數字孿生并不是一個新概念。但通過將其與新一代AI模型相結合，初創公司MeetKai正在投入資源創建有效的互動工具，例如供工廠用于優化生產流程和遠程虛擬培訓的工具。

MeetKai是一家AI-Metaverse工具公司。MeetKai的CEO James Kaplan 2014年從Harvey Mudd College輟學，為Michael Milken管理私募股權基金（Milken曾經在垃圾債券領域臭名昭著）。

2018年，Kaplan與Marvell的聯合創始人Weili Dai在LA共同創立了MeetKai。

可以說，Kaplan是年輕、有天賦的軟件工程師變身企業家的縮影，他的好運氣、血統和家族關系讓他的初創公司成為可能。并不是每個創業者都如此幸運。

Dai解釋說，Kai的意思是“Key to AI”。這家初創公司的使命是開發AI工具，在虛擬世界中模擬現實世界。

Kaplan說，MeetKai的工具旨在幫助企業在虛擬世界中以數字化方式映射、構建和復制業務實踐、生產車間以及與復雜機器的交互。這些工具使客戶能夠提供一個虛擬世界，在這個虛擬世界里，員工和客戶可以接受遠程培訓，或通過自然對話（跨越不同地域和語言）更個性化地享受服務。

MeetKai聲稱自己有很多職業體育界的客戶，包括一支NBA球隊以及IndyCar和NASCAR車隊。據Kaplan稱，MeetKai的工具在工業/企業市場“獲得了很大的吸引力”。

Attention Is All You Need

最初，Kaplan是被2017年的一篇技術論文吸引至AI領域的。該論文的作者提出了一種新的簡單網絡架構，Transformer，它完全基于注意力（attention）機制，完全省去了遞歸和卷積。

在Kaplan看來，這篇論文催生了現代機器學習和LLM，而今天的ChatGPT正是基于此。在此之后，MeetKai直接投身于AI領域，不考慮任何2018年之前的AI模型。

Kaplan和他的團隊攻克的第一項技術就是開發ChatGPT的前身。Kaplan說：“我們將其應用于搜索。想想看，如果你看搜索是如何工作的，自從Google成立以來，基本上都是在網頁上查找文本。如果我搜索Tom Cruise的電影，搜索并不知道Tom Cruise是誰，也不知道電影是什么，它只是在尋找有Tom Cruise的頁面。”

矢量數據庫

MeetKai的團隊沒有效仿Bing在2018年的做法，根據頁面上的文本進行搜索，而是決定搜索“語義”。

“當有人在搜索某樣東西時，它會首先嘗試找出他們所搜索的東西的含義。并根據這個意義找到類似的項目。”

Kaplan說，如今，這被稱為“矢量數據庫”。

一家數據分析軟件開發商KX舉例解釋說：

在自然語言處理中，矢量數據庫可用于查找相似文檔、執行文本分類或支持問題解答系統。可以對單詞嵌入或句子嵌入進行索引和搜索，以識別相關的文本片段或執行語義相似性計算。

Kaplan說，如今，矢量數據庫在軟件領域很常見，也有一些外溢到半導體領域。但在2018年，“我們比所有人都早了五年，在這個方向上全力以赴”。

Kai說，“最初，我們在對話式AI（conversational AI）方面做了很多技術，這導致了語音助手搜索、baps（band aperiodicity parameter）個性化，所有這些類型的功能。在這一點上，我們已經重現了Google所能做到的很大一部分，但團隊只有15人。”

Kaplan表示，MeetKai與其他AI應用初創公司不同，因為“我們真正關注的是AI領域的最新創新”。

包括Google在內的其他公司和現有公司則堅持使用上世紀90年代發明的更熟悉的技術，這些技術逐漸發展，直到Open AI出現，并引發了對ChatGPT和MLM（Multilevel Modeling）的推動。許多公司都面臨著扔掉90年代以來所做的一切，并重新開始的挑戰。

AI軟件公司的一個流行趨勢是，打出一個利用AI的商業點子，并創建相應的應用，比如牙科預約或寵物美容的日程安排系統。Kaplan對此不屑一顧：“他們以一種非常標準的模式，將一些無聊的軟件應用到他們的產品中。”

憑借公司在AI領域開發的幾項IP，MeetKai聲稱自己正在打造能夠打開不同細分市場（如工業/企業）的業務。MeetKai的一項關鍵功能是“能夠以數字方式模擬現實生活中存在的任何事物”，更重要的是，它還能讓用戶與模擬對象進行“智能”互動。

例如圖片、視頻和CAD文件。Kaplan說，第一步是從真實文件開始，然后進行虛擬復制。

第二步是在虛擬環境中找出用例，通常在現實生活中完成的業務流程。

這種數字孿生的概念并不新鮮。但MeetKai聲稱，這家初創公司的AI工具可以將創建數字副本的過程縮短到六個月。例如，MeetKai只花了兩周時間就為新加坡的Silicon Box創造了一個完全仿真的東西。

重點并不是以數字方式呈現Silicon Box生產線。相反，MeetKai認為，“Silicon Box Build”的目的是讓半導體設計人員和制造商能夠以虛擬和遠程的方式模擬和優化芯片制造過程。

Silicon Box的遠大目標是在全球各地復制擁有1000名員工的芯片代工廠。Kaplan指出，為此，Silicon Box需要快速培訓1萬多名員工。

此外，晶圓代工廠還面臨著在新工廠安裝新生產設備的挑戰。公司必須派遣專家到那里，對復雜的機器進行長達六個月的校準。如果安裝后出現問題，新加坡的另一個團隊就必須去修理。Kaplan說：“一臺價值1,000萬美元的設備可能還需要額外的100萬美元的費用，才能使其運轉起來。”

TSMC在建設Arizona晶圓廠的過程中，不得不從臺灣向Arizona派遣更多的工程師。遠程和虛擬培訓正迅速成為各地建設晶圓廠的關鍵因素。

自助服務

Kaplan解釋說，MeetKai的下一步是使他們的工具成為“自助式”工具。Kaplan說：“MeetKai與比亞迪在電動車制造領域以及與Silicon Box在芯片制造領域密切合作，但MeetKai了解到這些公司希望嚴密保護他們在培訓、設備操作和優化方面開發的機密。TSMC不想打開閘門，公布一切。因此，MeetKai必須為客戶提供‘編輯工具’，使他們能夠在MeetKai提供的‘通用元素’基礎上定制解決方案。”

MeetKai計劃在2024年發布這樣的編輯工具。

ChatGPT帶來一片哀嚎

事實證明，MeetKai的數字孿生虛擬產品并不依賴于像素流。為了最大限度地提高可訪問性，MeetKai讓每一種metaverse體驗都能在普通網絡瀏覽器和設備上使用。

Kaplan說，但在當今的虛擬世界或metaverse中，一種常見的方法是在數據中心進行遠程渲染，以實現像素流虛擬文字。這是利用安裝在數據中心的Nvidia GPU實現的。

遠程渲染的問題在于成本高昂，部分原因是Nvidia GPU價格很高。Kaplan還指出，如果按分鐘、按用戶、按云服務器付費，賬單就會堆積如山。

他說：“現在情況更糟，因為所有的Nvidia GPU都被用于機器學習工作負載。”

即使你想要像素流，這些GPU的供應也是有限的，而且你能讓數據中心為你運行的時間也非常有限。

“LLM和ChatGPT炒作的犧牲品還包括那些需要依賴數據中心渲染來制作電影、特效和虛擬世界的人。”

Kaplan強調說，MeetKai從一開始就與眾不同，因為它“極不可知”。它不希望自己的商業模式要求公司堅持購買GPU或頭顯。

盈利狀況

MeetKai的Dai表示，這家擁有60名員工的初創公司預計今年的收入將在500萬美元左右。Dai希望今年年底實現盈利。

當被問及Kaplan是如何與Dai聯系到一起創辦MeetKai時，Dai解釋說：“我是通過James的母親認識他的。”James的母親Susan Estrich是Dai的朋友，是一位曾擔任Harvard Law Review首位女主席的著名律師。

MeetKai及其CEO擁有寶貴的商業關系和名聲，另許多科技界的創業者羨慕不已。MeetKai擁有早期的AI專業知識和在工業領域的先發優勢，即使沒有把握，也有機會證明其AI/metaverse工具是貨真價實的。

審核編輯：劉清