总部位于巴黎的Arlequin AI SAS今日宣布获得2800万欧元（约3200万美元）新融资，用于加速开发一种基于新型网络的AI模型架构，该架构能够在大规模范围内学习复杂关系。
这种新的AI架构基于拓扑神经网络，而非支撑大多数大语言模型的基于图的神经网络。Arlequin表示，公司已经构建并实施了一个易于部署、可扩展的平台，能够使用异构数据，分析文档、交易记录、视频和运营信息。
此轮A系列融资完全由欧洲投资者出资，由Redalpine和OTB Ventures联合领投，Bpifrance旗下的国防创新基金也参与其中。现有投资者Vsquared Ventures和10x Founders增加了持股，泽维尔·尼尔和Zebox也加入了此轮融资。
该融资将用于加速扩展一种专有模型，这种模型通过捕捉数据内部结构和关系中的复杂多路径交互，实现大规模学习。
联合创始人兼首席执行官雨果·米什隆表示："今天，另一场变革正在成形：开发能够理解隐藏在数百万数据点中的高度复杂动态的新型AI系统。在信息过载的当下，我们需要重新掌控局面。"
米什隆补充说，Arlequin正在构建这种新的AI架构，此时欧洲正与美国和中国等国家科技巨头在开发强大AI模型的市场中展开竞争。该融资消息传出之际，另一家欧洲开源AI老牌企业Mistral AI SAS本周刚获得30亿欧元融资。
Arlequin表示，拓扑神经网络的设计目的不仅是从单个数据点学习，还要从数据在大规模范围内的连接方式中学习，包括同时处理多个要素。该公司致力于开发能够分析日益庞大系统、并将最终结果追溯至根本原因的系统。
应用示例包括反恐调查，该平台可以分析数千台被查获设备产生的数十亿数据点，识别人员、地点、通信和事件之间的关联。该公司表示，基于拓扑神经网络的模型分析方法同样适用于安全与国防、刑事调查、欺诈与洗钱、信息完整性、网络安全以及AI安全与保障等领域。这些领域都严重依赖预测算法，但可追溯的证据和审计路径有助于揭示事实真相。
Arlequin还在设计拓扑神经网络架构时力求显著降低计算量需求，这将减少对能源、先进硬件和计算基础设施的依赖。随着世界各地数据中心的不断增多，尤其是在发展主权AI的国家中，运行AI模型的开支以及单个Token的成本已成为企业和政府关注的首要问题。
该公司正与法国国家数字科学与技术研究院、法国国家科学研究中心和马克斯·普朗克研究所的研究团队合作开发这一新架构，同时也与牛津大学、康奈尔大学、普林斯顿大学和加州大学圣塔芭芭拉分校的团队展开合作。
借助新一轮融资，Arlequin计划扩大其国际团队，该团队正在开发公司的专有模型，并加速在欧洲及全球范围内的商业化部署。该公司已在伦敦和柏林设立办事处，并计划在未来几个月内于硅谷建立一个AI实验室。
Q&A
Q1：Arlequin AI的拓扑神经网络与传统大语言模型有什么区别？
A：传统大语言模型主要基于图神经网络，而Arlequin AI开发的拓扑神经网络能够学习数据结构和关系中的复杂多路径交互，不仅分析单个数据点，还能大规模捕捉数据间的连接方式，同时处理多个要素。
Q2：Arlequin AI的技术可以应用在哪些领域？
A：该技术可应用于反恐调查、安全与国防、刑事调查、欺诈与洗钱侦查、信息完整性、网络安全以及AI安全保障等领域，能够分析海量数据点，识别人员、地点、通信和事件之间的关联，并追溯结果的根本原因。
Q3：Arlequin AI此次融资的具体情况如何？
A：Arlequin AI获得2800万欧元（约3200万美元）A系列融资，由Redalpine和OTB Ventures联合领投，Bpifrance国防创新基金参与，现有投资者Vsquared Ventures和10x Founders增持，泽维尔·尼尔和Zebox也加入投资。
