Synthetaic完成1500万美元B轮融资，AI无监督学习破解气球追踪难题

还记得2023年那个中国“间谍”气球吗？如果忘了，这里有个回顾：大约一年前，一个源自中国的高空气球在几乎未被察觉的情况下飞越了美国领空。后来被美国空军发现并击落，这个气球让好奇的平民观察者很难追溯其来源——直到Synthetaic等AI公司展示利用卫星图像就能做到这一点。

正如运气所示，这个气球事件成了<Synthetaic>的一个强力产品演示机会——吸引了包括国防承包商Booz Allen Hamilton在内的投资者的关注。

B轮融资1500万美元，加速计算机视觉商业化

本周，Synthetaic 在由 Lupa Systems 和 TitletownTech 联合领投的 B 轮融资中筹集了 1500 万美元。TitletownTech 是一家风险投资机构，由绿湾包装工队（Green Bay Packers）与微软合作成立，IBM Ventures 以及前述的 Booz Allen Hamilton 也参与了本轮投资。据首席执行官 Corey Jaskolski 介绍，此次融资使 Synthetaic 累计融资金额达到 3250 万美元，新资金将用于加速公司计算机视觉技术的商业化进程，并计划到年底前将员工人数几乎翻倍至 80 人。

Jaskolski在电子邮件采访中对TechCrunch表示：“生成的图像数据量呈指数级增长，这凸显了对先进AI解决方案以管理和分析这一庞大信息宝库的日益迫切需求。‘我们看到，从这些海量数据中生成见解仍然是许多行业（如国防、地理空间、视频安全或基于无人机的监控）的重大痛点和优先事项。Synthetaic在无监督学习和数据分析方面的AI解决方案使我们在战略上能够应对不断演变的技术格局。’”

创始人背景与RAIC技术核心优势

Jaskolski是麻省理工学院毕业生，曾任《国家地理》杂志技术总监，属于冒险型人物。他曾在南极洲的冰山中潜水，下潜至海面以下12,500英尺探索泰坦尼克号残骸，领导直升机团队绘制珠穆朗玛峰尼泊尔一侧的地图，并在记录玛雅人祭牺牲者和冰河时代熊骨架时深入淹没的洞穴。

那么，是什么促使像 Jaskolski 这样一位不畏艰险、环球旅行的冒险家创立 Synthetaic？他表示，原因很简单：他意识到人工智能（AI）具有帮助分类全球信息的潜力，但这一潜力因需要人工标注数据而受到制约。

Jaskolski 表示：“人类标注是 AI 训练中的常态。随着 AI 模型越来越大，其性能会更好，但由于内部可调整参数越来越多，它们需要更多的数据进行训练。长期以来，行业解决这一问题的方法是让数百万人实际地在图像上绘制框线来训练 AI，但如果我们不需要人工标注的数据呢？”

Synthetaic于2019年推出，提供一款名为“快速自动图像分类”（简称RAIC）的工具，旨在自动化分析大型数据集，特别是未标注的卫星图像和视频。

许多 AI 模型的训练方式是让一组人员——即标注员——对数据进行标注，以便模型学习将某些标注（即标签）与数据的特征关联起来。例如，一个接收了大量带有各品种标注的猫图片的模型，最终将“学会”区分短尾猫和短毛猫。

相比之下，用户向 RAIC 输入单张图像，RAIC 便会定位该图像在数据集中的其他位置。在中国气球事件中，Synthetaic 的平台仅凭借一张描绘气球可能外观的草图以及气球被击落区域附近的最新卫星图像，便成功识别出了该气球。

Jaskolski说：“RAIC意味着能够处理稀缺或复杂的数据集，加速AI开发并改进预测建模，而不受数据数量或质量的限制。”“这使得RAIC成为推动创新、运营效率和竞争优势的战略资产，特别是在数据成为AI采用和实施瓶颈的用例中。”

合成数据赛道竞争与潜在风险

Synthetaic 并非唯一一家探索在模型训练中使用合成数据的公司。Synthesis AI在2022年4月完成了一轮1,700万美元的风险融资，正在开发一个平台，用于生成合成数据以训练各种类型的AI系统。两年前，Scale AI推出了一项计划，允许机器学习工程师用合成样本增强现有的真实世界数据集。此外，还有像Parallel Domain这样的公司，正在为自动驾驶等特定用例创建合成数据。

Gartner 预测，到2024年，用于开发AI和分析项目的数据中将有60%由合成数据生成。然而，尽管行业不断前进，一些专家担心合成数据的缺点和潜在危险正被忽视。

在2020年1月的一项研究中，亚利桑那州立大学的研究人员展示了一个AI系统，该系统在包含教授图像的数据集上进行训练后，能够生成高度逼真的面部图像——但这些面部大多属于白人和男性。该系统放大了原始数据集中的偏见，而该数据集（毫不意外地）主要收录了男性和白人教授的图像。

多领域应用落地与未来展望

值得一提的是，Synthetaic 的客户并未因这些风险而却步。这家初创公司声称曾与美国空军合作，测试地理空间数据中基于 AI 的目标检测技术，并与自然保护协会（The Nature Conservancy）这家非营利环保组织合作，识别出此前被认为已灭绝的鸟类物种。此外，Synthetaic 还与空军研究实验室 AFWERX 签订合同，为卫星捕获图像中的目标标注、AI 建模和目标检测开发技术。

Jaskolski认为RAIC在众多其他领域都有应用前景，从AI原型设计到基于无人机的监控和内容审核。他指出了Synthetaic与CNN合作分析来自加沙的战争图像，以及与Planet Labs合作在地球成像数据之上提供分析服务的工作，并断言Synthetaic的业务能够抵御科技行业的低迷以及更广泛的经济逆风。

Jaskolski表示："Synthetaic的技术为AI模型训练和创建提供了一种变革性的方法，满足了技术决策者的关键需求。""对于高管层而言，Synthetaic的RAIC意味着能够处理稀缺或复杂的数据集，加速AI开发并改进预测建模，而不受数据数量或质量的限制。这使得RAIC成为推动创新、运营效率和竞争优势的战略资产，特别是在数据成为AI采用和实施瓶颈的用例中。"