Graphon AI 从隐身状态中脱颖而出，获得 830 万美元资金，打造企业 AI 的“智能层”

AI 基础设施初创公司 Graphon AI 从隐身状态中脱颖而出，获得了 830 万美元的种子资金，这家公司试图解决现代 AI 系统面临的最大瓶颈之一：大型模型无法在海量、碎片化的多模态数据集上有效地推理。

本轮融资由 Novera Ventures 领投，Samsung Next、Hitachi Ventures、Perplexity Fund、GS Futures、Gaia Ventures、B37 Ventures 和 Aurum Partners 参投。

总部位于旧金山的 Graphon 由来自亚马逊、Meta、MIT、谷歌、苹果、NVIDIA 和 NASA 等组织的前研究人员和工程师创立。

Graphon 尝试解决的问题

大型语言模型在过去几年中变得更加强大，但它们仍然面临一个基本限制：上下文窗口。

即使是最先进的 AI 模型也只能处理有限的信息。与此同时，企业通常拥有大量的分散数据，分布在文档、数据库、监控系统、视频流、日志、音频文件和内部软件平台上。

当前的方法，如 检索增强生成（RAG），可以帮助模型检索相关信息，但它们难以理解数据集之间的更深层次关系或维持持久的理解。

Graphon 的方法是将推理过程的一部分移到模型外部。

Graphon 创建了一个“预模型智能层”，该层在模型处理信息之前映射不同信息形式之间的关系，而不是强迫基础模型不断地摄入原始企业数据。

该公司表示，这个关系层是使用图论函数构建的，图论函数是一种传统上与网络分析和大型图系统相关的数学框架。该系统旨在识别多模态数据源（包括文本、视频、音频、图像、结构化数据库、工业系统和传感器网络）之间的连接。

根据公司的说法，这创建了一种持久的结构化内存，可以独立于模型的上下文窗口限制而运行。

远离更大模型的转变

Graphon 的推出反映了整个 AI 行业正在发生的更广泛转变。

多年来，AI 的进步在很大程度上是由扩大模型驱动的，增加参数、计算和更大的训练数据集。但是，许多研究人员和基础设施初创公司现在正在探索通过更好的内存系统、推理架构、检索层和数据组织来提高 AI 性能的方法，而不是简单地构建更大的基础模型。

该公司认为，智能不应该仅仅存在于模型本身，而应该存在于连接模型和企业数据的基础设施层中。

这种方法可能会变得越来越重要，因为企业将 AI 系统部署到信息不断变化并同时跨多个系统分布的环境中。

在工业环境中，例如，AI 系统可能需要同时推理机器遥测、安全摄像头、操作日志、维护记录和企业工作流程。

早期企业部署

Graphon 表示，早期企业客户已经包括韩国综合企业 GS 集团。

根据公司的说法，部署包括分析零售环境中的客户移动情况和通过多模态 CCTV 分析改善建筑工地的安全监控。

该公司还表示，其基础设施可以支持代理工作流，允许 AI 代理根据更丰富的多模态上下文做出决策，而不是孤立的提示。

另一个重点领域是设备上的 AI 推理。Graphon 表示，其系统旨在与来自智能手机、摄像头、可穿戴设备、智能眼镜和其他连接设备的数据一起工作。

关系 AI 基础设施的未来影响

Graphon 的出现反映了人工智能领域正在发生的更广泛转变：认识到仅仅扩大模型可能无法解决该行业面临的许多最困难的问题。

随着企业将 AI 部署到越来越复杂的环境中，挑战不再是生成文本，而是理解系统、人员、设备和信息流之间的关系，这些关系不断变化。

未来的 AI 系统可能需要推理远超文档和提示。自主工厂、机器人系统、智能城市、可穿戴设备、工业传感器、安全基础设施和企业软件生态系统都会生成大量的相互连接的多模态数据。这些信息大部分是连续的，并且实时演变。

这将对新的 AI 基础设施施加压力，要求其能够维持持久的上下文，超越模型的临时内存窗口。

这可能的影响将远远超出企业生产力工具。围绕关系内存和多模态理解构建的系统可能最终在机器人协调、工业自动化、数字孪生、自主运输、医疗诊断和自适应边缘计算环境等领域发挥作用。

AI 代理的崛起 可能会进一步加速这一需求。在企业系统中自主运行的代理将需要更深入的上下文意识和更持久的理解如何随时间连接动作、系统和环境。

在这种意义上，AI 发展的下一个主要阶段可能涉及构建系统，以帮助机器更连续地模拟动态的现实世界环境，而不是简单地从孤立的提示中生成越来越复杂的响应。