面向企业用户，直接与开发人员和企业合作；不与任何一家大厂的云绑定；专注文本生产模型，是 Cohere 区别于 Open AI 的几个点。
撰文 | Sia
生成式 AI 这个新领域虽然热闹，但投资人一直不愿意为其他初创企业提供资金，除了少数几家处在前沿的公司。
最近，OpenAI 劲敌、一家位于加拿大多伦多的生成式 AI 初创公司 Cohere 完成 C 轮融资，本轮共筹集了 2.7 亿美元，支持者包括英伟达、Salesforce、甲骨文等，估值超 21 亿美元。
据知情人士透露，该投资由加拿大风险投资基金 Inovia Capital 牵头，Index Ventures 参与。去年领导 Cohere 1.25 亿美元 B 轮融资的专注于技术的投资基金 Tiger Global 没有参与本轮融资。
感谢 ChatGPT 的巨大成功，几个月来，整个领域发生了重大变化：过去公司将大部分时间花在教育市场上，现在已经转向部署。今年，几家生成式 AI 能领域前沿公司也都完成主要融资。
Cohere 拥有约 180 名员工，已经筹集了 4.45 亿美元，领先原 Google Brain 同事创立的 Adept 的 4.15 亿美元。
OpenAI 一共筹集了 113 亿美元，断层式领先。排在它身后的是 Anthropic，筹集了 4.5 亿美元。Inflection AI 则筹集到 2.25 亿美元。
Cohere 预计 2023 年将是获得新企业客户的突破性一年。他们会用融到的钱推动面向企业客户的人工智能平台建设（烧钱）。
联合创始人Nick Frosst 、COO Martin Kon、联合创始人兼 CE0 Aidan Gomez (从左到右）
和 OpenAI 有什么不同？
Cohere 基于 Transformer 架构构建了自己的大型语言模型。
嵌入大模型后，企业应用可立刻拥有文本生成能力，比如起草营销内容、电子邮件、产品说明。还能解锁强大的语义搜索、分类和重新排名功能（比如，多语言语义搜索播客内容）。甚至可以分析、总结冗长的公文文本。
接下来 Cohere 还计划建立为客户「工作」的模型，例如预订航班，安排会议。
Cohere 经常被人们视为 OpenAI 劲敌，尽管他们自己无意与以消费者为中心的 ChatGPT 竞争。
技术能力上，Cohere 确实跟 OpenAI 做得很相似—— GPT-3 擅长文字和语言处理，而 Cohere 也推出了像 ChatGPT 这样的对话模型。
他们也都预见到未来使用人工智能的群体，必然从 AI 工程师或者学术界扩散到普通人，致力于将 AI 工具集成到无数个普通应用程序里，降低开发或者使用 AI 技术的门槛。
不过，Cohere 一直旗帜鲜明表示自己的模型面向企业用户，直接与开发人员和企业合作。
「我们不会提供消费者产品，我们不会在这个意义上与 ChatGPT 竞争，他们非常专注于消费者部署，而我们更专注于企业。」 Cohere CEO Aidan Gomez 公开表示。
Cohere 定位在一个中间层位置。往下，离不开巨头提供的基础设施，比如算力支持。往上，形形色色企业用户和第三方开发者利用 Cohere 开发出的一套低代码工具打造具体应用。
「我们想把一些非常困难的东西——只有该领域的专家知道怎么做——创建一个界面，让每个开发人员都可以拥它们构建自己的应用。」Aidan Gomez 说。
这一定位的逻辑必然是——和 OpenAI 不同，Cohere 需要保持独立，并与不同的云提供商合作。事实上，Cohere 的卖点之一是它不受单一云的约束。
它们不仅与谷歌建立了关系，使用他们的超级计算机 TPU pod ，还宣布与 AWS 建立合作伙伴关系，这意味着客户可以在他们选择的云中部署，甚至可以部署在本地。
「如果客户想要极低的延迟，或者如果不想让我们看到客户数据，我们可以以一种别人无法做到的方式提供支持。」Aidan Gomez 说。
另外，Cohere 专注于文本生成模型，而 OpenAI 已经发布了用于文本的 GPT-3 模型以及用于图像生成的 DALL-E。
不过长远来看，图片、音频、视频都是人类知识的重要组成部分，仅专注文本肯定是不够的。生成式 AI 从开发自然语言到图片、音频和视频也是未来人工智能的重要发展方向。
CE0 Aidan Gomez
「春江水暖鸭先知」
Cohere 成立于 2019 年，源自三个对自然语言处理着迷的年轻、聪明的大脑。
创立公司时，Aidan Gomez 还是英国牛津大学的计算机在读博士。这位本科毕业于加拿大多伦多大学的小伙子很有上进心。
2017 年，还是本科生的 Aidan 在 Google Brain 实习，与同事合著了一篇开创性的重要论文「Attention Is All You Need」，探讨了 Transformer 模型。它也是 OpenAI GPT-4 等流行大型语言模型（LLM）背后的架构，正是这篇论文为过去六个月发生的生成式 AI 突破铺平了道路。
后来，Aidan Gomez 继续在 Google Brain 实习，也与 Hinton 合作。这段时期，Ivan Zhang 也经常前往 Aidan Gomez 工作的地方。他们一致认为， Transformer 是自然语言处理的关键。
最初，这个模型是为谷歌翻译构建的，后来席卷了从谷歌搜索、Gmail 到 YouTube 等几乎所有产品，让它们产生了难以置信的变化。
这些合著者最早知道 AI 最前沿正在发生的事情，同时也遗憾地发现，Transformer 给谷歌内部带来了巨大变化，却对外部世界没有触及。在 GPT-3 之前，没有人真正了解语言大模型或者如何让它们有用。
「我们只是感到很不安——你与非凡的事物面对面，而其他人却看不到它。」Aidan Gomez 曾说。
2019 年 9 月从谷歌结束实习后，他和 Ivan Zhang 立刻成立了 AI 公司 Cohere。2020年，Aidan Gomez 在谷歌多伦多人工智能实验室的同事、也是该实验室首批员工之一 Nick frost 加入 Cohere，成为第三位联合创始人。
除了 Aidan Gomez，另外一些 Transformer 合著者也离开谷歌，创立了自己生成式 AI 公司。比如 Character AI、Adept AI。
三位联合创始人 Ivan Zhang、Nick Frosst、Aidan Gomez（从左到右）。
Cohere 成立不到半年就拿到了 500 万美元的天使投资，李飞飞、Geoffrey Hinton、Pieter Abbeel 都是他们的投资人。
2022 年公司快速发展，从三位创始人和三名工程师发展到在加拿大、美国和英国工作的员工近 100 人。2月，B 轮融资筹集了 1.25 亿美元。12 月，任命了 YouTube 前财务主管 Martin Kon 为公司总裁兼 COO。
不同的玩家，依据各自的基因和能力试图解决 AI 堆栈不同层的问题。
如果说大企业的基因决定了他们会锚定在基础层，扮演类似公共承运人的角色，那么，绝大多数灵活多变的初创更适合在基础层之上施展自己解决具体问题的才华。
而从市场规模来看，包括芯片和数据中心在内的基础层的市场规模不如应用层，也就是利用技术来解决各行各业具体问题的市场，后者规模占比超过整个 AI 产业的一半。
就像十多年来，苹果应用商店这个平台诞生了许多优秀的应用，孕育了数千万开发者。未来，在新的基础设施之上，也会诞生庞大的生成式 AI 产业生态。
