雷锋网「新智造」按:从本周起,硅谷「新智造」会持续关注海外人工智能初创企业的投融投融资情况,给各位行业观察者、资简VC们提供最新的新项海外资讯,另外,目观也会为各位介绍几家在硅谷/海外知名孵化器新入驻的硅谷教育论坛活动一些项目。更多信息敬请关注每周六的投融「新智造周报」。
投融资:
PullRequest或Google AI基金领投230美元
今年夏天刚从硅谷著名孵化器Y Combinator毕业的初创企业PullRequest,近日宣布获得了由Google旗下专为AI创企投资的新项Gradient Ventures基金领投的230万美金种子轮融资。
据悉其他风投,目观如Slack Fund,硅谷Fika Ventures,投融Defy Ventures,资简智能家居新品Lynett Capital,新项FundersClub和Joe Montana的目观Liquid2 Ventures也参与了此轮融资。
PullRequest,这家公司一直致力于为客户提供代码审查服务。而针对代码审查的工作,在如今快速敏捷开发周期中经常会被缺失遗漏。该公司建立了一个按需的代码审查系统,用于检查语法错误,安全问题,编码标准和性能方面的问题。
虽然这家公司看似与Google的Gradient Ventures风投基金的使命没有任何关系,但公司创始人Lyal Avery说,园艺种植日记他的公司的未来的发展路线远远超出了现有的代码审查服务。他们计划在编码过程中实现自动化,以便能够自动解决问题,例如,决定在特定应用程序中何时对依靠代码,开源代码片段进行关键更新。
这也许并不是巧合,Slack也参与了本轮融资,因为PullRequest正在开发的首批自动化部件之一涉及到一个Slack机器人,该机器人在需要更新其中相关部件时可以通知开发人员。Avery解释说,虽然该项目目前仍在Alpha测试中,但这是公司未来的总体方向。
硅谷无人机公司Kespry宣布完成C轮3300万美元融资
美国商用自动化无人机系统公司Kespry宣布完成C轮3300万美元的融资,次轮融资由G2VP领投,战略投资方壳牌科技风投、思科风投和ABB风投参投。壳牌将加入Kespry董事会,而该公司将在石油天然气行业开拓市场。
Kespry由斯坦福毕业生Paul Doersch于2013年创建,总部位于硅谷的中心门洛帕克,主要面向商业无人机领域,既提供用于收集和存储数据的软件,又开发完整的无人机硬件系统,使用户能够更轻松的采集、分析及共享空中信息。
目前,Kespry严格专注于工业场景下的无人机应用,例如矿业、保险索赔、建筑业,以及最近的油气行业。该公司CEO乔治·马修(George Mathew)表示,目前该公司拥有150家矿业客户,客户总数为200家。
马修认为,这个行业目前已经迎来了转折点,企业客户开始看到工业无人机的价值,从而推动工业无人机在这些行业成为主流。相对于传统方法,工业无人机更安全、更高效、更准确,并且他指出Kespry的一大关键不同在于对数据和机器学习技术的使用。例如,该公司依靠机器学习算法去理解,在经历了暴风暴雨冰雹之后,屋顶损坏是什么样的,随后确定屋顶是否需要更换,还是可以维修好。所有这些都是自动的,理赔员不必爬上危险的屋顶去定损。
早在2015年,Kespry和英伟达(NVIDIA)在深度学习方面展开了合作,Kespry无人机系统从而能够自动识别并且跟踪特定对象,如建筑设备和材料。
新项目
以下项目均是来自Y Combinator路演的热门:
Alemhealth
Alemhealth旨在打造基于机器学习的医疗影像诊断平台,试图用AI来解决发展中国家放射科医师短缺的问题。目前在发展中国家,大约只有20%的医疗影像是由放射科医师来分析和做诊断的,放射科医师十分短缺。 AlemHealth在非洲通过大量收集病人放射影像建立起高效的数据库,基于之上训练机器学习算法做出诊断。目前已服务超过一万病人,AI算法在不断优化中,平台已有付费用户。
lvl5.ai
Lvl5是一家自动驾驶汽车地图的提供商。该初创公司似乎处于早期阶段,尚未发布有关如何提供地图的更多信息。 在今年一月份他们发布消息说Lvl5将与将宝马,英特尔,Mobileye和 Here一同合作提供有关自动驾驶汽车道路状况的准确数据。
Clear Genetics(Automated genetic counseling)
目前大约有4万5千多种基因测试,大部分基因测试和数据分析需要专业的基因咨询师Gene Counselor参与,而现有基因咨询师严重短缺,病人往往需要等5个月才能接受服咨询务。Clear Genetics为了解决基因分析咨询师严重短缺的问题,将基因测试咨询和数据分析自动化和标准化,用户通过网络平台即可自动获取基因测试建议和数据分析结果。这个初创团队来自以色利,在以色利孕期基因检测市场已成功推广,平台诊断服务的准确度超过基因咨询师的人工服务。目前开始进入美国市场,潜力庞大。
NanoNets
训练神经网络存在一个痛点:样本太少的话得到的效果太差,收集更多样本就要投入大量时间金钱。Nanonets的解决方案是在云端部署了一个用大量数据训练过的通用模型,开发者只需少量专用数据就可以快速得到理想的模型。例如,一个识别宠物狗的应用只需上传狗的图片和标签,而不再需要大量负样本。
关注雷锋网旗下公众号「新智造」,跟雷锋网一起读懂智能&未来