Adept AI，一家生成式人工智能公司，在2022年完成了两轮重要的融资，共获得4.15亿美元的风险投资。这两轮融资，包括6500万美元的A轮和3.5亿美元的B轮，使这家初创公司成为新兴的AI驱动工作流自动化领域的主要参与者。该公司专注于开发大型语言模型，这些模型能够解释并跨软件界面执行复杂的用户命令，这与纯对话式AI有所不同。
此次融资吸引了知名投资者的参与，并突显了人们对应用型AI日益增长的兴趣。A轮和B轮融资是在生成式AI领域快速增长期间宣布的，该时期大量资本涌入致力于基础模型及其实际应用的初创公司。Adept AI的方法强调构建能够对数字工具采取行动而非仅仅生成文本的模型，这使其与许多当代企业区分开来。
创始与团队
Adept AI由来自主要AI组织（包括Google DeepMind和OpenAI）的前研究人员团队于2022年创立。创始人包括Ashish Kumar，他曾在Google DeepMind从事机器人和机器学习研究，以及David Luan，一位前OpenAI工程师。团队还包括其他几位在Deep learning和Neural network架构方面具有专长的研究人员，其中许多人曾为Transformer (architecture)模型和Large language model训练的基础工作做出贡献。创始团队的集体经验是公司吸引早期投资的关键因素。
Adept AI的核心技术愿景集中在创建一个能够像人类一样使用软件的AI系统，通过阅读用户指令并执行操作。这需要在Sequence-to-Sequence (Seq2Seq)建模、Multi-Head Attention以及自然语言理解与程序化执行的集成等领域取得进展。初始团队规模保持精简，重点是研究生产力和模型原型的快速迭代。
A轮融资
2022年初，Adept AI宣布了其6500万美元的A轮融资。该轮融资由知名风险投资公司领投，并获得了战略投资者的参与。这笔资金旨在支持研究人才的招聘和公司专有模型的初步开发。A轮融资在公司成立后几个月内完成，反映出投资者对团队背景及其拟议技术商业潜力的强烈信心。
A轮估值的细节未公开披露，但该轮融资被科技和商业媒体广泛报道，被视为对应用型AI兴趣日益增长的标志。资金主要分配给了计算资源（这对训练大型模型至关重要）以及扩大研究团队。在这一阶段，Adept AI尚未发布任何公开产品，但其研究进展被其支持者认为是有前景的。
B轮融资
2022年晚些时候，Adept AI筹集了3.5亿美元的B轮融资，使其当年总融资额达到4.15亿美元。这轮规模更大的融资由一群知名科技投资者领投，并包括现有支持者以及新的机构投资者的参与。B轮融资使公司估值约为10亿美元，在运营仅几个季度内就获得了独角兽地位。
这笔资金恰逢对Generative AI公司（包括竞争对手如Anthropic和Inflection AI）的投资激增。Adept AI对面向行动的AI（而非内容生成）的差异化关注是一个显著的卖点。公司利用B轮融资所得扩大了其模型训练基础设施，并开始探索企业应用的初步工作，特别是在软件自动化和客户服务等领域。
B轮公告还强调了公司的合作伙伴关系和技术合作，尽管当时未公开具体商业协议。这笔投资表明，风险投资市场愿意支持对AI驱动的生产力工具未来的大规模押注。
技术方法
Adept AI的研究计划集中在开发一种能够在数字环境中执行多步骤任务的模型。这涉及在大型数据集上进行训练，这些数据集将自然语言指令与相应的操作序列（如点击按钮、填写表单或导航菜单）配对。底层架构利用Encoder-Decoder Architecture框架和Cross-Attention机制，将文本命令与软件界面的视觉和功能元素对齐。
该公司的工作与像驱动聊天机器人的纯语言模型不同，因为它要求模型生成能够被软件系统解释的结构化输出。探索了诸如Beam Search和Top-P (Nucleus) Sampling等技术来生成操作序列，而Model Pruning和Batch Normalization则用于优化训练效率。团队还投资于Data Augmentation方法，以扩展有限的可用标注操作数据。
Adept AI的研究贡献通过学术论文和会议报告分享，尽管主要结果通常保持专有。该公司的方法从早期在Reinforcement learning和Curriculum Learning方面的工作中汲取灵感，尽管已发表的细节很少。到2022年底，Adept AI已展示了早期原型，能够基于自然语言提示执行简单的基于网页的任务，如预订航班或重新组织电子邮件。
市场背景与竞争对手
这些融资发生在Artificial intelligence研究和商业化竞争日益激烈的背景下。2022年，OpenAI发布了其GPT模型的早期版本，获得了主流关注，而Google DeepMind则在Deep learning和AlphaFold方面追求突破。Adept AI将自己定位为企业的盟友而非面向消费者的聊天机器人，专注于在现有工具中自动化工作流程。
面向行动的AI领域的竞争对手包括像AI21 Labs这样的初创公司以及像Microsoft这样的成熟企业，尽管到2022年底很少有公司拥有完全可操作的产品。该公司对实际效用的强调引起了投资者的共鸣，这些投资者对纯生成式聊天界面的货币化潜力持谨慎态度。Adept AI的技术路线图还受益于Positional Encoding和Layer Normalization的进步，这些进步提高了模型的可扩展性和稳定性。
AI基础设施提供商的更广泛生态系统，如Amazon Web Services和Azure，提供了训练大规模模型所需的计算资源，但Adept AI未公开披露其偏好的云提供商。该公司的成功部分取决于其获取专用硬件的能力，这一因素影响了其筹集资金的分配。
领导与治理
Adept AI的领导团队结合了技术专长和运营经验。David Luan作为首席执行官，曾在OpenAI担任职务，并以其在大规模模型训练方面的工作而闻名。Ashish Kumar作为主要技术架构师，曾在Google DeepMind为机器人研究和Neural network设计做出贡献。创始团队还包括具有Machine learning理论和软件工程经验的个人，尽管除联合创始人之外的具体高管角色并未广泛公开。
公司成立了一个包括学者和行业资深人士的顾问委员会，尽管成员名单未正式公布。治理实践强调研究里程碑的透明度和对投资者的定期更新。到2022年底，Adept AI雇佣了不到50人，反映出一种保持高级研究人员与工程师高比例的战略。
影响与反响
这些融资使Adept AI成为其时代资本最充足的早期AI公司之一。行业分析师指出，该公司对面向行动的模型的关注可能开启新的软件类别，潜在地减少手动数据输入和重复性任务的需求。然而，一些专家对在现实环境中实现可靠的多步骤任务执行的技术可行性表示怀疑，鉴于人机交互的复杂性。
学术评论者称赞了该公司的雄心，但指出仍然存在重大挑战，包括错误处理问题和模型对未见界面的泛化能力。在Machine learning社区内的反响褒贬不一，一些人认为Adept AI是一个有前景的努力，而另一些人则强调缺乏已发布的基准结果。尽管如此，大量资金使公司能够积极招聘研究职位并投资于专有训练数据集。
到2022年底，Adept AI尚未发布商业产品，但其B轮融资表明对其长期轨迹的信心。该公司的进展受到Generative AI领域观察者的密切关注，其在随后几年的最终产品发布将检验其早期成功所依据的假设。2022年的融资仍然是AI初创公司快速扩张和该领域竞争动态的一个显著案例研究。