AIGC 领域最大收购:Databricks 13 亿美元买下 MosaicML,成立仅 2 年员工 60 人
2023-06-27 10:35:24    ZAKER科技

美西时间今天早间,大数据巨头 Databricks 宣布已签署最终协议,将以 13 亿美元的价格,收购位于旧金山的人工智能初创公司 MosaicML 。


【资料图】

该收购之后,MosaicML 将成为 Databricks Lakehouse 平台的一部分,MosaicML 的整个团队和技术都将纳入 Databricks 旗下,为企业提供统一的平台来管理数据资产,并且能够使用自己的专有数据来构建、拥有和保护自己的生成式 AI 模型。

值得注意的是,MosaicML 是一家非常年轻的生成式 AI 公司,它于 2021 年成立于旧金山,目前只公开披露过一轮融资,员工仅 62 人。在上一轮的融资中,其估值为 2.2 亿美元,也就是说,此次收购 MosaicML 的估值直接跃升了 6 倍。

此笔交易是截至目前今年生成式 AI 领域内所公布的最大一笔收购案。就在不久前,云计算巨头 Snowflake 刚刚宣布收购了另一家生成式 AI 公司 Neeva。在经历了几个月的投资热之后,大型企业对生成式 AI 初创公司的大规模并购潮似乎正在开启。

MosaicML 是谁?

MosaicML 由曾在 Intel 担任人工智能产品负责人、Nervana Systems 的联合创始人 Naveen Rao 以及英特尔 AI 实验室的高级主管 Hanlin Tang 创立。

MosaicML 的创始人,Hanlin Tang(左一)、Naveen Rao(左二),图片来自 MosaicML

Naveen Rao 1997 年毕业于杜克大学的计算机科学专业,后取得布朗大学神经科学的博士学位,长期致力于人工智能神经网络的学习和开发。他曾在高通担任过神经形态机器的研究员,并曾在 2014 年创立了人工智能公司 Nervana Systems。

或许现在很多人并不熟悉 Nervana Systems,但在深度学习和 AI 芯片领域,Nervana 可以说曾经风头无两。Nervana 的目标是通过其云服务和硬件产品来改善深度学习的计算效率,它在 2015 年推出了超强性能的深度学习底层框架 Neon 在业界一炮而红,紧接着在 2016 年推出了 Nervana Cloud 深度学习云平台,以及 Nervana Engine 专用硬件加速器。

Nervana 表示,在 Nervana Cloud 中把 Neon 框架运行在 Nervana Engine 芯片上后,该组合能够比英伟达 Titan X 的性能高出 10 倍。Nervana 的强劲表现在当时也引起了芯片霸主英特尔的注意,而英特尔在 AI 领域所迈出的第一个大动作就是——花 4 亿美元收购 Nervana。

2016 年关于英特尔收购 Nervana 的报道,图片截自于 Vox

被收购之后,Naveen Rao 成为了英特尔人工智能产品的负责人,Neon 架构和 Nervana 的相关产品也被整合到英特尔的产品线中,Nervana Engine 被定名为 Crest 系列。

此后,在 2017 年 -2019 年间,英特尔多次发布 Nervana Lake Crest 的进展,并多次公布包括 Nervana NNP-T 系列等相关芯片产品。但就在大家等待着该系列芯片量产时,2020 年,英特尔突然宣布将用自己后来花 20 亿美元收购的以色列公司 Habana 系列产品取代原定的 Nervana 服务器端 AI 加速芯片。当时业界分析的原因是 Habana 的技术和设计更具可扩展性,并且已经具有量产交付能力。

而在英特尔决定 " 抛弃 " Nervana 后,Naveen Rao 和 Nervana 的前核心员工 Hanlin Tang 也离开了英特尔,两人另立门户创立了 MosaicML。根据 LinkedIn 的信息,Hanlin Tang 应该是一名华裔,曾在哈佛大学取得生物物理学博士学位,目前担任 MosaicML 的 CTO。

那么,从英特尔 " 出走:后的 MosaicML 主要做什么业务呢?

MosaicML 仍然致力于帮助企业提高 AI 效率上,只是这次他们不再在硬件上投入过多精力,而是专注于生成式 AI。简单来说,MosaicML 提供了一个平台,让各类型企业都可以轻松地在安全的环境中训练和部署 AI 模型,并且帮助企业降低 AI 系统的开销。

他们的产品组合产品组合包括开源的、商业授权的 MPT Foundation 系列模型和 MosaicML 推理和训练服务,为企业提供了一系列的工具。

比如,MosaicML Explorer 可以帮助开发人员探索和理解不同的云服务和硬件选项之间的时间、性能和成本,以简化和评估实施选项。推出 MosaicML Composer 开源的深度学习库,提供 20 种用于计算机视觉和自然语言处理的方法,包括模型、数据集和基准。推出 MosaicML AI 开发平台,提供了成本效益高的模型部署和定制训练,同时保证数据安全,使用户能够拥有模型的所有权等。

图片来自 MosaicML 官网瞄准企业服务,Databricks 也要用生成式 AI 出招

回看 MosaicML 的创始团队,可以说他们的业务选择一直都比潮流领先了一步。在大家都还在观望时做 AI 芯片,在 AI 行业的低谷中做率先探索生成式 AI 的商业化。

凭借着强大的团队技术背景和行业经验,MosaicML 刚成立不久就得到了知名风投 DCVC、Lux Capital、Future Ventures 等投资者 3700 万美元的融资,之后的融资总额攀升到了 6400 万美元。据了解,Databricks 收购 MosaicML,主要还是看中其生成式 AI 模型在企业端的商业化能力。

MosaicML 的 CEO Naveen Rao 此前曾表示,自 2018 年以来,使用大量数据进行 " 训练 " 的人工智能模型的复杂度急剧上升,训练一个模型现在至少要花费数百万美元,除了大公司之外,其他中小型企业普遍都无法承受。

而此次收购之后,Databricks 的 Lakehouse 平台和 MosaicML 技术的联合产品将能够让企业可以使用自己的专有数据来简单、快速、低成本进行生成式 AI 模型的训练和构建,在让用户拥有数据的控制权和所有权的情况下,可以进行自定义 AI 模型开发。

图片来自 MosaicML 官网

MosaicML 的模型训练自动优化承诺比传统方法快 2 – 7 倍的训练速度,资源的近线性可伸缩性确保了具有数十亿参数的模型可以在几小时内训练,而不是过去的几天。根据 Databricks 的相关说法,在 Databricks 和 MosaicML 的平台和技术支持下,企业训练和使用 LLMs 的成本将显著降低,预计可以降至数千美元左右。

值得注意的是,在 MosaicML 加入之前, Databricks 曾基于 EleutherAI 的 Pythia-12b 开发了一个名为 Dolly-2 的 120 亿参数语言模型,而伴随着此次 MosiacML 的加入,Databricks 未来将提供 Dolly-2 和 MosaicML MPT 两个领先的大语言模型。

" 每个组织都应该能够从人工智能革命中受益,并对其数据的使用方式有更多的控制。Databricks 和 MosaicML 有一个难以置信的机会来实现人工智能的民主化,并使 Lakehouse 成为构建生成式人工智能的最佳场所。"Databricks 联合创始人兼首席执行官 Ali Ghodsi 在新闻稿中表示。

60 名员工喜提 " 大礼包 ",AIGC 并购潮拉开帷幕

MosaicML 收购是目前生成式 AI 领域里目前公开披露的最大交易,高达 13 亿的收购额对于目前仅有 62 员工的 MosaicML 来说也无疑是天降 " 大礼包 "。

根据 Levels.fyi 的数据,此前 MosaicML 的软件工程师的薪资平均水平在 75 万美元到 85 万美元之间。员工的期权会以现金折现或是转成 Databricks 的期权目前还尚不清楚,但而此次收购之后,MosaicML 的整个团队都将加入 Databricks。

图片来自 Levels.fyi

在当前的 AI 热潮下,大型公司对于生成式 AI 初创公司的并购或许才刚刚拉开帷幕。

不久前,云数据管理领军企业 Snowflake 刚宣布收购了由两位前 Google 员工创立的生成式 AI 搜索初创公司 Neeva,交易额并未向外公布。Neeva 主要业务是利用生成性 AI 进行搜索,并且主要聚焦在企业搜索领域加入 Snowflake 之后,Neeva 将帮助服务企业客户利用 AI 去快速搜索和分析数据点、数据资产,获得数据洞察的能力。

从 Snowflake 和 Databricks 接连的收购步伐中我们可以看到,大型科技公司对于生成式 AI 技术正在从自主研发、战略投资逐步迈向兼并收购阶段。这也给一些初创型生成式 AI 公司提供了更多的机会,不出意外的话,我们还会在今年下半年看到更多类似的收购案出现。

此外,无论是这两笔大型收购的应用方向,还是Cohere、Anthropic 等近期高歌猛进的独角兽,其业务重点都主要是在生成式 AI 技术的企业级应用方面。

在消费端热闹了大半年之后,生成式 AI 技术开始大举朝着企业用户进军。

* 参考资料:

注:封面图来自于 Pexels,版权属于原作者。如果不同意使用,请尽快联系我们,我们会立即删除。

标签: