墨奇科技完成 2.5 亿元 B 轮融资，聚焦解决 AI 瓶颈

5月21日，墨奇科技宣布完成 2.5 亿元人民币 B 轮融资，领投方为某互联网巨头。此轮融资后，墨奇科技将会重点投入在 AI 底层数据的通用处理技术，持续发力以 AI 知识为核心的新型非结构化数据库，及在此之上发展出的新一代生物识别平台。

第三次人工智能兴起的大潮中，随着计算机视觉、语音处理、自然语义处理等 AI 技术的广泛应用，如何能更好地从 AI 数据 “油田”——图像、视频、音频等非结构化数据中精炼出业务价值，越来越成为科技和投资领域的追逐的热点。各种非结构化数据间因为特征不同，也没有规则的数据结构，导致需要的数据搜索和存储系统不同；适用的 AI 算法、调参不同；而产出的模型也不同，最终导致落地的 AI 应用更不相同。每一个 AI 只能实现一个单独的功能，如表情识别、手势识别等，并不能通用，这也就是业界常说 AI 泛化瓶颈的问题。

如果能用一种统一的方式来“挖掘”和“采集”非结构化数据这个 AI 数据“油田”，则突破 AI 泛化的瓶颈，走入强人工智能时代将成为可能。但如上文所述，不同种类的非结构化数据因为特征不同、结构不规则、不完整、也没有预定义的数据模型，所以业界还没有一个清晰、可行的技术路线图，从初创企业到科技巨头都在探索阶段。

墨奇科技认为现有方法和技术路径都不能很好的解决这个 open problem，必须要从底层开始通过系统性的创新来解决。首先需要从基础的表示层将不同类型的非结构的数据转化为统一的二维表示，从而让非结构化数据可以如结构化的关系型数据般在系统中被存储、快速的调取和搜索查询。

另一方面必须要对现有的无监督学习框架完成突破，解决现有深度学习中让企业头痛的海量训练数据低效、高成本的标注问题；最后还需要一个可靠、高效、易获得的系统架构来解决现有 AI 落地中企业需要自行建设计、开发、部署系统，处理数据的问题，将企业从繁琐的自建基础设施中解放出来。完成了上述的从数据表示层到系统层的创新，才可以真正意义上的解决现有 AI 算法演进、迭代慢；AI 研发资源不足、落地难；中小企业、科研机构玩不转 AI 的问题。

墨奇科技表示得益于他们创始团队在应用数学及计算机科学领域的多年深入研究，从 2015 年至今，已经创建了一种数据框架可以完成非结构化数据及 AI 知识数据的统一表示；完成了无监督自学习框架的突破；搭建起了一套覆盖存储和搜索的异构分布式系统，并在指纹图像上成功的完成了技术和系统验证；实现了对于 10 亿级指纹图像数据的高精准度的秒级比对、识别与搜索，大幅超越了现有相关技术和系统的表现。在商业化上已经建立了两个 10 亿级指纹中心，处理了数十亿的相关数据。

墨奇科技计划将上述成功验证的技术路径以通用 AI 基础设施——即“新型 AI 知识数据库” 的形态提供给业界，从底层为全行业的 AI 应用带来技术赋能，让 AI 更简单、更强大，加速 AI 时代的智慧产业升级步伐。