黄仁勋又投了个复旦计算机校友

DFL · 发表于昨天 21:16

黄仁勋又投了个复旦计算机校友，这次是男生

黄仁勋投了个复旦学霸
蒲凡东四十条资本 2025年09月05日 10:03 北京

一部标准的硅谷精英奋斗史。

作者丨蒲凡来源丨东四十条资本2022年5月，美国国家公路交通安全管理局(NHTSA)发布了一组让人费解的数据：调查显示，2021年全美的汽车行驶总里程相较于2019年的3.3万英里下降了1%，但2021年因为交通事故死亡的人数却达到了4.29万人，创造了自2005年以来的最高纪录。同时，2021年的总死亡人数相较于2020年上涨了10.5%，这个数字也创造了有数据统计以来的最高增幅。

车开得少了，事故却多了，这是怎么一回事？

人命关天，Everyone lives matter。巨大的舆论争议下，各大机构和相关的研究团队很快展开了后续调查，并找到了这样的数据：2021年，全美能够统计到的汽车出行中，有52%的出行距离不到3英里，有28%的不到1英里。同时，超过50公里的长距离出行占比不到1%。进一步分析这些短途出行，研究人员们发现大部分出行都是前往当地的商业区进行购物、娱乐、聚会。尤其是对于那些已经成家立业的人来说，88%的美国家庭每周至少一次会开车往返大型的商业区。

一系列数据整理下来，答案逐渐清晰：虽然在疫情的影响下，人们减少了出行旅游的需求，但是基本衣食住行、吃喝玩乐永远是刚需，这就让越来越多的汽车出行集中在商场、超市这样的人员密集区域。再加上人是会累的、眼睛是会疲劳的，注意力总是会不集中的，而疫情的存在放大了这一因素，交通事故的风险也就随之成倍增加了。

于是在那一年NHTSA推出了一项“全民道路安全”计划，将在五年内投资高达60亿美元，用于各项能够减少交通事故的工作，其中7.4亿美元将用来投资相关的安全技术提升。时任NHTSA副局长史蒂文·克里夫发出了这样的呼吁：“我们的交通正在发生一场迫在眉睫的危机，需要所有人——地方政府、汽车制造商和驾驶员——的参与。”

也正是那一年，“人为因素”更少、看起来更便于大数据管理的无人驾驶迎来了一段前所未有的红利期：比如无人驾驶独角兽Cruise，就在2022年完成了被收购前的最后一次外部融资，软银把手中的股份卖给了通用汽车，估值超过了300亿美元；比如谷歌孵化了超过10年的无人驾驶项目Waymo就2022年启动了载人试运行，并于年底正式拿到了洛杉矶的出租车营运许可证。

在这波革命性的创业潮里，还有一位中国小伙子的身影，他所创办的Nuro已经成为了自动驾驶领域的超级独角兽，2021年巅峰时期估值一度高达86亿美元（约合人民币614.35亿元）。而最近，他又争取到了Uber和英伟达的支持，顺利完成了E轮系列融资，在这一轮中拿到了2.03亿美元（约合14.5亿元人民币）——算上这笔钱，Nuro自成立以来已经累计融资23亿美元（约合人民币164亿元）。

（黄仁勋在Nuro汽车旁边接受采访，图源：朱佳俊的社媒）

从复旦学霸到硅谷天才

这位抓住红利的中国小伙子名叫朱佳俊，是一位非常“标准”的硅谷华人精英：

朱佳俊从小就接受了非常良好的“技能培养”，从7岁开始学美术，先后取得过上海市的室外写生比赛一等奖、全国的油画比赛二等奖；上中学之后，他开始表现出数学、物理方面的天赋，把发明交流电的传奇科学家尼古拉·特斯拉视为偶像，自己编写了一段“画函数图形”的程序来帮自己做作业；高中毕业后，他如愿考入了复旦大学计算机系，并开始全面兑现天赋，大三就开发出了一款音乐协作软件，拿到了微软创新杯全球学生软件大赛的中国区亚军，拿到了微软研究院的实习机会。
从时间线上来看，朱佳俊的创业故事，也是一部标准的硅谷精英奋斗史：

本科毕业之后，朱佳俊前往弗吉尼亚大学攻读计算机科学的硕士学位，并在读书期间积极参与了各项学术交流活动，也随之迎来了他的人生转折点——在参加SIGGRAPH（一个面向计算机图形学和交互技术的学术论坛）期间，他被谷歌展台迷得走不动道，久久不愿意离场，成功地引起了谷歌参展成员之一、谷歌街景团队的创始人卢奇·维森特（Luc Vincent）的好奇。

朱佳俊对卢奇说，自己的课题方向，就是“通过分析平面照片还原图中建筑物的位置和3D结构”。卢奇对朱佳俊说，你的方向很符合谷歌街景的需求，但谷歌街景不仅仅满足于呈现“3D世界”，未来还将涉足一个叫“人工智能”的领域，让谷歌街景呈现的世界更智能、更生动，“如果你有兴趣，毕业之后可以来谷歌看看，这是我的名片”。

3个月后，完成了课题答辩的朱佳俊给卢奇发了一封邮件，顺利拿到了谷歌的实习机会。卢奇则在实习的第一天，就把谷歌街景的所有关键数据都扔给了朱佳俊，告诉他“一切自己看着办，没有特定的任务”。
接着就像所有传奇的创业故事那样，伯乐巧识千里马，刘备草庐遇孔明。卢奇的充分信任，换来了超预期的惊喜，朱佳俊用3周时间开发了一款名为”click-to-go”的插件，大大优化了谷歌街景用户们的使用体验。在此之前，用户其实没办法用谷歌街景完成“赛博散步”，无法从一个街景前往另一个街景，只能通过软件给予的一个既定箭头来选择前进方向，非常死板。有了“click-to-go”之后，图中任意点都可以变成起点或者终点。

这个插件彻底打动了卢奇，实习offer直接变成了工作offer。朱佳俊也在充分思考后，接受了卢奇的邀请，放弃弗吉尼亚大学的研究生课程，正式加入了谷歌，在谷歌X实验室（Google X Lab）中任职。
在X实验室，朱佳俊能够接触很多前沿项目，例如Project Glass（智能眼镜）、Self-Driving Car（自动驾驶汽车）。他在其中负责“感知”部分的技术开发，领导着一支名为“Crystal ball”（水晶球）的仿真团队，后来正是这支团队写下了谷歌的无人驾驶项目Waymo的第一版感知系统，朱佳俊也因此成为了Waymo成立时的核心五人组之一。
而在X实验室中，还有另外一支负责视觉、预测和场景理解技术开发的团队，名为“Magic”，负责人是戴夫·弗格森（Dave Ferguson）。在Waymo起步阶段，他同样成为了核心五人组成员，承担了大量的开发任务，并和朱佳俊成为了无话不谈的好朋友——而这也是Nuro创业故事的起点：

2016年，在成功开发出“世界上第一款能够在公共道路上实现完全无人驾驶的汽车”后，谷歌决定将无人驾驶项目拆分出来，以Waymo为名，成立了一家同属于母公司Alphabet的独立实体。在架构调整中，他们给朱佳俊和戴夫这些核心成员提供了两个选择，要么和Waymo签下一份8年的劳动合同，继续领导团队，要么拿一笔遣散费离开团队另谋高就。

朱佳俊和戴夫都选择了后者，他们分别都拿到了4000万美元的“遣散费”。几周之后，这笔钱成为了他俩创业的启动资金，Nuro正式成立。据说，这个名字来自于阿拉伯语“Nur”，意为“天使之光”。我认为这个说法可信度很高，因为Nuro官网上的slogan也表达了这一层含义：“让所有人、所有道路、所有旅程，都能享受自动驾驶”。
（戴夫与朱佳俊，图源：朱佳俊的社媒）

从无人配送到自动驾驶

朱佳俊的个人成长故事很像爽文，Nuro的成长之路看起来也很像爽文。自2016年成立以来，他们几乎从不缺乏资本市场的支持：

2018年，Nuro完成的首轮融资规模就高达9200万美元，投资方为大名鼎鼎的Greylock和高榕资本；2019年，软银成为了Nuro的新投资方，投资规模为9.4亿美元，Nuro也就此仅用了3年时间跨过了独角兽门槛，估值达到了27亿美元；2020年，Nuro完成了由T. Rowe Price Group（普信集团）领投的C轮融资，估值再次暴涨到了50亿美元；2021年，Nuro完成了D轮融资，这轮融资由老虎基金领投，朱佳俊和戴夫的老东家谷歌也成为了投资方，估值也达到了86亿美元。

但这样的数字，很容易让人们忽略Nuro发展过程中的波折：

或许是为了找到PMF，也或许是Waymo时期的经验教训，朱佳俊和戴夫创业之后选择了一条非常有差异化的产品路线——无人物流配送。
以他们的明星产品、与公司同名的第三代无人货运车“Nuro”为例。从外形来看，Nuro是一辆顶着摄像头的面包车，准载是500磅（大概400来斤），最高时速为45英里/小时（大概70多公里/小时），内部隔间可以保持零下40℃到零上20℃的恒温，由行车电脑还随时自适应外部环境来控制能耗。同时为了安全起见，Nuro还配合了一个外部的安全气囊，来保证路人们的安全。

（外部的安全气囊，来源：Nuro官网）
一切看起来都很完美，市场场景也很现实。但问题在于，造车是有成本的，而朱佳俊和戴夫又是个理想主义者。

这两件事交织在一起，决定了Nuro最初的发展路线：不仅要自己开发无人驾驶软件，还要自己造车。2018年1月他们发布首款产品R1的时候，有媒体就这样写道：“Nuro（在自动驾驶领域）另辟蹊径，没有选择为一辆福克斯装上自动驾驶插件，而是从0打造了一款全新的汽车……虽然乍看上去就像一颗带轮子的面包机。”

Nuro的早期融资也有相当一部分，投入到这“造车”这件事上。例如2020年，Nuro全资收购了自动驾驶卡车研发商 Ike——Ike在当时的估值为2.5亿美元，在一众自动驾驶卡车企业中，他们的优势在于卡车系统方案、运动规划和仿真模拟。2021年8月，他们还宣布将投资4000万美元，在美国内华达州建设一条汽车生产线，以及一块用来测试无人驾驶性能的场地。

结果如何，只能说“战报可以骗人，但战线不会”。当Nuro正式上路进行测试的时候，他们老老实实地选择了丰田普锐斯作为载具。
另一方面，不仅造车有成本，用车也有成本。要说服客户们放弃“人拉马拽”的传统物流思维，转而采用他们提供的这种“超现实主义”的物流工具，实在是有些难度。具体到业务层面，他们虽然和美国的知名零售连锁Kroger、知名披萨品牌达美乐、知名便利店711都达成了合作，但基本都是区域性质的，甚至是街道性质的。
几方面因素影响下，Nuro实际上一直没有找到稳定的盈利模式。最终在2022年11月和2023年5月，Nuro分别裁员了300人和340人，在断臂求生的同时，暂时了原本的产品开发计划，转变了整个战略方向，从追求生产整车逐渐调整为纯研发的技术授权模式。
换句话说，与2016年刚刚成立时相比，Nuro已经是一家全新的、二次创业的公司了。这也解释了为什么在本次融资中，Nuro的估值从2021年的86亿美元下滑到了60亿美元，毕竟估值的基本盘已经完全不同了。
本次所引进的新投资方也一定程度上能体现战略方向的调整。Nuro的本次E轮融资一共分两个阶段进行，第一阶段在今年4月完成，主要投资方还是以财务投资人为主，包括普信集团、富达资本、老虎环球基金、Greylock，规模为1.06亿美元。而在前不久的第二阶段中，他们所引进的投资方以产业资本为主，包括英伟达、Uber、Uber的早期投资方Kindred Ventures、地平线的知名“超长期投资者”Baillie Gifford。
根据报道，英伟达和Nuro的合作，是基于双方长期以来的深度合作——目前Nuro大规模使用英伟达的GPU进行数据处理和模型训练，其最新的计算模型也是基于Nvidia Drive AGX Thor平台的构建。而Uber之所以选择Nuro，是因为他们投资了一家自动驾驶汽车生产商Lucid，并且计划6年内至少生产2万辆Gravity SUV投入到运营当中——而Nuro为这辆车提供了重要的大脑，戴夫就表示双方的合作谈了整整一年，“目前Lucid和Nuro的工程师们已经取得了实质性的进展。”
当然，没人知道“实质性”的进展到底是一个什么样的程度。根据Uber的计划，Gravity SUV实际上要在2026年之后才会正式投入市场。包括戴夫自己也承认，Uber在敲定合作之前“接触了市面上几乎所有的软件开发商”，大有渣男到处撒网养鱼的味道。再考虑到美利坚现阶段的工业制造能力，考虑到美利坚制造业悠久的跳票习惯，这中间充满了不确定性。
但或许就像当年毅然放弃研究生学业，加入谷歌X实验室，最终创造惊喜，谁又能笃定这位像极了创业电影主角的上海男孩，不会再次柳暗花明呢？
加油，朱同学

DFL · 发表于昨天 21:17

上次投的女生，是搞ai的

288亿独角兽即将诞生！复旦才女创业，被黄仁勋和“苏妈”同时看中

创业邦 2025年08月13日 11:44 北京 548人

「奔向AGI」栏目聚焦AI大模型、AI agent、AI应用、芯片、机器人等前沿、热门的AI技术和商业创新。
作者丨巴里编辑丨关雎图源丨Fireworks AI官网

又一位华人女性即将在美国科技领域书写新传奇。

据科技媒体The Information消息，人工智能云服务初创公司Fireworks AI，正计划启动新一轮融资，目标估值达40亿美元（约合288亿元人民币，该估值已包含本轮融资金额）。

目前，知名风投机构Lightspeed Venture Partners（美国光速创投）与Index Ventures等正就领投事宜展开深入磋商。
若此次融资顺利达成，Fireworks AI的估值将在短短一年内实现超7倍的飞跃。这也再次凸显了投资机构对AI基础设施领域，特别是推理服务赛道的浓厚兴趣。

值得一提的是，这家公司已获得多家顶级投资机构的青睐。此前，红杉资本、Benchmark等硅谷老牌风投，以及英伟达、AMD、Databricks Ventures和MongoDB Ventures等产业资本均已参与其早期融资。

复旦才女创业帮企业低成本、高效定制开源大模型
这位复旦计算机系校友正悄然改写AI基础设施的竞争规则。

乔琳（Lin Qiao）在复旦大学计算机本硕连读毕业后，便远赴加州大学圣巴巴拉分校（UC Santa Barbara）攻读计算机博士学位。

她的职业生涯始于IBM担任研究职位，专注于数据基础设施和数据库技术，随后在LinkedIn担任技术主管，最终在Meta（原Facebook）担任AI平台架构关键负责人，曾领导超过300人的工程师团队，主导全球PyTorch框架的基础设施研发及大规模部署。

此后，她带领团队成功推动PyTorch成为行业标杆的开源框架，并将其部署至Meta的全球数据中心、移动设备和AR/VR平台。

Fireworks AI联合创始人兼首席执行官乔琳（Lin Qiao），图源：The Information

这段在科技巨头打磨的经历，为乔琳积累了深厚的AI底层架构研发经验。

作为全球主流开源机器学习框架PyTorch的关键建设者，她带领团队攻克的技术难题，如今正转化为Fireworks AI的核心竞争力。

当年在Meta，乔琳见证了一个重要规律：PyTorch之所以能在数十个同类框架竞争中胜出，关键在于"把复杂留给团队，把简单带给用户"的设计哲学。

尽管背后是数百名工程师构建的复杂技术体系，但开发者只需简单调用即可获得强大功能——这种用户体验至上的理念，成为她创立Fireworks AI的初心。

"真正的创新不在于功能堆砌，而在于让技术回归本质。"乔琳将这种思考注入创业实践。

2022年，Fireworks AI在美国加州雷德伍德市创立。

Fireworks AI的创始团队堪称"梦之队"：六位参与过Meta PyTorch项目的资深工程师与一位前谷歌AI专家组成核心技术班底，他们延续着乔琳在PyTorch时期沉淀的方法论——前端保持极致简洁，后端承载海量优化。

Fireworks AI创始团队，图源：Fireworks AI官网
就像当年Meta投入数百名工程师构建PyTorch生态却让开发者感受不到复杂度那样，Fireworks AI团队默默攻克着分布式推理引擎等8万多种配置组合的技术难关，却将流畅体验留给终端用户。

在乔琳看来，当前AI领域的变革深度远超以往任何技术革命。"这不仅是简单的产业升级，而是整个技术底座的地壳重构。"

她敏锐洞察到生成式AI带来的范式转移：传统机器学习时代，企业需要从零搭建模型；而通用人工智能（GenAI）的出现，让创新焦点从"构建"转向"应用"。

这种转变催生了爆炸式的市场机遇——全球AI初创企业如雨后春笋般涌现，传统企业与数字原生势力也争相涌入，试图通过AI重构产品体验与服务流程。

市场调研显示，尽管生成式AI技术门槛大幅降低，但企业仍面临基础设施、专业人才与算力资源的三大瓶颈。

正是瞄准这个广阔的市场，Fireworks AI开创了独特的商业模式——“推理服务提供商”（inference provider）。

Fireworks AI核心在于帮助企业用更低的成本、更高的效率运行和定制开源大模型，比如深度求索的 DeepSeek、阿里云的 Qwen，还有 Meta 的 Llama。

这些模型原本可能需要企业自己购买 GPU 服务器来运行，但 Fireworks 换了个更灵活的方式——他们租用第三方的英伟达服务器，然后通过 API 接口直接给开发者提供这些开源模型的推理能力。开发者用起来就像调用 OpenAI 的 GPT-4o 一样方便，不用操心底层服务器的事情。

他们的核心优势还在于对 GPU 资源做了深度优化：通过自研的 Fire Attention 推理引擎等技术，能让模型推理更快、更省资源，最终帮助客户降低使用成本。

在这背后，是乔琳对行业趋势的深刻判断。

"当基础模型的质量与规模逐渐趋同时，企业级差异化竞争的关键，在于如何用专有数据锻造独特价值。"

她指出，无论是开源还是闭源的大语言模型，其底层架构与数据边界终将收敛，而真正构筑护城河的，是如何通过模型微调将企业的商业模式、运营逻辑与AI能力深度融合。

这正是Fireworks AI致力解决的核心命题——让每家企业都能基于自身数据土壤，培育出独具竞争力的AI应用之花。

让AI编程工具效率起飞说句话就能让AI改好代码
具体来说，Fireworks AI的产品体系分为多个技术层级，最底层是自研的分布式推理引擎，这个引擎是专门为生成式AI打造的，就像是为PyTorch量身定做的推理基础设施。
这个引擎设计得非常灵活，像搭积木一样可以自由组合，这样Fireworks AI就能在新开源模型发布的当天就快速上线。

之所以能做到这么快，是因为Fireworks AI借鉴了PyTorch的设计理念，把系统做得模块化且可灵活配置。

在服务模式上，Fireworks AI不会用"一刀切"的方案——不存在一个能解决所有问题的万能模型，也不会有适合所有使用场景的最佳配置。

每个用户的需求都不一样，就像买衣服要选合适的尺码一样，Fireworks AI为用户提供的是可以根据质量、速度和成本这三个维度来定制的解决方案。

比如有的用户更看重回答质量，有的需要更快的响应速度，还有的要考虑成本控制，系统会帮他们找到最适合自己需求的平衡点。

为了实现这个目标，Fireworks AI开发了一个叫Fire Optimizer的工具。这个工具就像是个智能助手，能根据用户的具体需求（比如想要更快的响应还是更高的质量），自动调整模型的配置和部署方案。

这个工具通常会在现有的数百个模型中选择一个合适的，然后通过各种方法来优化，比如：
1. 量化技术：用更低的精度运行模型（比如用8位甚至4位数字代替原来的16位），这样能大幅提升计算效率，就像把高清视频压缩成流畅的短视频一样；
2. 推测执行：让模型一次预测多个答案（比如一次猜4个词而不是1个），使推理速度成倍提升；
3. 模型组合：用小模型先快速给出答案，如果不确定再让大模型来确认，兼顾效率与准确性。
这些优化方法有很多细节和技巧，比如量化可以应用在模型的不同部分（权重、激活值等），每种方法对最终结果的影响都不一样，需要根据用户的具体需求来选择。
虽然这些选项听起来有点复杂，但Fireworks AI的目标就是让用户不必操心这些技术细节，系统会自动帮他们找到最好的解决方案。

商业化上，Fireworks AI 近期的年化收入已经突破 2 亿美元（约合14亿元人民币），即每月近 1,700 万美元（约合1.22亿元人民币），公司预计年底将增至3亿美元（约合22亿元人民币）。

其业务扩张离不开本身就在快速增长的 AI 原生应用公司，例如AI编程独角兽Cursor、AI搜索独角兽Perplexity等快速崛起的客户支持。

那么，AI编程工具Cursor是怎么借助Fireworks AI的技术，让写代码比普通方法快好几倍呢？
Cursor是个专门给程序员用的智能编程工具，能预测你的操作（比如刚改几行代码，它就能猜到你下一步想干啥）、用自然语言改代码（比如跟它说“把这部分改成xxx”）、一键把生成的代码丢进文件里用，还能“看懂”整个项目的代码并直接帮你改好。
但程序员用这类工具时有个大麻烦：想让AI改一大段代码（比如几百行），现有的AI模型（像GPT-4、GPT-4o）经常改得慢、不准，甚至越改越乱，特别影响效率。
为了解决这个难题，Cursor专门训练了一个新模型，专门处理“快速改代码”的任务（称作“Fast Apply”），在700亿参数的大模型上每秒能生成约1000个token（大概3500个字符），比GPT-4和GPT-4o快多了，训练数据用的是程序员平时用指令改代码的输入和真实操作数据，针对性很强。
不过光有厉害的模型还不够，还得让它跑得更快。Fireworks给Cursor提供了底层支持，用了两个关键技术：
一是把Cursor的模型部署到自己的推理引擎上，还针对“改代码”任务做了性能优化；
二是用了推测解码技术——普通AI生成代码得一个token一个token慢慢算，但推测解码能“猜”接下来可能出现的多个token（比如一次猜好几个词），然后一次性验证这些猜测对不对，对的就直接用，错的再调整，这样就能同时处理好多token，速度直接起飞。
Cursor还搞了个升级版“推测编辑”，专门针对改代码的场景，比如改一大段文字时，AI能根据你之前的操作大胆猜“你可能想把这几行改成xxx”，然后一次性生成好长一段再快速验证，Fireworks用这个技术让Cursor的模型速度飙到每秒1000个token，比普通推理快13倍，比之前用GPT-4的版本也快了9倍。
效果就是程序员改几百行代码几秒钟就能出结果，不用等半天，而且虽然猜得快，但最后还会用“严格模式”检查一遍，确保代码是对的。
可以说，如今程序员点个按钮就能把AI生成的代码直接丢进项目里，或者一句话让AI改好代码，效率直接拉满。

英伟达投资Fireworks AI后亲自杀入推理服务
当前竞争格局中，Fireworks AI的直接对手包括Together AI和Baseten。
以Together为例，其今年3月年化营收达1.5亿美元（约合11亿元人民币），即每月约 1250万美元（约合9000万元人民币），估值30亿美元（约合216亿元人民币）。
但整个赛道面临更强劲的对手——英伟达今年3月收购推理服务商Lepton后，强势推出GPU云服务市场，直接切入了Fireworks AI的核心业务领域。
投行分析指出，若大型云服务商为降低AI训练推理成本、提供定制化服务而整合产业链，这类初创企业很有可能成为潜在收购目标。
同时，Fireworks也面临盈利挑战：虽毛利率约50%（与同行相当），但低于订阅制软件常见的70%水平。
这主要因为需预留大量服务器应对需求峰值，同时承受来自CoreWeave等GPU云商家的低价竞争。为此，公司正通过持续优化GPU资源效率提升毛利率至60%，并将此列为重点战略方向。
尽管如此，投资机构仍然看好Fireworks AI的潜力。
睿兽分析显示，Fireworks AI成立至今已经完成共计7,700 万美元的两轮融资。B轮融资过后，公司估值达到5.52亿美元（约合40亿元人民币），投资方包括红杉资本、Benchmark等顶级风投，以及英伟达、AMD、Databricks Ventures和MongoDB Ventures等产业资本。
可以说，乔琳是被英伟达创始人兼CEO黄仁勋和“芯片女王”AMD董事长兼CEO苏姿丰同时看中的创业者。

乔琳透露，FireworksAI未来一年的核心战略是强化Fire Optimizer系统——该智能优化工具能在模型质量、响应速度、成本之间自动寻找最优解。
目前，Fire Optimizer已经在响应速度和成本控制上做的足够好，接下来会特别强化在推理质量上的能力。通过个性化定制，能够让模型效果比通用模型或普通API强得多，特别是当加入客户自己的业务数据后，效果会更为出色。
尽管用户体验容易被复制，但真正拉开差距的护城河是企业自己积累的数据和用户使用习惯——这些数据形成的反馈循环特别重要，会直接反哺到他们使用的AI模型里。
乔琳预测，2025年将成为"Agent年"和"开源模型年"。
各行业将涌现大量解决垂直问题的AI智能体，同时开源模型将迎来井喷式发展——就像DeepSeek当时发布仅一个月，Hugging Face上就出现了500多个优化版本，还成功将其适配到各种设备和云平台上，Perplexity和她的客户Linnk还开发了针对金融服务的定制版本。
不过，她也指出，未来最大的挑战在于：
如何让快速发展的AI智能体和开源模型更好地结合，在最后一公里实现质量优化，为用户提供更好的实时体验。这也是FireworksAI公司今年要重点解决的问题——简化开发者在这方面的工作流程。
在4月纽约举办的行业峰会上，乔琳展示了团队的终极愿景："我们赌定那些真正懂产品的开发者。谁能玩转自己的数据、调教出更聪明的模型，谁就能赢到最后。"
FireworksAI要做的，就是提供工具与基础设施，帮助开发者定制模型、注入数据，全面提升推理质量、速度与并发能力——让每个用心打磨产品的团队，都能站上AI时代的聚光灯下。

		自动登录	找回密码
密码			立即注册