大规模机器学习模型是OpenAI DALL-E 2和Google LaMDA等技术的核心。尽管这些模型能生成逼真的图像和文本，但开发耗时耗力且成本高昂。据估计，仅DALL-E 2的训练就需256个GPU运行两周，若在AWS上进行，成本约13万美元。
为降低门槛，许多中小企业转向“AI即服务”供应商，通过API获取模型能力。AssemblyAI便是其中专注于语音转文本和文本分析的代表性企业。
B轮融资3000万美元，加速研发与算力建设
AssemblyAI今日宣布完成由Insight Partners领投、Y Combinator和Accel参投的3000万美元B轮融资。至此，公司累计融资达6400万美元。创始人兼CEO Dylan Fox表示，新资金将用于扩充研究工程团队及提升数据中心AI模型训练能力。
Fox曾在思科负责协作产品机器学习工作，此前还创办过YouGive1。他在采访中表示：“2017年市面上的语音识别和NLP API局限性大、准确率低，这促使我创立AssemblyAI。我们的目标是通过简单易集成的SDK和API，向开发者提供尖端的NLP和语音识别模型。”
支持80+语言，低成本实现音频视频智能化
AssemblyAI提供基于API的AI服务，支持80多种语言，涵盖自动转录、主题检测、内容审核及“自动章节”功能（可将音视频分解为带摘要的章节）。开发者可调用API执行说话人识别、播客违禁内容检查等任务，起步价仅为每音频秒0.00025美元。
Fox指出，公司在数百个GPU上训练数十亿参数的大模型，并利用AutoTrain功能从客户数据样本中持续学习，不断提升模型准确性并推出新功能。
远程办公驱动增长，成产品团队首选API平台
在NLPCloud、Sayso及亚马逊、谷歌、微软等巨头的竞争下，AssemblyAI凭借疫情及远程办公趋势保持快速增长。随着音视频融入视频会议、约会应用等产品，团队急需构建高价值增值功能。
Fox表示，无论是社交媒体自动化审核、广告平台主题识别、协作工具生成转录摘要，还是电信公司优化联络中心，AssemblyAI正成为产品团队部署AI功能的首选平台。
用户收入三倍增长，逆势扩招备战未来
目前AssemblyAI拥有超1万名用户，其中付费客户达数百家。自2022年初以来，用户基数与收入均增长3倍，日均处理API调用数百万次。
面对行业裁员潮，Fox计划逆势扩张：未来六个月将AI研究团队扩大三倍，投入数百万美元升级GPU硬件；年底前将52人团队规模几乎翻倍。他表示，虽刚完成A轮不久，但Insight的加入有助于确立市场主导地位，以更精准的模型满足客户日益增长的期望。