Collov Labs 获得 2300 万美元 A 轮融资，押注视觉 AI 成为下一代界面

Collov Labs 已获得 2300 万美元 A 轮融资，并推出了一个新研究实验室，旨在推进视觉 AI 系统的发展，这标志着人工智能可能超越基于文本的交互方式的更广泛转变。

本轮融资由 Brightway Future Capital 、 Taihill Venture 和 Mindworks Capital 支持，将用于开发能够解释图像和摄像头输入的系统，目标是使 AI 能够理解和对物理世界做出反应。

从基于聊天的 AI 向视觉 AI 转变

如今，许多 AI 应用 都集中在聊天界面上。Collov Labs 则围绕着一个不同的前提构建：视觉输入将成为人们与 AI 交互的主要方式。

与其使用文本提示系统，公司专注于使用户能够将摄像头指向一个场景，让 AI 解释上下文，推理所看到的内容，并协助进行现实世界的操作。这反映了行业向多模态 AI 的转变，系统将视觉、语言和推理结合成一个统一的体验。

这个想法并非完全新颖，但计算、模型和设备处理的最新进展使其变得越来越实用。

构建面向现实世界的 AI 交互

Collov Labs 正在开发结合扩散模型、空间推理和代理工作流的系统。目标是超越静态图像识别，发展出能够理解场景内关系并执行多步骤操作的系统。

这一部分与推动 AI 系统与物理环境交互的趋势保持一致，特别是随着硬件的演进以支持实时处理和持续上下文。

公司的背景反映了这一重点。其团队在多模态 AI 、大规模推荐系统和学术界及行业中的应用机器学习方面具有经验。

从设计工具到更广泛的 AI 层

Collov 现有的产品，包括其 AI 驱动的设计工具 ，让我们窥见这些系统在实践中的工作方式。公司最初在室内设计和视觉内容生成等领域获得了关注，在这些领域，AI 可以解释空间布局并生成真实的输出。

业务的早期版本专注于 AI 驱动的设计平台和自动化工具，这种方法已经在房地产、零售和电子商务等用例中获得了商业上的成功。

这些产品现在作为一个反馈循环，提供了现实世界的数据，帮助改进公司的模型，并完善其对视觉环境的理解。

视觉 AI 为什么可能扩大采用

Collov Labs 策略背后的一个基本假设是，基于文本的界面具有有限的覆盖范围。虽然聊天机器人推动了意识，但全球人口的大部分尚未真正参与 AI 工具。

视觉界面相比之下则更为直观。这种转变反映了计算机领域的早期转变，在那里，图形界面使系统对更广泛的受众（超越技术用户）变得可访问。

如果这种方法成功，它可能会降低 AI 采用的门槛，并扩大其在视觉背景至关重要的行业（包括零售、设计、物流和现场操作）中的使用。

硬件和设备上的 AI

硬件的进步是视觉 AI崛起的关键因素。随着智能手机、可穿戴设备和专用芯片上的处理能力的提高，更多用于解释图像和视频的工作可以在实时和本地进行。这减少了延迟，并允许系统对用户所看到的内容做出即时反应，而不是完全依赖基于云的处理。

这种转变也改变了 AI 的交付方式。视觉智能不再仅仅作为独立应用程序存在，而可以嵌入设备本身，在后台连续运行。这为更具背景感知的交互打开了大门，但也引发了关于准确性、可靠性以及这些系统在不可预测的现实世界环境中的行为的实际问题。

AI 交互的更广泛影响

向视觉 AI 的转变表明，人机交互正在逐渐转变。能够解释场景和空间关系的系统可能会减少对结构化输入的需求，使 AI 对于那些不适应基于文本的工具的用户更为便捷。

同时，现实世界环境的复杂性带来了新的挑战。误解场景或忽略关键上下文可能会导致错误输出，而随着 AI 越来越接近决策，错误的后果变得更加严重。

视觉 AI 不太可能取代现有的界面，而是可能与它们一起演化，增加了另一层交互。随着时间的推移，这可能会导致一个更集成的体验，其中 AI 对上下文做出反应的程度与其对明确指令的反应程度一样高。