最近，AIGC最大一笔收购案诞生：一个62人的初创企业，竟然卖了94亿元。

(相关资料图)

6月26日，大数据巨头Databricks宣布收购MosaicML。

Databricks于2013 年成立，是一家大数据公司（Pre IPO阶段），使命是：简化数据和 AI ，并使之民主化。该公司2022年的估值约380亿美元，每年营收超10亿美元。

而MosaicML则是一家妥妥的初创公司，成立于2021年，由2名前英特尔高管联合创立，目前已融资超过6400万美元，机构包括DCVC、Lux Capital等。

2年时间，94亿RMB，Databricks为何要花重金收购MosaicML？

这一切还是与ChatGPT掀起的AI大潮有关。

Databricks本身正在研发大模型，只是思路与OpenAI略有不同：前者想用更少的参数，实现ChatGPT的同样效果。

自去年以来，ChatGPT的惊艳是有代价的：耗时7年，每代大模型的迭代周期约1-3年。并且大模型的训练非常昂贵，单次成本可达100万美元。

Databricks的思路较有突破性，这意味着未来大模型的开发将更省时、省力、省钱。

今年4月12日，Databricks发布大模型Dolly 2.0。

与GPT4相比，Dolly 2.0的训练参数仅为120亿个，而前者为100万亿个；而Dolly 2.0的前身（Dolly）则更省时、省力，训练成本仅为30美元、一台服务器、3个小时。

大模型的智慧程度，已经被行业共识；但降低大模型的开发难度，也已成为行业共识。这个方向，不仅只有Databricks在努力。

今年3月，斯坦福大学研究人员也完成了一项特殊尝试：用600美元的成本，复制了GPT3模型，耗时也仅有2个月。

那么以上又与MosaicML有什么关系？

MosaicML也是一家AIGC（生成式AI）公司，也有自己的大模型产品（MPT），但它的定位专注更鲜明：主要面向to B，产品主要给企业用，让企业自己训练、部署AI模型。

在to B方向，与ChatGPT相比，其产品成本更低、用时更短。比如GPT3等同类产品训练成本约数千万美元，而MPT-30B则仅需要70万美元。

MosaicML的一个重要使命，是把大模型从“天价”打到了“亲民价格”，为大模型在企业的普及创造了可能。

那么，Databricks又为什么要收购MosaicML？

因为MosaicML主攻的客户群体，正是Databricks的客户群体。后者的客户多为大型企业和组织，需求是处理大量数据+数据分析+机器学习。

而从to B 方向来看，Databricks的整体进展落后于MosaicML。从未来看，大模型AI产品将取代传统AI产品，Databricks如果此刻不下手，未来就有被替代的可能。

MosaicML已经拿下甲骨文等KA客户，并且在商用大模型里排名较靠前。

今年5月，MosaicML发布可商用大模型MPT-7B,包含70亿个参数。在各类性能评估中，MPT-7B与META的大模型LLaMA打了个平手。

而在商用大模型的评比榜单里，甚至看不见Databricks的产品。

抓住风口，鸡犬升天。

不得不说，MosaicML是一家幸运的公司，仅仅2年卖出94亿元价格。其创始团队成员一共4位，CEO名叫Naveen Rao，曾任英特尔副总裁兼AI产品事业部总经理。他曾于2014年创办AI芯片公司Nervana，后于2016年以4.08亿美元卖给英特尔，耗时2年。

结合此次并购经历，可以看出Naveen Rao兼具战略眼光与资本运作能力。

公司卖给英特尔后，Naveen Rao加入了英特尔，成为其AI产品集团负责人。2020年，英特尔放弃了Naveen Rao所负责的产品，导致后者出走。

与Naveen Rao一起出走的，还有一位华人Hanlin Tang。他本科毕业于普林斯顿大学，后赴哈佛大学攻读博士，后担任英特尔AI实验室高级主管。

据外媒援引官方消息，被收购时该公司拥有62名员工，其中研究人员15名。此前，该公司曾获得约6400万美元融资，估值2.22亿美元——不到2年时间，估值增长6倍。

这桩交易也将给国内AI创业带来启发，尤其是企业版大模型方向。

国内的通用大模型正处于百花齐放，百度、阿里、华为、腾讯、字节、360等，但企业商用版大模型目前暂未出现。综合铅笔道观察，大模型的商业化必然to B先于to C，就和计算机的问世一样，也是to B先于to C。

据铅笔道了解，一些早期创业者已经悄悄杀入该领域，使命是：在省时省力省钱的前提下，帮助企业搭建AI大模型。

MosaicML的收购证明：该赛道既有商业化前景，又有巨大的资本化空间。