Databricks Inc. 已完成上个月宣布的巨额 100 亿美元融资轮。
该公司今天同时披露完成了 52.5 亿美元的新债务融资。摩根大通领投了这轮债务融资,巴克莱银行、花旗银行和其他金融机构参与其中。
Databricks 融资的消息最早在 11 月传出。当时预计公司将筹集"至少"50 亿美元。路透社在 12 月中旬报道称这个数字可能超过 95 亿美元,几天后,Databricks 确认正在进行 100 亿美元的 J 轮融资。
领投方 Thrive Capital 与超过半打其他机构投资者一起参与了这轮融资。Databricks 今天透露,卡塔尔投资局、淡马锡、麦格理资本和 Meta Platforms Inc. 也参与其中。Databricks 联合创始人兼首席执行官 Ali Ghodsi 告诉路透社,来自 Meta 的投资将加深两家公司在人工智能领域的合作,特别是在 Facebook 母公司的 Llama 系列大语言模型方面。
Databricks 提供一个广受欢迎的基于云的数据存储和分析平台。它采用数据湖仓架构,可以存储结构化、非结构化和半结构化数据。企业可以对存储在 Databricks 中的信息运行 SQL 查询,使用 AI 模型发现有用模式并执行其他分析任务。
该平台支持名为 ACID 的数据可靠性标准。它可以回滚未成功完成的数据修改,这意味着这些修改常常产生的错误信息会被删除。此外,ACID 可以防止同时进行的数据修改相互干扰。
2023 年,Databricks 以 13 亿美元收购了一家名为 MosaicML Inc. 的风投支持的 AI 初创公司。此后,该公司扩展了大量 AI 功能。Ghodsi 今天告诉路透社,数千名客户正在公司平台上运行 Llama 模型。
Databricks 提供的功能使企业能够使用存储在其平台中的数据对 AI 模型进行微调或定制。它还使用名为 DSPy 的开源工具来自动化提示词调优。这是一种机器学习技术,通过为 AI 模型提供如何处理用户提示的指令来提升其输出质量。
该公司已将 Meta 的一个 Llama 模型直接集成到其平台中。公司提供由 Llama 3.1 70B 驱动的预打包 SQL 函数或程序。客户可以使用这些功能来总结存储在 Databricks 中的信息、翻译信息并执行其他任务,而无需手动部署大语言模型。
Ghodsi 表示:"组织正在现代化其数据和 AI 基础设施,因为他们认识到生成式 AI 的巨大潜力。数据智能对于释放这种潜力和帮助企业实现业务目标至关重要。"
该公司将利用 100 亿美元融资轮的收益开发新的 AI 产品。此外,Databricks 计划进行收购并扩大其国际市场营销业务。部分资金将用于为现任和前任员工提供流动性。
新的融资使 Databricks 上市的紧迫性降低。在 11 月融资消息传出前不久,Ghodsi 表示公司最早将在 2025 年下半年上市。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。