数据是训练AI系统的核心要素，但获取足够数据以生产高质量产品仍是重大挑战。Advex AI正致力于解决这一难题，利用生成式AI和合成数据“破解数据瓶颈”。具体而言，Advex允许客户使用少量图像样本训练计算机视觉系统，并据此生成数千张合成图片。
今日，Advex在TechCrunch Disrupt 2024 Startup Battlefield舞台正式亮相。尽管处于秘密开发阶段，该公司已获包括七家主要企业在内的客户支持。据悉，这家旧金山初创公司已筹集360万美元资金，其中大部分来自去年12月的310万美元种子轮投资，投资方包括Construct Capital、Pear VC及劳伦·鲍威尔·乔布斯（Laurene Powell Jobs）旗下的Emerson Collective。
CEO Pedro Pachuca与联合创始人兼CTO Qasim Wani于一年多前创立Advex，目前团队仅六人。作为一家精简的初创企业，能凭借真实付费客户进入行业实属难得。Pachuca将其归功于自身背景及传统人脉拓展：他曾任伯克利机器学习研究员，后加入Google Brain研究团队直至并入DeepMind。
“若投资回报率（ROI）合理，客户便会给予更多信任，”Pachuca表示，“我在该领域做了大量研究，Google Brain的经历也增添了可信度。初期通过冷邮件获得前两大客户，后续则依靠频繁出席行业会议拓展业务。”
采访结束后，Pachuca计划前往欧洲参加米兰计算机视觉欧洲会议（ECCV）及斯图加特Vision大会。“欧洲会议众多，我们参加ECCV主要为学习和招聘，而Vision更偏向工业应用，旨在促进销售。”
潜在客户包括Cognex或Keyence等传统机器视觉系统开发商，它们正寻求用AI增强产品；Advex也可能直接向汽车制造商或物流公司等构建内部工具的终端企业销售。
例如，汽车制造商需训练系统识别座椅材料缺陷。即便拥有数百张图像，由于缺陷形态各异，仍难以覆盖所有情况。制造商可上传十几张撕裂座椅图片，由Advex推演生成数千张“缺陷”座椅图，从而构建更广泛、多样化的训练数据集。
该方法适用于从石油天然气到木制家具等几乎所有制造行业，关键在于通过人工创建训练图像，降低数据收集的时间与成本。
合成数据并非新概念，但随着AI革命推进，企业正试图弥合数据差距。这既包括市场研究中调查样本过小的问题，也涵盖计算机视觉领域。除Advex外，Synthesis AI和Parallel Domain等风投支持的初创公司也在探索此方向。
总体而言，Advex涉及两类模型。部署在客户现场的模型由客户自有图像训练，属标准开源方案。Pachuca指出：“模型需小巧，性能提升不源于架构，而在于正确数据的训练。”
真正的秘诀在于其专有扩散模型，类似于Midjourney或Dall-E，用于创建合成数据。“这是定制化且高度复杂的，我们倾注了全部精力于此。”Pachuca补充道。
尽管制造聚焦是其差异化策略之一，但真正让Advex脱颖而出的是扩散模型方法。相比Unity等游戏/物理引擎模拟技术，扩散模型无需复杂设置，每张图像/标签对生成仅需数秒，且数据更接近真实世界。
“我们不仅创建图像，更精准生成你所缺失的内容——即理解缺口并填补它，”Pachuca强调，“识别‘缺失什么’极具挑战性且隐蔽，但这正是我们最大的创新之一。”