近期，北京澜舟科技完成了由联想创投、斯道资本共同领投和创新工场跟投的人民币近亿元的Pre-A轮融资。
澜舟科技是一家认知智能公司，主要业务为针对商业场景数字化转型、以自然语言处理（NLP）为基础提供商业洞见类产品。澜舟科技的孟子轻量化中文预训练模型，曾以十亿参数刷新此前百亿千亿级别参数模型轮番霸榜的中文语言理解权威评测CLUE榜单。
目前，澜舟科技已与国内外几十所著名高校和华为、传神、数说故事等十余个相关领域的头部企业建立了稳定的合作关系。
1、成立一年获3轮融资，澜舟科技「风华正茂」
孟子有云：「以力服人者，非心服也，力不赡也；以德服人者，中心悦而诚服也，如七十子之服孔子也。」
这句话也是澜舟科技「孟子预训练模型」名称的出处。
按照创新工场首席科学家、北京澜舟科技创始人兼CEO周明的解释，很多大公司依赖自身强大的运算能力和大数据能力，不停地推出大模型，澜舟作为初创公司，比算力是比不过的，那就应该去比智慧、比算法、比知识。
近年来，预训练模型（PLM）的热度逐年升高，其发展极大提升了NLP任务的性能，促进了NLP技术向更实际的应用场景发展。如今，预训练模型有向更大模型、更多数据发展的趋势，同时也意味着它的时间成本和资源成本更加高昂。这极大制约了NLP应用于更广泛的实际场景。
2021年7月，澜舟科技正式推出孟子预训练模型。相比于市面上已有的中文预训练模型，孟子模型具有轻量化和易部署的特点，性能上超越同等规模甚至更大规模的模型。
具体而言，孟子模型是澜舟科技基于语言学信息融入和训练加速等方法研发的系列模型。由于与BERT保持一致的模型结构（Transformer），孟子模型可以快速替换现有的预训练模型。它可处理多语言、多模态数据，同时支持多种文本理解和文本生成任务，在文本分类、阅读理解等各类任务上表现出色。
众所周知，CLUE榜单是自然语言理解玩家的必争之地。孟子模型一经发布就惊艳众人，它以十亿参数完成此前百亿、千亿参数模型创造的纪录，打破近年来CLUE榜单被腾讯、搜狗、华为、阿里达摩院等科技巨头轮番霸榜的格局。
在HICOOL2021全球创业大赛上，澜舟科技的孟子新一代认知服务引擎项目披荆斩棘，从全球48个国家和地区的4018个项目、5077名创业人才中脱颖而出，荣获一等奖暨人工智能和金融赛道第一名。孟子新一代认知服务引擎包括自研的孟子预训练模型、机器翻译引擎、文本生成引擎、行业搜索引擎等四个方面的技术。
公开资料显示，澜舟科技2021年1月入驻由李开复创办的创新工场开始孵化。成立一年以来，澜舟科技已经接连获得了3轮融资。此前公司分别完成了由创新工场人工智能工程院和前沿科技基金主导的种子轮和天使轮融资。本次Pre-A轮融资主要用于自然语言处理（NLP）核心产品的开发和前瞻性研究。
2、从「感知智能」到「认知智能」
澜舟科技创始人周明是公认的世界级AI科学家、自然语言处理领域的代表性人物，过去十年中，他在ML&NLP领域发表论文数居世界第一名。周明曾任国际计算语言学协会主席、微软亚洲研究院副院长，现任中国计算机学会副理事长、中国中文信息学会常务理事、创新工场首席科学家。
在周明看来，人工智能正从感知智能快速向认知智能迈进，计算机正在从「能说会看」，到「能思考、能回答问题、能决策」快速推进。未来的十年孕育着巨大的认知智能发展和创新的机遇。
「感知智能是眼睛看得到、耳朵听得到、手触摸得到的一些感知信号，而认知智能是AI技术对人类语言理解后进行推理，实际上是人类的思维和大脑的行为的体现。」周明表示，认知智能技术的一个瓶颈是语言的理解的问题，比如说由于上下文不一样，词的意思就不一样，一个句子虽然用同样的词，语气变化意思也完全不一样等。
认知智能的核心是自然语言处理（NLP），比如机器翻译、聊天机器人、搜索引擎、摘要和问答，知识图谱等等。近年来，预训练语言模型极大推动了自然语言处理的技术进步，激发了新的研究热潮。但是，在做多轮对话或者需要对趋势作出判定，或者依赖知识图谱进行推理方面，认知智能目前还差强人意。
「人脑在处理熟悉的事情时往往依赖数据和直觉，速度快但缺乏解释性，这类似与训练模型或深度学习；而在处理不熟悉事情时往往依赖规则、逻辑和推理，速度较慢，但是具备可解释性，更像是符号计算。当下的深度学习可以思考，如何通过一个模型将二者的优势结合，也就是数据和知识融合起来寻找解决思路。」
周明表示，「从科学家到创业者，我将带领澜舟团队致力于打造以NLP为核心技术的新一代认知智能平台，帮助从业人员大幅度提高信息获取、搜索、翻译、分析研判、业务预测、报告生成和决策辅助能力。」
目前，孟子模型已在多个领域成功落地实践。澜舟科技已与传神合作赋能翻译行业，助力企业提高国际语言竞争力；与数说故事旗下容徽合作，于2021年年底成功上线首个合作产品contentnote智能文案，以AI助力文案生成；同时，澜舟也分别与华为云、同花顺等业内领军企业签署战略合作协议。
资料来源：
https://www.langboat.com/
https://github.com/Langboat/Mengzi
https://arxiv.org/abs/2110.06696
