Ollama 聯合創始人兼 CEO 出鏡談企業採用開源模型
Ollama 聯合創始人兼 CEO @jmorgan 在一期訪談節目中談開源模型在企業中的採用。該節目由 Ollama 官方帳號發布,並附有觀看入口。原文未披露節目中的具體客戶案例、資料或產品更新資訊。
找到 20 筆
Ollama 聯合創始人兼 CEO @jmorgan 在一期訪談節目中談開源模型在企業中的採用。該節目由 Ollama 官方帳號發布,並附有觀看入口。原文未披露節目中的具體客戶案例、資料或產品更新資訊。
Figma 在印度首屆 Config 大會上宣布新增 20 個 MCP 合作伙伴,包括 Linear、Notion、Mistral、JetBrains 的 Junie、OpenCode 與 ClickUp 等。聯合創始人 Dylan Field 同場表示,MCP 並非完美協議,仍有大量改進空間,且更有利於前沿實驗室。他稱 Figma 不願完全開放,是因為通過 MCP 暴露的資料越多,濫用風險越高;
Carta 報告顯示,2018 至 2026 年單人創始人佔新創公司比例近乎翻倍至 39%。作者認為 AI 壓縮了產品建置與獲客所需工時,單人創業將成預設;哈佛 Noam Wasserman 研究稱 65% 的高潛力創業失敗源於人際衝突,去掉聯合創始人可消除這一主因。但單人創業的主要死因會變成孤獨,解決辦法不是湊合找聯合創始人,而是接入資源與單人創業者社群,做到“solo, together”。
Cal AI 聯合創始人 Zach Yadegari 為其新 AI agent 公司 Persona 融資 1000 萬美元,Vine Ventures 領投。Persona 是一款個人 AI 助理,配套 179 美元的可穿戴手環,靠按鍵或甩腕啟用而非全程錄音,預計 12 月發售;目前已免費 beta 形式在 iMessage 上執行,積累了數千名使用者,手環預售收入達五位數。
SpaceXAI 宣布加入監管 Linux 發行版 Omarchy 的 Omacom 基金會,成為創始企業贊助方,並捐贈價值 150 萬美元的 Grok token。據 David Heinemeier Hansson 的博文,這批 token 主要用於加速開發、審查程式碼和修復 bug。Hansson 是 Ruby on Rails 的創造者、Basecamp 聯合創始人,Omarchy 是他主導且頗具爭議的 Linux 發行版專案。
TypeSafe AI 聯合創始人兼 CEO Diogo Almeida 在 Latent Space 訪談中透露,其 System-One 模型 Jev 估值達 100 億美元,日處理量已突破一萬億 token,且夜間流量持續走高,說明大量呼叫來自機器自動化。Jev 1.13.0 在第三方 JevBench v1.2.1 綜合榜以 75.3 分排名第一,發布影片 6 天瀏覽量超 3870 萬。
Napster 聯合創始人 Sean Parker 正把 Stability AI 重塑為面向音樂專業人士的 AI 工具公司。兩年前他參與 8000 萬美元救助這家瀕臨崩潰的影像生成初創公司,如今與 CEO Prem Akkaraju 公布新方向。8 月底公司宣布獲得 7600 萬美元融資,投資方包括索尼、華納和環球,三家還授權曲庫用於訓練。
彭博報導稱,Eric Schmidt 在 2021 年 Anthropic 的 A 輪融資中投資數千萬美元,目前持有該公司約 1% 股份,相當於聯合創始人兼 CEO Dario Amodei 2% 持股的一半。當時 Anthropic 的估值僅為 4.61 億美元;如今市場普遍預計該公司將在年底前上市,最高估值達 2 萬億美元,屆時 Schmidt 的身家可能增加最多 200 億美元(目前為 575 億美元)。
Tenex 聯合創始人 Alex Lieberman 與 CJ Hess 在 AIE New York 介紹,這家按交付產出而非工時給 AI 工程師付酬的公司已擴張到 75 人,客戶覆蓋財富 2000 與中端市場企業。其內部工具 MetaHarness 把技能、專案文件與 CLI 連同計劃和決策一併提交進 Git,agent 接手任務時能讀到「為什麼這樣建」。
Anthropic 宣布把部分股份投入新設立的全資實體 Anthropic Public Benefit Fund,初始注入 5% 股份。公司估值每較既定基準上漲 50%,可再追加最多 2%,具體由董事會酌情決定。加上聯合創始人已承諾捐出 80% 股權、約半數員工參與自成立以來的配捐計劃,合計約 20% 的股份被承諾用於公益。
HackerRank 聯合創始人兼 CEO Vivek 公開為「讓人刷 LeetCode」道歉,並宣布推出 AI 面試官 Chakra。HackerRank 將把面試題從演算法題換成真實程式碼倉庫中的任務,評估標準從程式碼是否正確轉向 AI 使用能力與判斷力,候選人環境也從 IDE 改為 agentic 開發環境。候選人可像在真實工作中那樣使用 AI 工具解題,Chakra 隨後追問為何選擇該方案、會改什麼、如何驗證 AI 生成的程式碼。
以太坊聯合創始人 Vitalik Buterin 支援研究員 Justin Drake 提出的 bunker mode 預警:AI 數學進展可能比量子計算機更早攻破保護加密錢包的 ECDSA 簽名演算法。Drake 建議持幣者有序把資產遷往公鑰未暴露的新地址,大戶先行,並在每次簽名交易後再換地址;Buterin 提醒遷移本身有風險,稱自己因遷移失誤損失的錢超過所有駭客攻擊。
據 The Information 報導,OpenAI 正與一家新成立的 AI 影片初創公司談判,計劃讓已關停的 Sora 重新投入商業化,OpenAI 將獲得該公司部分股權。這家公司由夢工廠動畫聯合創始人 Jeffrey Katzenberg、Sora 前研究負責人 Bill Peebles 和 Dropbox 前 CFO Sujay Jaswa 共同創辦,面向電影製作人開發 AI 影片軟體與服務,可能獲得對 Sora 深度定製的權限,但模型權重是否開放尚未確定。
Mistral 發布 1 萬億引數的 Mistral Large 4,暱稱 Le Chonk,任何人都可以自由使用和定製,目前處於預覽階段,最終版本將在本月底前推出。該模型定位是與領先的通用模型競爭,但專門針對程式設計和網路防禦,以及製造、金融、電氣工程等細分領域做了最佳化。Mistral 聯合創始人兼首席科學家 Guillaume Lample 表示,許多其他實驗室不會重點投入的領域還有很大改進空間。
Cerebras 聯合創始人兼 CEO Andrew Feldman 在 TechCrunch Disrupt 2026 上稱,人人家裡都有一臺 AI 裝置的未來並不遙遠,個人 AI 助理會像手機一樣部分在本地執行、部分回到雲端。他預計這些助理會非常瞭解使用者、擁有獨立的安全邊界,還能接入信用卡代為購物。Feldman 自己已用一組 agent 整理日程、準備通話物件的背景資料,但他表示消費級創意留給其他創業者,Cerebras 只做平台。
Anthropic 作為公共利益公司(PBC)發布 2026 年公共利益報告,並重申其章程:負責任地開發與維護先進 AI,以造福人類長遠利益。報告圍繞五大支柱展開,包括 AI 安全技術問題得到解決、AI 安全成為受法律兜底的普遍實踐、AI 強化民主與全球穩定、AI 擴大繁榮、AI 收益由所有人共享。聯合創始人兼總裁 Daniela Amodei 在引言中稱,安全可信地建置先進 AI 並非小眾議題或競爭差異點,而是讓收益落地的必要一步。
Anthropic 宣布把部分股份投入新設的 Anthropic Public Benefit Fund,初期承諾 5% 股份(待股東批准),公司估值每較基準上漲 50%,董事會可酌情再追加 2%。該基金為全資 LLC,所持股份不用於美國境內外的遊說或政治捐款;疊加聯合創始人 80% 股權捐贈承諾與員工配捐計劃,約 20% 股份將用於公共利益。Anthropic 此前已投入 2 億美元研究 AI 對勞動力市場的影響,基金未來可用於大額捐贈或向特定人群直接發放。
Dyna Robotics 在 Dyna-2 世界動作模型之後推出物理機器人 agent Dyna-2.1,在餐廳疊餐巾任務上連續執行 24 小時、成功率 99.4%,包括把整疊餐巾碰倒後自行恢復。Dyna-2 預訓練自超過 100 萬小時人類影片,官方稱在人類資料上跨四個數量級呈現新的 scaling law。聯合創始人 Jason Ma 在 AIE NYC 訪談中表示,機器人可從最少 45 分鐘演示中學會新任務,目前已在鼎泰豐每天疊數千張餐巾。
Musubi 於週二發布輕量級決策模型 PolicyLM-1.7B,開放權重,專為即時內容稽核設計,可在 50 毫秒內把用自然語言寫成的社群政策套用到訊息上。其成本與速度接近多數社交平台現用的 AI 分類器,但無需專門訓練即可執行復雜政策,政策變更時也不必重新訓練,模型只輸出內容是否屬於某類別的二元判斷。聯合創始人兼首席 AI 官 Filip Jankovic 稱這讓平台管理者能主動、可擴充套件地標註內容;
Periodic Labs 聯合創始人 Liam Fedus 與 Ekin Dogus Cubuk 在一檔播客中介紹了其「合成超級智慧」構想:以真實物理實驗作為強化學習環境,訓練能自主發現新材料的 AI 科學家。這家成立一年的公司正搭建自動化實驗室,希望讓每臺儀器擁有「140 IQ」,並用做科學的完整過程而非僅論文結果來訓練模型。他們認為失敗的實驗可能是最有價值的訓練資料,自主實驗可把數十年的試錯壓縮到數月,目標材料涵蓋室溫超導、磁體與電池。