「Tiamat」完成近千万美元A轮融资

专注AI图像生成的「Tiamat」于日前完成近千万美元A轮融资，由老股东DCM和绿洲资本联合领投。数月前，「Tiamat」已经获得由DCM独家领投的数百万美元天使轮融资。这是DCM在AIGC创业公司的又一次加注。

本轮融资将用于继续打磨产品和自研大模型MorpherVLM，拓展商业化能力等。「Tiamat」自研的MorpherVLM是国内首个基于概念融合范式提出的近百亿级跨模态生成模型，通过异构的视觉编码-解码网络结构，并引入基于用户反馈的强化学习（RLHF）和细粒度的提示-隐变量对齐技术，提高了模型对图像多尺度信息的建模能力，在用户Prompt输入的理解能力方面也实现了进步。

DCM中国创始合伙人、董事合伙人林欣禾表示：“AIGC正在走向真实落地，不仅要保持对前沿技术的探索，捕捉到更多的商业化机会也更为重要。将AI能力迁移到不同场景，同时满足效率和成本的要求，AI才有更大的价值。”

去年夏天，AI Art一跃成为了热度最高的新兴技术，在设计、绘画等专业化领域的影响力不亚于如今ChatGPT带来的全民狂欢。

AIGC的结构性机会下，“不追逐风口，但等到了风口”是技术型创业者和资本最愿意看到的拥抱创新的方式。而在时间差方面，「Tiamat」从2021年开始进行模型训练，以自研并自主训练底层模型的方式，始终与海外技术节点、开源社区等保持着同频。

「Tiamat」创始人青柑谈到，去年上半年融资的时候，他们还需要花很多精力去教育市场，解释什么是AI生成，什么是多模态，为什么要做图像。彼时，距离Stable Diffusion、MidJourney这些引领着行业革新的产品上线还有几个月左右的时间。

而作为国内AI生成图像领域的第一批团队，「Tiamat」如今也成为了为数不多成功融资并实现了商业化的技术服务商。

对于「Tiamat」的自研大模型MorpherVLM，青柑表示，“我们现在正在做的「Tiamat」文本到图像模型，大概是数十亿参数，这个量级实际上要比ChatGPT文本模型的参数量要低将近100倍左右。换算成他们当年发展的话，大概是在GPT1-2之间。虽然都叫大模型，其实数据和参数量级还是有很大区别的。对于我们来说，不停地把模型的参数量级进行扩张并不是最重要的指标。” 她还提到，“对于AI生成图像来说，更重要的指标在于能不能在垂直领域有更好的精准性和可控性，能不能更好地让图像展现出人类理想的构图、或者一致性的角色等等。除此之外，我们自研的考虑也来自如何能让研发的成本结构更加精益和可控。从这一点来说，创业公司也会有更多机会。图像文本多模态生成的领域参数量级更低，在标注数据和训练上的成本也可以有效压缩。整个图像类的AIGC创新更加关注具体的技术路径和商业化上的突破，成本压力相对较小。

对此，技术背景的联合创始人Eric对“可控性”做了进一步解释，“可控性是一个和商业化应用息息相关的指标。我们在谈论大模型的时候会有一个问题，很多大模型都是在大规模的数据集上构建的，其中大部分来源于互联网上获取的知识，问题随之产生：如何用人类可以操控的方式去做这些大模型可以做的事情？我们都知道，OpenAI的GPT-3和ChatGPT在技术上是同源的，但是ChatGPT效果明显好得多，大家也直观感受到了它在各行各业的应用。而在技术环节，就是因为ChatGPT比GPT-3多了一个用人类的反馈来自我学习的过程，可以使得它的应用更符合期望。所以，我们在做「Tiamat」生成模型的时候也会格外在意这一点，就是怎么样能让生成结果符合用户的期望。

谈及「Tiamat」的发展方向，青柑表示，“当前我们公司的整体风格和选择方向都比较专注。我们非常信服前沿技术，但更加关注的是当下的技术能不能解决当下的问题。也许有能力的人会去努力成为“中国的OpenAI”，但目前来说，我们还没有去做ChatGPT这样的文本大模型的理由。因为对于一家创业公司来说，如果能把图像模型的可控性、精准性和连续性做到最好，它其实就已经能带来很多垂直行业和场景下的商业化应用了。比如去支持更加细分的、特定的设计行业，帮助它们完成生产力提效。

“比较让我们高兴的一点是，我们看到AI技术正在向一个“新的互联网”形式进发，而我们在产品战略方面也会更加审慎。总体来说，AI是一个新的主题，每一个细分领域都值得被认真打磨，大家聚焦在各自擅长的地方，才能形成更好的产业。”