合成数据服务商「卓印智能」获天使轮融资

投资界（ID：pedaily2012）5月31日消息，「 卓印智能 」获得千万级天使轮融资，由 天使湾 创投独家投资。

如今，随着通用大模型规模的迅速扩大，数据短缺已经成为一个更现实而迫切的问题。早在2022年11月，就有MIT等研究人员发布相关论文，指机器学习数据集可能会在2026年之前耗尽所有“高质量数据”。

AI模型需要大量高质量的训练数据，才能生成准确、多样、无偏见的输出，但获取这种数据的成本和难度都很高——因此，合成数据成为一个有效解决手段。现在，包括微软、OpenAI、Cohere在内的公司都已经开始使用合成数据来训练AI模型。

Gartner表示，在2021年，所有人工智能训练数据中只有1%是合成数据，但到2024年底，合成数据可能会达到60%。而据plug and play预测，到2030年全球合成数据市场将会达到千亿美元。

「卓印智能」（Join AI）正是基于这样的背景，于2022年成立。团队先从自动驾驶赛道切入，为客户提供高质量的合成数据服务。截至2024年5月，团队已经获得自动驾驶、机器人领域多个头部客户超2000万的订单。

和传统的训练数据获取方式相比，卓印智能选择了“全自动”路线——端到端地生成训练数据。2023年，卓印智能基于自研扩散模型和世界模型技术路线，推出了AI训练数据生成模型“Simulaix”。

Simulaix可以生成媲美真实采集效果的生成数据，并可以在生成图像过程中直接根据生成逻辑自动提取同步生成标注区域，供企业客户直接使用。截至2023年Q4，Simulaix已经成功帮助企业客户提升了 10%以上的模型效果。

创始人俞开文博士 有多年AI算法、技术架构经验，曾经历任蚂蚁、百度等大厂中的资深AI架构师，有丰富的大型To B项目落地经验。他表示，从数据角度，优质数据的短缺一直是困扰AI赛道的难题。

“在各式各样的AI算法研究上，训练数据的获取都需要大量时间和金钱成本，AI工程师总是为数据所困。在很多项目里甚至会用超过一半的时间来处理训练数据。”俞开文博士表示。 但他认为生成式AI技术的出现会为这个行业带来质的飞跃。