RealAI再获千万融资:清华AI研究院孵化,总金额达1亿-冯金伟博客园

【本文来自钛媒体特色栏目「快公司」】

近日,AI技术及行业解决方案提供商瑞莱智慧(RealAI)已完成数千万人民币的天使+ 轮融资,本轮融资由松禾资本领投,同渡资本跟投,将主要用于团队扩建、研发基础设施建设以及市场推广等。

瑞莱智慧成立于2018年7月,孵化自清华大学人工智能研究院。该公司正在研发无监督学习方法、可解释性算法,解决行业中标注数据缺失问题,提供安全可控的AI技术解决方案,帮助人们借助算法进行更好的决策。

去年1月,瑞莱智慧完成了数千万天使轮融资,由BV百度风投和中科创星联合领投,水木清华校友基金跟投。

至此,在一年时间内,RealAI累计获得高达近一亿元人民币的融资。在这背后,更多的是资本市场对于RealAI的技术成就、人才团队,以及商业模式的认可。

RealAI再获千万融资:清华AI研究院孵化,总金额达1亿-冯金伟博客园

研发第三代人工智能学习算法

目前,机器学习任务包括有监督学习、无监督学习和强化学习三大类。其中,有监督学习是指从有标记的训练数据中推导出预测函数。简单来说,就是通过给定数据,进行算法分析,预测标签。

当下,整个市场环境仍是以深度神经网络为代表的第二代AI技术为主流。但是第二代人工智能以大数据量训练的有监督学习为主,技术路线严重缺少泛化能力,并且缺乏解释性,容易被欺骗给出错误性判断,其结果难以被信任。

而RealAI所研究的第三代人工智能算法,是通过无或半监督学习实现的——从无标记的训练数据中推断结论,通过给定的小样本数据,寻找隐藏的范围。利用这种AI算法,即使不清楚输出值是多少,也能最后算出它的趋势范围。

随着数据量、算力的大幅提升,当前人工智能落地场景正在从语音识别、人脸识别等受限领域延伸向金融决策、工业生产运营、医疗诊断、自动驾驶等更高价值的应用领域,而这背后将对人工智能的安全性、可靠性提出更高要求,也意味着新一轮AI算法迭代与AI产业模式的升级。

RealAI以“数据+知识”双驱动的模式,为研发下一代可靠、可信、安全的人工智能提供了一条切实可行的路径。

团队方面,RealAI科研实力强劲。RealAI孵化于清华大学AI研究院,CEO田天博士毕业于清华大学计算机系,在2019世界人工智能大会(WAIC)期间被AI青年科学家联盟授予“青年AI科学家”称号,同年入选福布斯中国2019年度30岁以下精英榜。

RealAI再获千万融资:清华AI研究院孵化,总金额达1亿-冯金伟博客园

RealAI CEO田天

中国科学院院士、清华大学人工智能研究院院长张钹院士,以及清华大学人工智能研究院基础理论研究中心主任朱军教授共同担任公司首席科学家。张钹院士所带领的清华大学AI研究院团队,一直在做贝叶斯深度学习、可解释学习、AI对抗攻防等新技术的研究与探索。

另外,团队的核心骨干人员来自阿里巴巴、腾讯等知名公司,并且大都有着清华等名校背景。

“业界普遍判断,在第三代基于逻辑认知的人工智能领域,中国一定会诞生超过1000亿美金市值的企业。”在松禾资本看来,RealAI已成为这个赛道的绝对头部企业。

作为老股东,中科创星创始合伙人兼联席CEO米磊在接受钛媒体采访时表示,RealAI做的第三代人工智能算法技术,是未来的一个趋势,尤其是在工业物联网这个领域,该算法会在实际应用中发挥很大的作用。

米磊告诉钛媒体,他认为未来的工业物联网必然不会是大样本数据时代,比如说人脸、声音等等,都会受到一些(伦理等)限制,而RealAI所研究的第三代人工智能算法,将成为未来工业物联网不可缺少的技术手段,具有巨大的商业价值。

三大方向布局,让技术能够商业化落地

目前,RealAI利用第三代人工智能技术,已与多家企业达成合作,核心客户目前已覆盖大型金融机构、行业龙头工业企业、大型央企等,帮助企业提高全栈业务AI能力、提高运营效率,降低总体成本。RealAI将主要落地在AI金融、AI工业和AI安全三大领域方向,对其布局,让技术能够实现商业落地化。

在AI金融领域,RealAI提出第三代人工智能在无标签、少标签、冷启动和不确定性处理等场景有更好的模型表现,拥有黑盒转白盒的可解释性优势。通过端到端机器学习建模平台RealBox发挥自研算法优势,RealAI帮助金融机构在大数据风控领域更精细的运营长尾资产,零成本回捞拒绝客户,通过更具可解释性的预测结果实现业务的智慧化提升,提高金融场景全生命周期的可靠性。目前RealAI已与多家头部银行落地合作。

针对AI工业领域,RealAI致力于设备资产运营优化与生产成本和效率优化。在制造环节,通过智能视觉检测技术提升质检稳定性、降低人力成本;在运行环节,利用AI算法对系统调优提高效率;通过对设备监测信号的分析找出异常,从而实现对设备健康状况的评估和预测,提高使用寿命。 RealAI所提供的光伏组件质检系统在产线实际部署后显著提高了生产效率,而利用贝叶斯深度学习对传感器监测信号的分析与预测精度也大幅度优于传统专家模型。