北京時間4月20日消息,國際會計師事務所普華永道(PricewaterhouseCoopers)公布的最新研報顯示,2015年第一季度,全球風投資金規(guī)模達134億美元,較2014年同期增長26%,且是2000年互聯(lián)網(wǎng)泡沫破滅以來的最高水平。
普華永道的數(shù)據(jù)顯示,2015年第一季度,全球風投共敲定1020筆,資金達134億美元。其中,有12筆投資超過1億美元,諸如辦公交流軟件開發(fā)商Slack等企業(yè),輕松募資過億;此外,三分之一筆屬于后期募資。
軟件創(chuàng)業(yè)企業(yè)成為熱寵。該領(lǐng)域企業(yè)一季度吸引了42%風投資金,相較而言,2006年同期,這類型企業(yè)募資占比僅為26%。生物技術(shù)行業(yè)共有124筆風投交易,涉及資金為17億美元。
歷史重現(xiàn)?
盡管有些人士對于已清晰看到泡沫跡象的論調(diào)抱有異議,不過問題在于,今天的市場環(huán)境與千禧年伊始是否有著本質(zhì)不同。
這份報告中提及,今年一季度風投規(guī)模達到2000年一季度以來最高水平,但需要指出的是,2000年3月時,納斯達克股指飆升至第一次互聯(lián)網(wǎng)泡沫的頂峰位置,但此次泡沫危機主要源于市場對IPO(首次公開募股)的大規(guī)模追逐。
盡管諸如電商平臺Etsy等企業(yè)上市后股價飛漲,且與此前有相似之處——未能賺取資金,但放眼當前市場,并沒有顯現(xiàn)20世紀90年代時對IPO的瘋狂舉動。
2000 年,通過電子表格或者使用Photoshop在線服務處理一切工作事務還是個未知概念。彼時,效率類軟件還是通過CD光碟出售,而如今,這些都是在線進 行。市場最終會因時而調(diào)整,這是市場周期數(shù)個世紀不斷所闡明的,但軟件作為服務,已成為日常商業(yè)和消費者的日常準則,會令其在泡沫最終破裂時,實現(xiàn)軟著陸。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。