专题研究N：2024年融资区块链项目研究Liquid Ai

专题研究N：2024年融资区块链项目研究Liquid AI

按：融资的项目作一个专题研究：1、融资了，说明得到资本界看好，可能是一个好的方向和项目；2、通过研究它们，可以了解外界或圈内人对这个行业的判断，是一种研究区块链发展趋势的捷径和正确的路；3、之前的区块链人物、项目系列研究也基本是追一些热点或按版块研究，已有1000期；基本也将常见的项目和区块链人物研究的差不多；正好可以告一段落（前期落下的一些已计划的还要继续，在1000期以内）；4、基于推特是目前区块链信息最集中和更新快的平台，还依托于此来研究相应的融资项目。5、2024年2月份，硬盘损坏；前期约有3600期（已发布约2000期）资料丢失；现未再续编号。

PANews 12月14日消息，据路透社报道，生成人工智能初创公司 Liquid AI 表示，已完成由芯片制造商超微半导体公司（AMD.）)领投的 2.5 亿美元早期融资。Liquid AI 开发了 Liquid Foundation 模型 (LFM)，据称与 OpenAI、AWS 和 Google Cloud 提供的传统基于云的产品相比，这些模型更小、更高效，适合企业使用。这笔资金将帮助 Liquid AI 扩大基础设施规模，并为消费电子、生物技术、电信、金融服务和电子商务等行业开发定制的 LFM。

Liquid AI
，
@LiquidAI_，
Build capable and efficient general-purpose AI systems at every scale.
科技Cambridge, MA，liquid.ai，2023年3月加入，
24 正在关注，
1.1万关注者，

已置顶：Liquid AI Product Launch Webcast，上午4:23 · 2024年10月24日

最新消息：Liquid AI 是一家人工智能设计初创公司，其灵感来自蠕虫微小大脑的结构，该公司计划以 23 亿美元的估值筹集 2.5 亿美元的资金🪱

投资者表示，Liquid 的模型是一种有前途的、比 transformer 模型更有效的替代方案，上午12:12 · 2024年12月14日
·

我们非常高兴地宣布，
@LiquidAI_
已筹集 2.5 亿美元，由 AMD 领投。考虑到 Liquid 的计算效率比现有架构高出一个数量级，因此这笔融资额超过 25 亿美元。明年将会很有趣。 🌊
自公司成立以来的一年里，与
@ramin_m_h
、
@mlech26l
、
@xanamini
、
@pagsceltics
和 Daniela Rus 合作非常愉快，非常荣幸。
Liquid 目前正在扩展世界上最高效、最可控（“对齐”是愚蠢的行为）、最透明和最易理解的人工智能。
期待为各行业的企业和开发者推出一系列产品和服务。

时钟开始计时：
最小化 n 以满足：
R (1+r)^n > 10^9
R = 当前转速
r = 增长率
n = 年

恭喜，
@LiquidAI_
！AMD 很荣幸能够支持 Liquid AI 对 AI 模型的创新方法及其下一阶段的发展。

我们筹集了由
@AMD
Ventures 领投的 2.5 亿美元 A 轮融资，以扩展 Liquid Foundation 模型并加速其在设备和企业中的部署https://liquid.ai/blog/we-raised-250m-to-scale-capable-and-efficient-general-purpose-ai

从今天开始，您可以在
@awscloud
AWS Marketplace 上试用我们的 Liquid Foundation 模型 (LFM)，该模型于#reinvent2024推出
如果您喜欢它们，请联系我们！
我们很高兴听到您对 LFM 的反馈！此外，请为未来几天的几次小型和大型产品更新做好准备！
在 AWS Marketplace 上访问 LFM：

⭐ STAR：定制架构的合成
我的同事
@LiquidAI_
在模型架构方面所做的工作真的很棒。
该框架创建了架构群体并使用进化算法迭代地创建更好的解决方案。

新的 Liquid 研究：STAR --定制架构的进化合成。
在 Liquid，我们设计基础模型时有两个宏观目标：最大化质量和效率。平衡两者具有挑战性。为了实现这一目标，我们构建了一种新算法 — STAR。
在这里阅读更多内容：
我们首先为现代人工智能系统的计算单元开发了一种新的设计理论。然后我们利用该理论设计出一种高效的架构基因组编码，并应用进化算法发现了数百种新的架构设计。STAR 的核心创新之一是将模型架构编码为分层数字序列（称为 STAR 基因组），我们使用进化优化原理对其进行演化。我们将基因组编译成架构，对其进行评估，然后选择并重新组合。除了针对特定目标优化架构之外，STAR 还提供了一种分析工具，用于识别演化过程中出现的重复架构主题，从而推动观察到的改进，STAR 的功能具有深远的影响：由于能够优化任何指标组合，再加上我们设计空间的多功能性，我们见证了合成设计的多样性和质量的不断提高。模型架构的设计空间非常广阔。借助 STAR，我们可以大规模优化大量新架构，以获得满足给定计算要求的最高性能模型。
点击这里阅读全文：
在 Liquid，我们构建硬件感知、一流且高效的各种规模的 AI 系统，并使用基于动力系统、信号处理和数值线性代数的模型设计理论。
如果这引起您的共鸣，请考虑加入我们：

与整个
@LiquidAI_
团队一起推出http://Liquid.AI真是太开心了！

⭐️⭐️今天在线观看整场 3 小时的活动👉 https://youtu.be/d19jhYtwgCA

我们揭露了很多内容：
1 ⃣ #LiquidFoundationModels (LFM)：新一代#AI模型，可实现一流的质量和效率

2 ⃣ 1B、3B 和 40B 语言 LFM：在各个规模上部署智能（从边缘到企业）

3 ⃣一套#multimodal LFM：解锁跨行业的新 AI 应用（包括生物🧬 、驾驶🚘 、金融💰和时间序列📈 ）

4 ⃣ Edge LFM：适用于离线 + 私人环境。我们演示完全在手机上运行 LFM，无需互联网连接，100% 私密

5 ⃣灵活的语音接口：端到端语音模型，用于快速接口到我们的模型（从聊天到结构化 json 输出）

6 ⃣特别炉边谈话 + 伙伴关系：
@MassGovernor
,
@SebastienBubeck
,
@MParakhin
,
@AMD
,
@Samsung
,
@ArenaBioworks
,
@Deloitte
,
@Capgemini
,
@CTC_Press

@ramin_m_h
、
@mlech26l
、
@jimmysmith1919
、
@maximelabonne
和整个
@LiquidAI_
团队都做出了巨大努力！

在
@LiquidAI_
产品发布会上发表演讲非常愉快。
完整流链接： https://liquid.ai/oct-23rd-2024-live-stream
首席执行官
@ramin_m_h
、后期培训主管
@maximelabonne
、首席战略官
@xanamini
和首席技术官
@mlech26l
的许多其他精彩演讲和演示，以及与行业领袖的炉边谈话。

昨天我很高兴在舞台上展示
@LiquidAI_
的培训后工作。
感谢大家的反馈。整个演示文稿将很快上传

马萨诸塞州在创新改变世界的解决方案方面有着悠久的传统，而人工智能是我们的下一个前沿。
像
@LiquidAI_
这样的从
@MIT
分离出来的马萨诸塞州公司，正凭借全新的、最先进的产品引领潮流。

请收听并参加我们于美国东部时间上午 10 点举行的产品发布会，The future of AI should not be limited, it should be Liquid https://youtube.com/watch?v=1qX9-52yoJo #Liquid #LFMs #AI，Ramin Hasani (
@ramin_m_h
) 现在登台分享 LFM 如何通过质量、效率和可解释性解锁新一代#AI应用程序Jimmy Smith（
@jimmysmith1919
）分享了 Liquid 团队如何建立一种方法，使我们能够开发出高质量、高效的模型，而无需您在两者之间做出选择。Maxime Labonne (
@maximelabonne
) 讨论了模型合并。它使我们能够结合多个任务的高性能并升级我们的实验以创建更好的模型。Alexander Amini (
@xanamini
) 介绍了各种 LFM（语言、翻译、驱动力、生物等），以及我们如何通过整体内部#Devkit开发它们，Mathias Lechner (
@mlech26l
) 揭示，我们不仅在每个尺度上进行训练，而且在每个尺度上进行部署#ondevice #GenAI，高管和 AI 思想领袖将探讨 AI 在各个行业的未来。观看现场小组讨论