TabbyML：一個開源挑戰者，籌集了 320 萬美元
背景
建立 AI 助手，幫助人們編寫電腦程式的競爭日趨激烈。由兩位前 Google 員工建立的 TabbyML 已經籌集到了 320 萬美元的種子融資，用於開發其開源程式碼生成器。
TabbyML 的優勢
與 GitHub 的 Copilot 相比，像 TabbyML 這樣的自託管編碼助手具有高度的可定制性優勢。創業公司的聯合創始人孟張在接受 TechCrunch 採訪時表示：“我們相信在未來，所有公司都對軟體開發有某種程度的定制化需求。與專有軟體空間中可能有比較成熟和完整的產品相比，但如果我們將開源解決方案與 GitHub 的 OpenAI-powered 工具相比較的話，後者的約束更多。”
開源軟體滿足大型企業的需求
張的共同創始人高露西表示開源軟體特別滿足大型企業的需求。獨立開發者可能會在自己的專案中使用開源程式碼，而企業內的工程師通常會使用專有程式碼，而這些程式碼對於 Copilot 是無法使用的。高露西解釋說：“例如，如果我同事剛剛寫了一行程式碼，我一打引號就能引用它（使用 TabbyML）。"
程式碼生成器的問題及解決方案
與其他型別的 AI 助手一樣，程式碼生成器也不是始終可靠的，因為它們可能存在著漏洞。高露西認為，在自託管解決方案的情況下，解決這個挑戰“相對容易”。每當使用者選擇不採用 TabbyML 的建議或編輯自動填充的程式碼時，AI 模型都會根據該訊息進行微調。程式碼生成器的目的是幫助人類程式設計師，而不是取代他們，而且已經取得了一些有希望的成果。GitHub 在六月份發布的一項調查顯示，Copilot 的使用者接受了 30%的編碼助手生成的建議。張援引了另一個數位，他認為這更為有說服力：在最近的開發者活動中，Google 宣布其軟體工程師中有 24%每天會有超過五個“輔助時刻”，這是透過其 AI 增強的內部程式碼編輯器 Cider 實現的。
競爭與未來展望
當被問及與 Copilot 這個大型對手的競爭時，張表示隨著其他 AI 模型變得更加固大以及計算能力成本的降低，OpenAI 的優勢將逐步減弱。張表示 GitHub 和 OpenAI 的優勢來源於它們能夠透過雲端部署具有數百億引數的 AI 模型。儘管此類大型模型的運營成本較高，但 Copilot 迄今已透過請求批處理方式在某種程度上緩解了這個問題。然而這種策略已經顯示出了其局限性：根據《華爾街日報》的報導，今年前幾個月，微軟每月平均損失超過 20 美元，GitHub Copilot 的每個使用者。相比之下，Tabby 的目標是推薦在 10-30 億引數上訓練的模型，這種方法在短期內不可避免地會導致質量的降低。張說：“然而隨著計算能力成本的降低以及開源模型質量的不斷提高，GitHub 和 OpenAI 的競爭優勢最終將會減弱。”
結論
TabbyML 當前已在 GitHub 上獲得了約 11,000 次的關注點。參與最新一輪融資的兩家投資者分別是雲起合夥人和 ZooCap。對於與強大的 Copilot 進行競爭的問題，張認為，隨著時間的推移，隨著其他 AI 模型變得更加固大和計算能力成本的降低，OpenAI 的優勢將逐步消失。總之盡管 Tabby 的短期內部部署成本較低，但也必須面對模型質量較低的挑戰。但隨著時間的推移，計算能力成本的降低和開源模型質量的提升，Tabby 在競爭中有望取得更大的競爭優勢。
延伸閱讀
- 盧西德機器人為清潔不只是窗戶，籌得 900 萬美元資金
- 「Eric Schmidt 支援的 Augment」公佈推出與 GitHub Copilot 競爭的產品，獲得 252 百萬美元的投資
- Flatpay 獲得 4700 萬美元資金，專注於簡單的付款解決方案以服務小型商戶
- Google 推出 Code Assist，挑戰 GitHub 的 Copilot
- Coalesce 再次籌集資金，以協助 Snowflake 客戶轉換資料
- SaaS 新創公司 SingleInterface 籌集 3000 萬美元資金，協助更多企業上線
- 新創公司籌資困難或持續，風投難以填補資金缺口
- Tierra Biosciences 獲得 1100 萬美元資金，致力於開發新型 AI 引導蛋白質
- 獲得全面銀行牌照！「銀行即服務」新創公司 Griffin 籌集 2400 萬美元
- 關鍵角度解析：Astek Diagnostics 獲得的 200 萬種子輪融資提案
