由机器人学权威人物 Daniela Rus 联合创办的麻省理工学院衍生公司 Liquid AI，旨在构建由液态神经网络驱动的通用人工智能系统。该公司近日结束保密状态，宣布完成3750万美元两阶段种子轮融资，投后估值达3.03亿美元。
融资详情与核心团队
本轮投资方包括 OSS Capital、PagsGroup、Automattic（WordPress母公司）、Samsung Next、Bold Capital Partners 和 ISAI Cap Venture 等机构，以及 GitHub 联合创始人 Tom Preston Werner、Shopify 联合创始人 Tobias Lütke 和 Red Hat 联合创始人 Bob Young 等天使投资人。
Liquid AI 核心团队还包括 CEO Ramin Hasani、CTO Mathias Lechner 和首席科学官 Alexander Amini。Hasani 曾任 Vanguard 首席 AI 科学家及 MIT 博士后研究员；Lechner 和 Amini 均为 MIT 长期研究人员，三人共同参与了液态神经网络的发明工作。
什么是液态神经网络？
液态神经网络的概念最早可追溯至2018年，但直到2020年底 Hasani、Rus 等人发表《液态时间常数网络》论文后才广受关注。该架构受线虫“大脑”启发，具有以下核心特点：
- 高效轻量：相比 GPT-3 的1750亿参数和约5万神经元，执行无人机导航任务的液态神经网络仅需2万参数和不到20个神经元，大幅降低算力需求，理论上可在树莓派上运行自动驾驶模型。
- 可解释性强：精简的架构使得分析每个神经元的功能比解析传统大模型更为直观可行。
- 动态适应性：能将数据序列视为整体处理，并根据环境变化动态调整参数。即使在未训练过的场景（如天气突变）中，也能保持决策可靠性。
Hasani 表示：“该想法最初由维也纳工业大学 Radu Grosu 教授实验室提出，后经 MIT CSAIL 团队完善扩展。”
实测表现与应用前景
在自主导航测试中，基于人类飞行员数据训练的液态神经网络部署于四旋翼无人机后，在森林及密集城市街区等复杂环境中表现出色。它不仅能在噪声干扰下引导无人机抵达目标，更是唯一无需微调即可可靠泛化至未见场景的模型。
除无人机搜救、野生动物监测和配送外，该架构还适用于电网、医疗读数、金融交易及恶劣天气模式等任何随时间波动的序列数据分析。
商业化路径与未来规划
Liquid AI 明确将商业化作为核心目标。Hasani 表示，公司将致力于构建超越 GPT 的新型 Liquid 基础模型，并为客户提供本地私有 AI 基础设施及模型构建平台。
“Liquid AI 为特定领域和生成式 AI 应用提供更资本高效、可靠、可解释且功能强大的机器学习模型，”Hasani 强调，“大型 AI 模型的责任性和安全性至关重要。”
目前，Liquid AI 在波士顿和帕洛阿尔托设有办公室，团队规模12人，预计明年初将扩充至20人。随着2022年团队已突破液态神经网络规模限制，未来有望迎来更多技术突破。