Cohere：三个年轻创始人创造的AI独角兽

前段时间看到一个图，截止目前全球13家生成式AI领域的独角兽公司，Cohere以20亿美金的估值位列榜单第三名，甚至排在了Transformer一作Ashish的Adept和二作Noam的Character.ai之前。Cohere的创始团队又是何方神圣，在做了一些了解之后，我是有点惊讶。很少写单个公司的文章，之前只有一篇介绍Salesforce的万字长文（Salesforce：SaaS开拓者），今天这篇文章来讲讲Cohere这家在国内并没有很多人讨论的大模型独角兽公司。

团队

Cohere由三个多伦多大学的校友于2019年在加拿大成立，三个创始人都非常年轻（90后）。

Aidan Gomez是Cohere的CEO，于2018年毕业于多伦多大学计算科学专业（95后，还不到30岁），2018年至今在剑桥大学攻读计算机科学博士学位。他在2017年2月开始在Google Brain做实习生，也是在这期间他以实习生的身份参与到了“Attention is All you Need”这篇论文的创作中，非常幸运的成为Transformer这个划时代模型的八个创作者之一。

Ivan Zhang是Cohere的联合创始人及CTO，他在读多伦多大学本科的时候辍学，2017年创立了FOR.ai（现在叫Cohere For AI），一个独立的AI研究机构。

Nick Frosst，2015年毕业于多伦多大学计算机科学专业。在Google Brain期间是Geoffrey Hinton多伦多的Brain团队成员，主要研究方向是神经网络。

在Transformer项目期间，Aidan作为实习生参与其中，他的贡献主要在软件。在他参与的时候，Google Brain内部已经有一些资深研究员包括Ashish、Noam和Jakob致力于推动自回归模型在文本领域的应用。自回归模型在语音领域的应用非常受欢迎，但当时并没有人把它用在文本领域。

Transformer的主体工作是在三个月内完成的，这期间大家都住在办公室，Aidan在一次采访中说，Transformer是他第一次参与到正式的学术研究，他以为所有的学术研究都是这样的强度。他还提到：在某天晚上的凌晨3点，他们把Transformer这篇论文提交给NeurIPS，提交之后Ashish对Aidan说了一句话“This is gonna be huge”，Aidan并没有意识到Transformer未来会改变什么，但他说作为论文的一作Ashish很清楚Transformer这个模型将对AI产生多么大的影响。

Aidan提到的Ashish、Noam和Jakob是Transformer的核心作者，他们也在后面陆续离开了Google创立自己的公司。

Ashish Vaswani：是Transformer这篇论文的一作，他作为首席科学家参与创办了Adept（2022年4月成立），并于2022年底离开Adept，成立EssentialAI。

Noam Shazeer：在Google工作了20多年，他在2021年离开Google创立Character.AI。

Jakob Uszkoreit：2021年离开google创立Inceptive，一家AI+生命科学公司。他被认为是发明 Transformer 架构的幕后推手，在Google工作了13年，组建了Google助手的语言理解团队。

融资

Cohere在2021年9月获得4000万美元A轮融资；2022年2月获得1.59亿美元B轮融资，投资方包括AI领域资深学者深度学习三巨头之一Geoffrey Hinton、李飞飞、Pieter Abbeel，还有知名基金Tiger Global，Index Venture等。2023年5月获得2.5 亿美元的融资，估值达到20亿美元，投资方包括Salesforce Ventures，英伟达，Inovia Capital和Index Ventures等。这三个小伙子可以吸引Geoffrey Hinton、李飞飞、Pieter Abbeel这种学术大牛，还有英伟达，真的是非常让人吃惊。

产品

Cohere的主要业务是给用户提供应用大语言模型的API，可以帮助用户创建针对客户特有的使用场景和独有数据的大模型。Cohere可以提供生成语言模型（generative language model，如GPT2和GPT3直接生成文字）和表示模型（reprensentation language model，如BERT，生成Embedding向量）。

Generate（生成）

使用可扩展、经济实惠的生成型人工智能工具编写产品描述、博客文章和营销文案等。如下图所示，输出的结果是自然语言文本。

EMBED

可以提供英语及其他100多种语言的Embedding模型。Embedding是将人类语言转换成数字向量，具体可以参考关于大模型的一些Basics这篇文章。Embed模式下，输入字符串，输出的是数值向量。

Summarize（总结）

大语言模型在文本生成方面具有突破意义。历史上第一次出现软件生成的语言可以和人类媲美，这也使得文本总结这样的功能成为可能。

Classify（分类）

分类是语言模型的基本功能，开发者可以在Cohere的语言模型基础上构建分类器，以实现意图识别、情感分类等功能。

Semantic Similarity（语义相似性）

客服每天会面对很多重复的问题，语言模型可以用来筛选相似的问题并匹配FAQ中的答案。

因为Cohere并没有类似ChatGPT这样的对话Agent，所以我也没有机会去体验他的产品，也没法对产品本身做出更多评价。欢迎对Cohere有了解的朋友在评论区留言，可以说说为什么Cohere会获得这么多学术界大牛和产业界巨头的青睐。

References：

https://docs.cohere.com/docs/the-cohere-platform

https://www.youtube.com/watch?v=ooBt_di8DLs

原创不易

快来戳一下”关注“给些鼓励吧！

欢迎“点赞”“打赏”“在看”三连！