概述

融资2000万人民币 融资用途： 技术研发：持续投入于核心技术的研发，提高产品竞争力。 市场推广：扩大市场影响力，增加品牌知名度。 团队建设：吸引和培养高端技术人才，加强团队实力。 生产设备：采购先进的生产设备，提升生产能力和产品质量。

需求详情

核心技术高效计算框架：旨在突破低资源硬件限制，提升芯片性能。异构多模态模型：包括大尺寸语言大模型（70B参数）、多模态大模型（如Qianwen-VL）、小尺寸语言大模型（02.B参数）、视觉检测模型（如Yolo/DINO）。高速互联底座：支持多种通信协议，如PCI-E、USB网络、GPU/NPU专有link协议等，确保多模态模型间的高效数据交换。VT-xCCL协议栈：实现专用连接插件，优化模型间的通信效率。RISC-V/ARM嵌入式主板底座：提供强大的计算能力支持。C++ Native开源框架 VT-Transformer：提供混合算子编排、量化、编译工具链，支持SOC+NPU异构计算OS/硬件底座。研发方向持续优化多模态大模型的训练与推理效率。开发针对不同应用场景的智能体，如安防AI、工业AI、企业AI、居家AI和机器人等。推动具身AI智能体的研发，实现从训练到应用的全链条解决方案。扩展高速互联底座的应用范围，提高不同计算单元之间的协同工作能力。亮点技术创新：项目在异构计算、高速互联、多模态模型等方面拥有领先的技术积累。应用场景广泛：覆盖安防、工业、企业、居家等多个领域，具有较高的市场潜力。软硬件结合：提供软硬一体的解决方案，满足不同客户的需求。开放性：提供免费的VT-Apps工具链和开源框架，促进社区发展和技术迭代。市场前景随着AI技术的发展，多模态大模型和异构计算的需求日益增长，特别是在智慧城市、智能制造等领域。项目通过提供定制化的OS和整机方案，能够更好地服务于特定行业客户，具有广阔的市场空间。未来随着技术的成熟，项目有望拓展至更多领域，实现从百亿元到千亿元乃至万亿元的市场规模。面临的问题技术挑战：如何进一步提高模型训练与推理效率，降低能耗，解决多模态模型的适配问题。市场竞争：面对国内外众多竞争对手，需要持续创新以保持竞争优势。资金需求：技术研发和市场推广需要大量资金支持。预期融资的规模及用途融资规模：2000万。融资用途：技术研发：持续投入于核心技术的研发，提高产品竞争力。市场推广：扩大市场影响力，增加品牌知名度。团队建设：吸引和培养高端技术人才，加强团队实力。生产设备：采购先进的生产设备，提升生产能力和产品质量。