2017年,Transformer论文横空出世,为AI界带来了一场革命。Cohere的创始人Aidan Gomez就是大名鼎鼎的Transformer论文作者之一,这篇论文,奠定了现代大型语言模型(LLM)的基础,被称为ChatGPT的“祖师爷”。在全球生成式AI迅猛发展的时代,公众的目光多集中于OpenAI、Anthropic等面向消费者的产品。然而,企业对生成式AI的需求同样巨大。如何保障数据安全、提供定制化服务,成为企业在引入AI时的关键问题。2019年,Aidan Gomez和同伴创办的Cohere,放弃竞争剧烈的消费者市场,专注于企业服务AI市场。短短四年间,Cohere估值超过55亿美元,累计融资9.7亿美元,收入达到3500万美元,高于2023年底的1300万美元近三倍,今年员工数也将达到500人。然而,这条路并非一帆风顺。在市场竞争、技术演进与客户需求不断变化的浪潮中,Cohere如何抓住机遇、应对挑战,成为一个极具价值的商业案例。今天就来聊聊他们的故事。 1. Cohere的故事始于三位年轻的AI天才。1995年出生的Aidan Gomez,从加拿大乡村的网速困境中,萌生了对编程的热爱,进入多伦多大学学习计算机,随后在牛津大学深造。 2017年,他在谷歌大脑实习时,与团队共同撰写了划时代的论文《Attention is All You Need》,提出了影响深远的Transformer架构,这成为大语言模型的技术基石。然而,Transformer在谷歌内部大放异彩,却鲜有人在外部应用。Aidan于是萌生了创业想法。2019年,他与同为多伦多大学校友、辍学创业的技术实践派Ivan Zhang联手创立了Cohere,专注于AI大模型的应用。2020年,曾在谷歌大脑担任研究员的Nick Frosst加入,三位90后创始人至此集结,开启了Cohere的非凡之旅。Cohere深知企业级AI市场的特殊性。他们认识到,每个企业都有其独特的需求和数据,通用 AI 模型难以满足企业在实际应用场景中的特定需求。因此,Cohere选择了深耕企业服务,为企业提供定制化的 AI 解决方案。他们与企业客户紧密合作,深入了解其业务流程和痛点,并利用企业专有数据训练 AI 模型,以解决企业在实际运营中遇到的具体问题。他们专注于为企业提供AI解决方案,通过API将强大的语言模型嵌入到企业内部系统中,用于文档搜索、文本生成、内容摘要等多种场景。Cohere的方向十分清晰:企业无需承担创建全套大模型的高昂成本,而应是按需支付使用费。这种方式为企业提供了极大的灵活性,Cohere的商业模式可以总结为“灵活部署、按需定制”。与OpenAI的API服务不同,Cohere专注于提供私有化部署和混合云解决方案,确保企业可以完全掌控数据流。这一策略吸引了对数据隐私高度敏感的行业客户,例如金融机构、医疗行业和政府部门。核心产品包括:语言模型API服务:企业可以通过Cohere的API快速接入强大的自然语言处理能力,用于文档管理、内容生成和语义搜索。SaaS解决方案:Cohere开发了Coral知识助手,帮助企业内部员工快速检索信息、自动生成报告并实时更新行业动态。这款产品成为许多企业的知识管理利器,显著提升了工作效率。专属定制模型:针对大型企业,Cohere提供完全定制化的语言模型训练服务,确保模型能够满足企业的特定需求,例如行业术语的精准理解与生成。目前Cohere主要提供三种不同类型的模型:Cohere Command:Cohere Command R是一个高度可扩展的语言模型家族,平衡了高性能和强大的准确性。最新版本Command R+在LMSYS Chatbot Arena排行榜上名列前茅。Cohere Embed:Embed是Cohere领先的文本表示语言模型。它提高了搜索结果、检索增强生成(RAG)、分类和聚类的准确性。Cohere Rerank:Cohere的Rerank为任何关键字或矢量搜索系统的搜索质量提供了强大的语义提升,无需任何检修或替换。 2. Cohere的技术优势体现在两方面:一是其模型架构源于Transformer的深度优化,能够以较少资源实现高效计算;二是对垂直行业的定制化支持。