诺奖和图灵奖双料得主坐镇,CuspAI种子轮融资高达3千万美元,致力于应对全球气候变化

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

近日,2024 年诺贝尔奖揭晓,诺贝尔物理学奖授予美国科学家 John Joseph Hopfield 和加拿大科学家 Geoffrey Everest Hinton,表彰他们「通过人工神经网络实现机器学习的基础性发现和发明」。Geoffrey Hinton 也因此成为首个图灵奖+诺贝尔物理学奖的「双料」得主!

奖项揭晓后,CuspAI 公司在第一时间对时任该公司董事会顾问的 Hinton 表示了祝贺,再次引发了大众对于这家初创公司的关注。

去年 5 月,Hinton 突然宣布从工作了近 10 年的谷歌离职,转而全身心投入到 AI 安全中。离职后 Hinton 拒绝了多家公司的邀请,却选择担任 CuspAI 公司的董事会顾问 ,这家初创公司到底有何不同?

在这里插入图片描述

公司网址:
https://www.cusp.ai/

人工智能教父 Hinton 「坐镇」,Max Welling 与 Chad Edwards 联合创办

CuspAI 是一家位于剑桥的人工智能初创公司,成立于 2024 年 4 月,致力于利用生成式人工智能技术开发新型材料来应对气候变化。 其公司创始人分别是 Chad Edwards 和 Max Welling。

在这里插入图片描述

图源 CuspAI,左边为 Max Welling,右边为 Chad Edwards

Chad Edwards 是一位化学家, 于曼彻斯特大学和卡尔斯鲁厄理工大学获得核裂变与计算量子化学博士学位,在谷歌、巴斯夫 (BASF) 等公司从事深度技术商业化研究,同时也是量子计算公司 Quantinuum 的战略和产品主管。

而公司的另外一位创始人 Max Welling 是一位在机器学习和人工智能领域具有深远影响的科学家。 他目前是阿姆斯特丹大学的机器学习研究主席,同时也是微软研究院 (MSR) 的杰出科学家。Max Welling 在学术界和工业界都有丰富的经历,包括在高通技术公司担任副总裁、担任加州大学欧文分校的教授,以及在多伦多大学和伦敦大学学院担任博士后研究员,期间他受到了 Hinton 的指导,所以在一定程度上,他也是 Hinton 的学生。

除了与 Max Welling 师生关系的感情牌之外 ,CuspAI 能够成功邀请到 Hinton 「出山」也与公司选择的研究方向密不可分。

Hinton 曾在一份声明中表示:「未来十年,人类将面临诸多挑战。其中有些挑战是人工智能造成的,而有些挑战则是可以通过人工智能得到解决。我对 CuspAI 及其通过 AI 加快新材料设计进程,从而遏制气候变化这一使命印象深刻。」 而这或许也是 Hinton 选择加入该公司的重要原因。

在这里插入图片描述

Hinton 从谷歌离职后,一直专注于研究 AI 的潜在风险,其中大模型训练所产生的能耗问题是其关注的一个方面。

有研究表明训练大型 AI 模型,特别是使用深度学习算法的模型,往往需要数以千计的高性能 GPU 或 TPU,工作数周甚至数月。这种巨大的计算需求会消耗大量电力,尤其是在能源供应依赖化石燃料的地区,将导致显著的碳排放。针对这一情况,Hinton 也在极力提倡负责任地使用 AI,包括其在减缓气候变化中的潜在应用。这与 CuspAI 的业务不谋而合。
论文地址:
https://aclanthology.org/P19-1355.pdf

完成规模最大种子轮融资,CuspAI 被行业看好

2015 年,175 个国家共同签署了《巴黎协定》,提出在本世纪下半叶实现温室气体净零排放的目标。根据协定,各缔约方需要递交国家自主贡献目标,以表明各自减少温室气体排放的努力和计划。随后,多国陆续公布「碳达峰、碳中和」时间节点,一场席卷全球、全行业的减碳行动正在紧锣密鼓地展开。

随之而来的是一系列基于创新技术的能源管控方案,而 AI 更是中坚力量,在能源结构升级、降碳减排等方面发挥了巨大作用。也正因如此,AI 与能源行业的结合得到了政策与资本市场的共同加持,而专注于用 AI 探索碳捕获材料的 CuspAI 更是乘风而起,于今年的 6 月 18 日 获得了高达 3 千万美元 (约 2.17 亿人民币) 的种子轮融资,成为该年欧洲规模最大的种子轮融资之一。

*碳捕获 (Carbon capture and storage, 简称 CCS) 是一种减少大气中二氧化碳排放的技术,目的是通过阻止二氧化碳进入大气层来减缓全球变暖和气候变化。

本次融资由 Hoxton Ventures 领投, Basis Set Ventures、Lightspeed Venture Partners、LocalGlobe、Northzone、Touring Capital、Giant Ventures、FJ Labs、Tiferes Ventures 和 Zero Prime Ventures 参投。来自谷歌 Deepmind 的 Mehdi Ghissassi 和 Dorothy Zhou 也作为天使投资者参与其中。

在这里插入图片描述

图源 crunchbase

值得一提的是,领投的 Hoxton Ventures 公司,近年来将气候技术和可持续发展作为投资的一个重点方向。2024 年 9 月 26 日,Hoxton Ventures 作为领投再次投资 PACT 公司。该公司致力于开发可扩展的天然胶原蛋白生物材料,提供替代传统皮革的可持续材料,从而推动时尚行业脱碳,而 Hoxton Ventures 在支持该技术的规模化中发挥了关键作用。

除了被资本看好,CuspAI 也收到了 Meta 投递的「橄榄枝」。CuspAI 宣布与 Meta 达成合作,后者正在开展一个名为 OpenDAC 的项目,以加速发现新型碳捕获吸附材料。

图灵奖得主、Meta 首席 AI 科学家 Yann LeCun 对 CuspAI 表示高度认可,「世界迫切需要加快在成本效益高的碳捕获技术上的进展,我们相信 CuspAI 的团队能够利用基于人工智能的材料发现技术,有效地应对这一挑战。」

在这里插入图片描述

图源 CuspAI

而在最近,CuspAI 再添 4 位大将:2 位世界知名的碳捕获专家 Berend Smit 教授和 Susana Garcia 教授加入团队,Felix Hanke 博士成为公司的新任工程副总裁,在谷歌工作十余年的 Markus Hoffmann 博士成为其首席战略官。

不难发现,无论是创始人团队,还是公司后续吸纳的新晋力量,CuspAI 始终保持着 AI 专家与行业科学家齐头并进的态势,这也在一定程度上保障了其在初创阶段,面对破冰任务时,不仅能够准确定位行业的切实痛点,还能更好地运用 AI 创新技术。

AI 加持碳捕获技术的发展,实现碳负排放指日可待

随着全球气候变化的严峻挑战日益凸显,碳捕获技术成为了减缓温室气体排放、实现碳中和的关键手段之一。特别是 AI 的加入为碳捕获领域带来了革命性的变革。CuspAI 对此表示,「到 2050 年,这个行业价值将达到 4 万亿美元。」

除了 CuspAI ,近两年业内还有多家使用 AI 进行碳捕获研究的高校和公司。如 2021 年,NVIDIA 与斯坦福大学 (Stanford University)、加州理工学院 (California Institute of Technology)、普渡大学 (Purdue University) 合作开发了一种名为 U-FNO 的新型基于 AI 的工具,旨在帮助更快、更精确地模拟和预测像二氧化碳这样的温室气体在多孔岩石构造中的行为,有效地解决与碳捕集与封存相关的复杂问题。
论文地址:
https://www.sciencedirect.com/science/article/abs/pii/S0309170822000562

2024 年,芝加哥伊利诺伊大学 (University of Illinois Chicago, UIC) 和美国阿贡国家实验室 (Argonne National Laboratory) 合作,利用生成式 AI 框架 GHP-MOFsassembl,在 33 分钟内快速组装出 12 万个新的候选 MOFs,极大地缩短了碳捕获材料筛选的时间和成本。
论文地址:
https://www.nature.com/articles/s42004-023-01090-2

点击链接查看详细报道:33 分钟生成 12 万种碳捕捉候选材料,美国阿贡国家实验室发布生成式 AI 框架,加速 MOFs 创新

近期,微软与爱尔兰的 ESB 能源公司合作,启动了一个开创性的绿色氢能试点项目,即使用零排放的氢燃料电池为位于都柏林的微软数据中心供电,从而取代传统的柴油发电机。该项目不仅有助于微软达成到 2030 年成为碳负排放公司的目标,还有助于降低数据中心的碳足迹。

在这里插入图片描述

图源微软官网

此外,微软还升级了其 Sustainability Manager(可持续性管理器)工具,增加了AI 功能,如 Copilot,从而简化可持续性数据的分析。

这些进展表明,AI 技术在碳捕获和气候变化缓解方面的应用正日益广泛且潜力巨大,为实现全球碳中和目标提供了新的动力和希望。随着技术的不断进步和应用的深入,我们有理由相信,AI 将在开启材料的未来和推动可持续发展方面发挥越来越重要的作用。

参考资料:

1.https://techcrunch.com/2024/06/18/cuspai-raises-30m-to-create-a-gen-ai-driven-search-engine-for-new-materials/

2.https://www.craes.cn/xxgk/zhxw/202107/t20210715_847263.shtml

3.https://esgnews.com/zh-CN/amp/microsoft-sustainability-manager-empowers-informed-sustainability-decisions/

4.https://news.microsoft.com/source/emea/2024/09/microsoft-announces-pioneering-green-hydrogen-pilot-project-with-esb/

5.https://tech.eu/2024/09/26/pact-raises-9m-seed-to-industrialise-collagen-biomaterials/

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

C++结合大漠插件实现DNF自动化脚本:从原理到实战

自动化技术通过模拟用户操作,实现重复性任务的自动执行,其核心原理在于对系统输入输出接口的精确控制。在Windows平台,这通常涉及窗口管理、图像识别与键鼠模拟等技术。这些技术为软件自动化测试、办公流程自动化及特定场景的辅助工具开发提供了工程实践基础。大漠插件作为国内广泛使用的Windows自动化开发组件,封装了上述底层操作,显著降低了开发门槛。通过其提供的COM接口,开发者可以高效实现窗口绑定、后台找图找色及内存读写等关键功能。本文以《地下城与勇士》为例,详细解析如何利用C++集成大漠插件,构建一个稳定、高

weixin_34185512的博客 577

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 228

k8s 查看cpu使用率最高的pod

在 Kubernetes 中,可以使用命令查看 Pod 的资源使用情况,从而找到 CPU 使用率最高的 Pod。

u010674101的专栏 3345

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 401

当迁移学习遇见室内定位:基于UJIIndoorLoc的跨场景适配实践

本文探讨了迁移学习在跨建筑室内定位中的应用,重点解析了UJIIndoorLoc数据集的特性及其在解决设备差异和环境变化中的关键作用。通过特征工程、迁移学习策略和小样本微调技术,显著提升了定位模型的跨场景适配能力,为实际部署提供了有效解决方案。

weixin_29038155的博客 394

手把手教你用STM32F103实现CAN总线双机通信(基于CubeMX+HAL库)

本文详细介绍了基于STM32F103和STM32CubeMX工具实现CAN总线双机通信的完整流程。文章重点解析了CAN总线在嵌入式物联网应用中的优势,并深入讲解了波特率计算、过滤器配置、接收中断处理等关键细节,提供了实用的代码框架和可靠传输方案,帮助开发者规避常见陷阱,构建稳定的工业级通信系统。

weixin_29193259的博客 480

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

Altium Designer20 PCB板子绘制

版层 top layer 顶层 bottom layer 底层 设置板子大小 布局 过孔 top layer层连到bottom layer层。通过via连接。 设置线宽 在design rules里可以设置线宽。 右键new rule 可以新增线宽,电源设置成20mil 还可以设置很多其他的线宽 修改安全距离 安全距离太短容易出现毛刺,然后短路,一般设置成20mil 修改元器件旋转角度 修改rotation step,每次旋转45°。 修改光标大小 下面的cursor type是修改光标

及时总结 2582

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 248

STM32(HAL库)驱动HC-SR04测距模块

本文介绍通过STM32F103C8T6单片机对HC-SR04测距模块进行驱动,并且通过串口对数据进行打印。

weixin_44597885的博客 2203

Redhawk:什么是timing window?

STA timing file中timing window的作用和计算方式

m0_61544122的博客 1万+

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 503

车载以太网-组播

车载以太网-组播

天赐好车的博客 253

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 203

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 201

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 559

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 575

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 92

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 280

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 642

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 339

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 213

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 339

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 207

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 4644

影视场景怎么用AI生成3D镜头预演?从概念图、场景白模到网页审片

概念图有氛围,不代表能直接用于镜头预演。本文围绕剧本拆镜、资料与尺度假设、场景白模、机位走位、动作节拍和网页审片,介绍 AI 生成 3D 场景的预演流程。通过稳定对象与相机编号、统一镜头表、意见关联版本和三轮审核,让讨论落到具体镜头,同时明确白模与网页预演不能替代真实场地勘景及现场安全判断。

Solange__的博客 540
上一篇: 线上直播丨上海交大发布大模型Agent心理诊所,可初诊抑郁症
下一篇: HyperAI超神经 x 开源中国丨高性能计算与大模型推理,北京见!
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值