top of page

七家初創透視未來

Updated: Apr 28

史丹福經濟政策研究所的《高科技專利申請的若干事實》研究發現,自2010年以來,機器學習專利申請量呈爆炸式增長,微軟和Alphabet目前處於領先地位,其中微軟更擁有2075項專利(2000年至2015年間),而亞洲區的Samsung和Sony也位列十大。

報告又列出25家值得關注的機器學習創業公司,我特別從中找出7家個人認為代表了未來數據中台自動化趨勢的公司給大家參考,也順便論證此一趨勢。

  1. Anodot利用機器學習優勢,對企業賴以開展日常運作的各種數據集進行建模,不斷尋找潛在業務模式。如同很多機器學習創業公司,Anodot的AI平台利用持續學習能力,試圖消除數據盲點,量化各種數據集的根源,並提供即時異常探測。

  2. Cinnamon依靠機器學習和AI技術,從非結構化檔案中自動提取數據。幾位聯合創始人在推薦引擎的設計和優化方面擁有豐富經驗,曾經開發過幾款有趣產品,包括Lapis Engine,非常精準地把使用者和產品的向量化資訊結合起來,提供準確的推薦和匹配。

  3. Dataiku設計和發布了Data Science Studio平台,目標是涵蓋端到端的所有步驟,把原始數據變成易於維護的數據驅動型應用,擁有直觀的互動式工作區,能夠縮短實現數據驅動所需的裝載、預處理、測試、部署迴圈。

  4. DataRobot企業級自動化機器學習平台,旨在讓技能水平不一樣的員工都可使用,提供了大量演算法和工具,用來開發和部署機器學習和AI項目,包括數百種開源機器學習演算法。

  5. DataVisor利用機器學習來發現金融數據中的異常,防止可能的數據洩露、銀行欺詐和其他類型的金融服務業犯罪活動。利用無監督學習技術,在造成損失之前精確地識別攻擊活動。

  6. Innovaccer開發基於AI和機器學習的系統,協助醫療機構整合來自多個分散式來源的複雜數據,為醫療人員提供寶貴意見。

  7. Tamr在MIT研究取得成功後,開始打造商業級解決方案,旨在利用機器學習解決對大量不同數據進行關聯和充實的難題,數據統一專案所需時間可縮減90%。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page