人工智能有望帮助人类更快完成日常任务，并迅速解决过于庞大的问题。但讽刺的是，由于训练模型需要大量数据计算，AI 的构建过程往往耗时较长。
这催生了一批旨在加速该过程的初创公司。
V7 Labs 获3300万美元融资
在最新进展中，V7 Labs 为 AI 训练模型构建用于自动化标注及其他数据分类的技术，并在其服务需求强劲后获得了3300万美元的融资。
V7 目前专注于计算机视觉领域，通过自动识别和分类对象及其他数据，以加快 AI 模型的训练速度。V7 表示，它仅需 100 个由人工标注的示例即可学习所需内容。
目前，该平台在医学和科学领域取得了显著进展，被用于帮助训练 AI 模型以识别扫描图像中的癌症及其他问题。V7 也开始看到科技公司及技术导向型企业的活动，这些企业正在探索如何将 AI 应用于更广泛的场景，包括利用自然语言指令生成图像引擎以及工业应用。该公司未披露完整的客户名单及正在评估其技术的潜在客户名单，但已知其客户数量已超过 300 家，其中包括 GE Healthcare、Paige AI 和 Siemens，以及其他《财富》500 强公司和大型私营企业。
豪华投资方阵容与业务增长
Radical Ventures 和 Temasek 共同领投本轮融资，Air Street Capital、Amadeus Capital Partners 和 Partech（三位之前的支持者）也参与了投资，此外还有机器学习与 AI 领域的多位知名人士。
其中包括 Francois Chollet（Keras 的创始人，Keras 是一个开源 Python 神经网络库）、Oriol Vinyals（DeepMind 的首席研究科学家）、Jose Valim（Elixir 编程语言的创始人）、Ashish Vaswani（Adept AI 的联合创始人，此前曾在 Google Brain 工作，并在那里发明了 Transformer 架构），以及来自 OpenAI、Twitter 和 Amazon 的其他未具名人士。
CEO Alberto Rizzoli 在一次采访中表示，这是迄今为止该类别中最大的一轮 A 轮融资，资金将用于招聘更多工程师，并拓展业务运营，以应对新一波客户兴趣，重点聚焦美国市场。
他拒绝评论估值，但该初创公司目前已筹集约 3600 万美元，据我所知，其估值现约为 2 亿美元。
Rizzoli 也拒绝谈论收入数据，但表示年度经常性收入（ARR）在 2022 年增长了三倍。
市场竞争与独特卖点
此前已涌现出多家初创公司，旨在提高 AI 数据训练的效率，并解决更广泛的 AI 建模领域的问题。
SuperAnnotate，根据 PitchBook 的数据，已筹集约 1800 万美元，是 V7 最接近的竞争对手之一。（例如：V7 在其网站上列出了两项服务的对比，而 SuperAnnotate 曾联系说明该对比并不准确。）
其他公司包括 Scale AI，该公司最初专注于汽车行业，但随后扩展到多个其他领域，目前估值约为 70 亿美元；Labelbox，它与 Google 等公司合作进行 AI 标注；以及 Hive，目前估值约为 20 亿美元。
与这些公司一样，V7（其名称源于人类大脑视觉皮层中处理图像的六个区域 V1 至 V6 之后，AI 被视为第七个处理区域）正在构建服务以解决一个特定挑战：训练模型的概念及其数据输入方式效率低下，有待改进。
V7 的具体独特卖点（USP）是自动化。据估计，工程团队约 80% 的时间都花在管理训练数据上，包括标注、识别错误标注、重新思考分类等，因此他们构建了一个模型来自动化这一流程。
Rizzoli（与公司首席技术官 Simon Edwardsson 共同创立了该公司）称，他们提出的过程为“程序化标注”：利用通用 AI 和自有算法对图像进行分割和标注，仅需 100 个“人工引导”示例即可触发自动标注功能。
投资者押注，缩短从构思 AI 模型到实际应用的时间将为该公司带来更多业务。
聚焦垂直领域与实际应用
Amadeus Capital Partners 的合伙人 Pierre Socha 在一份声明中表示：“计算机视觉正跨行业大规模部署，带来创新与突破，并形成一个快速增长的 500 亿美元市场。我们对 V7 的观点是，应用范围的广泛性以及市场对新产品推出速度的要求，需要一个集中式平台，将 AI 模型、代码和人类连接成一个循环生态系统。”
V7 将该过程描述为“自动驾驶”，但“辅助驾驶”可能更为准确：其理念是，任何标记为不确定的内容都会被转回给人类进行评估和审查。它并非取代这些人类员工，而是使他们能更高效地处理工作量。（有时它的表现甚至优于人类，因此两者结合使用可互相复核工作。）以下是一个示例，展示图像训练如何在扫描检测肺炎时运作。
考虑到人工智能在改善图像处理和使用的众多领域中的应用，Rizzoli 表示，最初决定加大对医学领域的投入，部分原因是为了让这家初创企业脚踏实地，并专注于一个可能从未自行开发此类技术、但肯定希望使用它的市场。
他表示：“我们决定专注于那些已经商业化基于人工智能的应用的垂直领域，或者视觉处理工作大量由人类完成的领域。”“我们不想被绑定在‘登月计划’或大型研发预算支持的项目上，因为这意味着有人试图完全自行解决问题，他们正在做更专业化的事情，并且可能希望拥有自己的技术，而不是像我们这样的第三方技术。”
Rizzoli 补充道，除了企业寻找“自己的秘密配方”之外，一些项目可能永远无法走出实验室。“相反，我们正在为实际应用而工作。”他说。
重塑企业数据获取与采用方式
另一方面，这家初创企业代表了我们在企业信息获取和采用方式上看到的转变。投资者认为，V7 正在构建的框架反映了未来企业将如何吸收数据。
Radical Ventures 的合伙人 Parasvil Patel 在一份声明中表示：“V7 处于有利地位，有望成为现代人工智能工作流中管理数据的行业标准。”随着本轮融资，Patel 将加入 V7 的董事会。
Air Street Capital 的 Nathan Benaich 在一份声明中补充道：“如今可用人工智能解决的问题数量庞大且增长迅速。随着各种规模的企业竞相抓住这些机遇，它们需要一流的模型和数据基础设施，以交付卓越的产品，这些产品能够持续改进并适应现实世界的需求。”“这正是 V7 的人工智能数据引擎大放异彩的地方。无论行业或应用如何，客户都依赖 V7 比以往更快地推出强大的 AI 优先产品。V7 将行业内快速演进的最佳实践打包成从数据到模型再到产品的多人协作工作流。”