斯坦福AI初创公司Inception获5000万美元融资，以更快扩散技术挑战GPT-5
斯坦福AI颠覆者：Inception押注5000万美元开发扩散模型
在对AI巨头的大胆挑战中，斯坦福大学教授Stefano Ermon的初创公司Inception已获得5000万美元种子轮融资，用于开发可能超越GPT-5等现有技术的扩散式语言模型。此轮融资由Menlo Ventures领投，微软M12、英伟达NVentures等科技投资者跟投。
速度革命
当大多数语言模型逐字生成文本(自回归方法)时，Inception的Mercury模型采用与图像生成器类似的扩散技术，可同时处理完整输出。这种并行处理实现了惊人速度：
- 代码补全速度达1000+令牌/秒
- 测试中比自回归模型快40%
- 凭借高效GPU利用率降低计算成本
"我们的架构从一开始就为并行而设计,"Ermon解释道,"这不仅是追求更快速度——更是通过降低基础设施成本让AI开发更触手可及。"
扩散技术为何适合代码生成
这一突破正值开发者面临以下挑战的理想时机：
- 结构复杂性：代码需要理解整个系统而非仅是顺序文本
- 跨文件依赖：现代软件涉及多个互连文件
- 能源成本：当前AI模型在推理过程中消耗巨大电力
扩散模型通过从"噪声"开始并通过全局调整优化输出来应对这些挑战——这种方式更贴近开发者实际思考系统的方式，而非逐行编写代码。
行业背书预示技术转向
豪华的投资阵容揭示了更广泛的行业优先级：
- 微软为GitHub Copilot寻求高效模型
- 英伟达优化新一代GPU工作负载
- Databricks需要经济高效的AI数据平台解决方案
正如Inception天使投资人之一吴恩达所言："当所有人都在追逐更大模型时，真正的创新往往来自对基础原理的重新思考。"
关键要点
- Inception的Mercury模型利用扩散技术实现1000+令牌/秒
- 该方法比自回归模型更适合编码等结构化任务
- 5000万美元种子轮彰显市场对替代架构的强烈信心
- 可能显著降低AI应用的计算成本
