Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

初创团队不到10人,Augment获2.52亿美元融资,将成GitHub Copilot竞争对手

机器之能报道

编辑:山茶花

一家「名不见经传」AI编码辅助初创公司估值9.77亿美元。

AI 正在极大地推动编码工作,AI 编码辅助工具 GitHub Copilot 曾一度被扣上「窃取程序员工作」的帽子。

如今,这一领域再迎踢馆者。

4 月 24 日,一家「名不见经传」AI 编码辅助初创公司 Augment,突然宣布完成 2.52 亿美元的融资,投后估值达 9.77 亿美元,距离成为全球「独角兽」仅一步之遥。

图片


此次 Augment 投资方阵容相当豪华,Sutter Hill Ventures、Index Ventures、Innovation Endeavors、Lightspeed Venture Partners 和 Meritech Capital 等风投领域重要玩家均位列其中,个人投资者还包括前谷歌 CEO Eric Schmidt。

一家神秘兮兮的 AI 编码初创公司


在最近的一项 StackOverflow 调查中,44% 的软件工程师表示他们已经在开发流程中使用 AI 工具,26% 的人计划很快使用。Gartner 估计,超过一半的组织目前正在试用或已经部署了 AI 驱动的编码助手,到 2028 年,75% 的开发者将以某种形式使用编码助手。

AI 辅助编码似乎已是大势所趋。Augment 正是踩中这一风口。

作为一家 AI 初创公司,Augment 专注于为大型代码库提供人工智能编程辅助工具。与竞争对手相比,该工具主打一个快,推理速度甚至比对手快 3 倍,并且能够生成高质量的可运行代码,减少令人沮丧的幻觉。此外,Augment 还具备适配大型代码库、支持多开发者和团队、 强大的知识产权保护等功能。

Augment 创始人 Igor Ostrovsky 认为,「软件工程仍然是一项艰巨的工作,而且往往乏味而令人沮丧,尤其是在规模较大的情况下。人工智能可以提高软件质量和团队生产力,帮助人们重拾编程的乐趣。」

其实在自曝融资消息之前,这家公司相当低调且神秘,截至目前,Augment 在 X 平台上也仅有 405 个关注者。

图片

前 Google Brain 研究科学家 @hyhieu226 在 X 上发帖称,「一年前,我离开了 Google Brain(现在的 DeepMind),加入了一家非常早期的初创公司 Augment。当时我们的人数还不到 10 人,后来已经增长了很多倍。」

图片

在采访中,Augment 创始人 Igor Ostrovsky 更是三缄其口,不愿意透露太多关于用户体验的信息,甚至不愿意透露驱动 Augment 功能的人工智能生成模型,只说 Augment 正在使用经过微调的 「业界领先」的某种开放模型。

不过,Ostrovsky 倒是透露了 Augment 计划的盈利方式:标准的软件即服务订阅。Ostrovsky 补充说,定价和其他细节将在今年晚些时候公布,离 Augment 计划的全球发布时间越来越近。

一群微软、谷歌工程师「搞事情」

别看 Augment 名气不大,团队成员的履历却不简单。

2002 年,Augment 创始人 Igor Ostrovsky 就读于不列颠哥伦比亚大学(The University of British Columbia)计算机科学专业,大学期间就开始接软件工程师这类活,毕业后正式加入微软担任高级软件开发工程师,并开发了 Midori 操作系统的组件。Midori 是一个微软从未发布的非基于 Windows 核心的全新操作系统

图片

2013 年,在微软工作近 7 年的 Igor Ostrovsky,以创始工程师身份加入 Pure Storage,领导 FlashBlade 的技术开发,使其终身销售额达到 20 亿美元。Pure Storage 是一家开发闪存数据存储硬件和软件产品的初创公司。

2021 年底,Ostrovsky 作为 Sutter Hill Ventures 的常驻工程师,一头扎进生成式人工智能领域。

「作为一名软件开发者,我可以清晰地看到生成式人工智能将如何改变我的领域。我们在 GitHub Copilot 和 AlphaCode 等技术上看到了早期的希望,但很明显,这仅仅是开始。我想象着人类和人工智能一起合作开发软件,人类通过人工智能实现 Augment。」

于是,Ostrovsky 联合前谷歌人工智能研究员 Guy Gur-Ari 创立了 Augment。

Guy 本科毕业于以色列高等学府希伯来大学,后在魏茨曼科学研究所深造,2014 年成为斯坦福大学的博士后研究员。

之后,Guy 加入谷歌担任研究科学家,期间它他领导了一个研究团队,负责理解和改进深度学习系统,包括训练大语言模型来解决复杂推理任务,并为谷歌的 PaLM 系列模型(Gemini 的前身)做出贡献。

图片

Augment 的 CEO 是 Scott Dietzen,他是一名经验丰富的创业「老炮」。

他四次创业成功,曾创办 WebLogic、Zimbra、Transarc 以及 Pure 四家公司,其中在担任 Pure Storage 首席执行官时,Pure 的营收从 0 增长到超过 10 亿美元,员工从 15 人增加到数千人,并成功上市。

此外,他还在卡内基梅隆大学获得计算机科学博士学位,专注机器学习

图片

Augment 的工程副总裁 Evan Driscoll 同样来自 Pure Storage 公司。他曾在 Pure Storage 公司担任同样的职位,一度将三个业务部门的工程团队从数十人扩大到数百人。

图片

Augment 产品副总裁 Dion Almaer 曾在谷歌担任主管,他负责的产品被数百万开发者在 Chrome、搜索和 Android 等领域使用。他还在 Shopify 担任开发者体验副总裁、在 Mozilla 和 Palm 担任主管。

图片

目前,Augment 大约有 50 名员工,Ostrovsky 预计到年底这个数字将翻倍。

Augment 能在行业中掀起波澜吗?

虽说 Augment 踩中风口,但要想在这个竞争日益激烈的行业中掀起波澜并非易事,毕竟几乎每家科技巨头都推出了人工智能编码助手。

例如微软的 GitHub Copilot,截至今年 2 月,它已拥有超过 130 万名付费个人用户和 5 万名企业用户,是迄今为止地位最稳固的产品。亚马逊有 AWS 的 CodeWhisperer,谷歌则有 Gemini Code Assist,最近从 Duet AI for Developers 更名而来。

在其他领域,编码助手初创公司如雨后春笋般涌现:Magic、Tabnine、Codegen、Refact、TabbyML、Sweep、Laredo 和 Cognition 等。开发了 Kotlin 编程语言的 Harness 和 JetBrains 最近也发布了自己的产品。

如此混乱的「战局」,Augment 能占据一席之地吗?似乎不太可能。

单是令人瞠目的计算成本,就让人工智能编码助手业务充满了挑战。与训练和服务模型相关的超支迫使生成式人工智能编码初创公司 Kite 于 2022 年 12 月关闭。据《华尔街日报》报道,即使是行业「扛把子」Copilot 也在亏钱,每个用户每月亏损约 20 到 80 美元。

虽然 Augment 创始人 Ostrovsky 声称,「数十家」公司的 「数百名」软件开发人员,包括支付初创公司 Keeta(也是 Eric Schmidt 支持的公司),都在早期使用 Augment。但是,这些用户会持续使用吗?这可是一个价值百万美元的问题。

其次是 Augment 在解决困扰代码生成人工智能的技术问题上是否采取了措施,尤其是在漏洞方面。

同名代码分析工具开发商 GitClear 的一项分析发现,编码助手正在导致更多错误代码被推送到代码库中,这给软件维护人员带来了麻烦。安全研究人员警告说,生成式编码工具会放大项目中现有的漏洞和利用。斯坦福大学的研究人员发现,接受人工智能助手推荐代码的开发人员往往会编写出安全性较低的代码。

最后是版权问题。

Augment 的模型无疑是在公开数据基础上训练出来的,就像所有的生成式人工智能模型一样 ,其中一些可能已经获得版权或限制性许可。一些供应商辩称,合理使用原则使他们免于版权索赔,同时还推出了一些工具来减少潜在的侵权行为,但这并没有阻止程序员们就他们所称的开放许可和知识产权侵权行为提起集体诉讼。

参考内容:

https://www.augmentcode.com/

https://twitter.com/hyhieu226/status/1783237649035383002

https://techcrunch.com/2024/04/24/eric-schmidt-backed-augment-a-github-copilot-rival-launches-out-of-stealth-with-252m/

产业
相关数据
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

https://deepmind.com/
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

生成模型技术

在概率统计理论中, 生成模型是指能够随机生成观测数据的模型,尤其是在给定某些隐含参数的条件下。 它给观测值和标注数据序列指定一个联合概率分布。 在机器学习中,生成模型可以用来直接对数据建模(例如根据某个变量的概率密度函数进行数据采样),也可以用来建立变量间的条件概率分布。

语言模型技术

统计式的语言模型是借由一个几率分布,而指派几率给字词所组成的字串。语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。

推荐文章
暂无评论
暂无评论~