垂直应用和5G应用领域,均致力于利用前沿科技创造全新价值和体验。其中,腾视科技(Tensortec)成立于2017年,是一家智能辅助驾驶系统解决方案提供商,广泛应用在陆海空有驾驶人员的交通/工程设备上;红茶移动(Redtea Mobile)成立于2015年,一家解决5G时代蜂窝物联网海量部署的关键问题的连接方案提供商;达龙云成立于2010年,是一家以5G网络为引擎的云游戏公司。
谈到高通创投的最新投资,沈劲特别指出一个重要背景——全球5G发展势头非常强劲。
目前,全球60多家运营商已经部署5G商用网络,同时380多家运营商在119个国家力争投资5G建设。60多家OEM厂商已经推出或者宣布将推出5G终端,超过375款搭载高通骁龙解决方案的5G终端已经发布或正在设计中。5G快速发展,人工智能在应用层面也进入新阶段。
沈劲介绍:“高通创投整个投资理念,围绕「5G」和「AI」这两大赋能的技术展开。”
5G与AI“双轮驱动”,使智能不再只集中在云端,而是分布在网络边缘侧以及终端侧。以前,大数据和AI能力都只集中在云端,与终端的沟通时延超过100毫秒。而5G网络的普及以及站点密集程度的增加,能够将时延缩小到1毫秒。在终端侧,AI将快速普及,包括智能手机、大量物联网设备,未来都将具备AI能力。
2018年和2019年,高通创投先后设立1亿美元AI风险投资基金,和2亿美元5G生态系统风险投资基金,以持续推动万物智能互联生态系统的培育及扩展。
尽管5G应用遍地开花,但高通创投的投资有的放矢,主要投资四个领域:
边缘侧和终端侧的人工智能;
5G时代的多媒体和XR(扩展现实);
机器人和智能制造领域,包括自动驾驶和辅助驾驶;
物联网和车联网。
与此同时,高通创投也非常看好「5G在网络运营层和网络设备层」和「5G的核心元器件和5G的新形态终端」的投资。比如高通创投今年初投资的一家独角兽企业Affirmed Networks,就是用虚拟化和云端来创新网络设备管理的一家企业,现被微软收购。
“高通创投在中国的投资活跃度仅次于美国。”沈劲说,中国在5G赋能和应用领域的创新,尤其是在垂直行业应用的创新方面水平比较高。美国则在5G网络侧的创新比较活跃,例如网络设备、网络运营(包括5G专网运营)等方面。
沈劲总结道,被投中国企业的整体表现和发展符合甚至超出预期,总体而言,对高通创投在中国市场的投资回报比较满意。
投资未因疫情放缓,或将追加
谈到疫情对高通创投的影响,沈劲坦言“没有受到疫情太大的影响,仍然完成了多家公司的最新投资”。他说,高通创投的投资数量,不会受到疫情影响,投资还有可能增加。
沈劲表示,去年底,高通创投设立了2020年投资目标,包括资金规模、企业数量等等。一个多月前,又重新进行了评估,考虑在疫情影响下是否要调整投资计划。但现在看来,不需要调整,能够完成目标。
沈劲解释原因,因为高通创投投资的领域,在疫情影响下被市场看好。
一方面,新基建首要领域就是5G。另一方面,高通公司在移动连接和计算领域,有很深的技术积累,疫情期间的数据使用量比疫情前更大,人们也更加依赖于连接。
“总体而言,VC(创投基金)目前的投资是趋于谨慎的,但高通创投(属于CVC,即企业风险投资)目前还在非常积极地投资。从此次宣布的几家被投公司,以及过去几个月的投资情况来看,高通创投的投资节奏没有放慢。”沈劲说。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。