硅谷的AI创业版图迎来新变量：两位分别来自谷歌与苹果的顶尖科学家正联手打造一家名为Elorian的初创企业，其种子轮融资目标直指5000万美元，核心攻关方向直指下一代大模型的关键技术——视觉推理。
这家尚未正式亮相的公司，已因创始团队的背景引发资本圈高度关注。联合创始人Andrew Dai在谷歌DeepMind效力14年，曾主导Gemini模型预训练数据工作，其学术履历中与Jeff Dean、Quoc V. Le等AI泰斗合著的多篇论文，被视为GPT系列模型的重要理论基石。另一位联合创始人Yinfei Yang则刚从苹果离职，此前作为首席研究科学家参与自研AI模型开发，在图像-文本共嵌入领域拥有多项专利技术。
视觉推理技术被业界视为通向通用人工智能（AGI）的关键跳板。不同于当前主流模型通过文本标签理解图像的"补丁式"方案，Elorian计划构建原生多模态架构，使模型能直接通过视觉感知物理世界的逻辑关系。Andrew Dai在内部研讨中举例："未来机器人不应仅识别'红色按钮'，更要理解按下按钮将引发何种机械连锁反应。"
资本对"谷歌系+苹果系"的组合表现出极大热情。据知情人士透露，前CRV合伙人Max Gazor创立的Striker Venture Partners正领投本轮融资，该基金去年10月成立后尚未有重大投资披露。投资界普遍认为，这种技术基因的混合可能催生独特优势：谷歌背景提供大规模训练基础设施经验，苹果背景则带来产品化落地思维。
当前大模型竞争已进入新阶段。OpenAI凭借ChatGPT赢得文本生成先机后，谷歌Gemini、Anthropic Claude等模型正加速补足多模态能力。Elorian选择从视觉推理切入，试图在垂直场景建立技术壁垒。其潜在应用场景包括：自主操作复杂软件系统的AI智能体、能理解三维空间的工业机器人、可处理多模态法律文件的智能助理等。
技术实现路径上，团队正攻关三大挑战：如何构建跨模态的统一表征空间、如何设计符合人类认知的推理架构、如何解决视觉数据中的长尾问题。Yinfei Yang在学术会议中透露，其团队已开发出新型注意力机制，可使模型在视觉问答任务中减少37%的错误率。
这场创业潮折射出硅谷人才流动的新趋势。据LinkedIn数据，2023年已有超过200名谷歌AI研究员离职创业，其中15%选择多模态方向。投资人开始将"团队血统"作为重要评估指标，认为经历过完整技术周期的资深研究者更具突破可能性。正如某风投机构合伙人所言："在算力军备竞赛中，真正稀缺的是能定义下一代技术范式的洞察力。"
