报告

中泰证券：Cohere：着力于B端赛道，OpenAI的强劲对手

admin2023-10-23 17:32 30人已围观下载完整内容

简介Cohere：2019年成立的初创公司，提供高性价比的NLP方案Cohere成立于2019年，是一家加拿大AI初创企业，因上榜“福布斯AI50强”以及“CNBC

Cohere：2019年成立的初创公司，提供高性价比的NLP方案

Cohere成立于2019年，是一家加拿大AI初创企业，因上榜“福布斯AI50强”以及“CNBC2023年颠覆50强”而受到广泛关注。

Cohere在为开发者和企业提供不需要昂贵的机器学习开发的NLP解决方案，让各类开发人员都可以使用大型神经网络和最先进AI来解决任何语言相关问题，但却不依托于任何公共云，让模型能在私有云或本地部署中运行。

创始人团队：GoogleBrain背景加持，成员技术过硬

Cohere的联合创始人兼CEOAidanGomez是2017年学术著作《AttentionisAllYouNeed》的作者之一，该论文在人工智能研究领域具有里程碑意义，推动了计算机分析和生成文本方式的进步，ChatGPT等现代大型语言模型都由其基础衍生。AidanGomez分别在多伦多大学（本科）和牛津大学（博士）学习，也曾是GoogleBrain的成员之一。

IvanZhang是Cohere的首席科学家兼首席技术官。他创立了FOR.ai（现为CohereForAI），是一个独立的AI研究小组，他也是生物技术和MLOps领域的软件工程师。

NickFrosst也是Cohere的联合创始人，他是多伦多谷歌大脑实验室的第一位员工，也是谷歌大脑团队的前成员，主要从事机器学习领域相关研究。

募资情况：背靠NVIDIA、Oracle，当之无愧的AI独角兽企业

Cohere自创立以来，一共进行过四轮融资。其中最早的是2021年9月7日由IndexVentures领投，投资金额4000万美元，2023年6月，Cohere获得2.7亿美元C轮融资，由InoviaCapital领投，这笔交易对该公司的估值约为22亿美元，使其成为又一家AI超级独角兽企业。

迄今为止，Cohere共募集了4.35亿美元的资金，融资额仅次于OpenAI和Anthropic，一度跻身美国生成式AI行业第三大“吸金”公司。同时其投资者包括NVIDIA、Oracle、SAP等硅谷巨头，专业能力获得专业投资机构认可。核心技术：创新T-Few方法，仅更新0.32%即可完成30亿参数微调

T-Few微调提供了一种有效的方法来微调大型语言模型，解决了训练时间慢和服务资源昂贵的挑战。通过仅更新模型权重的一小部分并启用模型堆叠，T-Few微调可显着减少训练时间，同时保持高质量的微调结果。

他们引入了MoV和MoLORA这种参数高效型混合专家适应方法。在未曾见过的任务上，这种新方法只需更新0.32%的参数，就能实现与完全微调方法相当的性能。其表现也能轻松胜过(IA)3或LORA等基础的参数高效型技术。Cohere的研究团队基于55个数据集，在12个不同任务上，用770M到11B的不同大小T5模型进行了实验，均得到了一致的结果。

核心技术：运用RAG方法增强对话准确性

要完成更复杂和知识密集型的任务，可以基于语言模型构建一个系统，访问外部知识源来做到。这样的实现与事实更加一性，生成的答案更可靠，还有助于缓解“幻觉”问题。这就是检索增强生成（RetrievalAugmentedGeneration，RAG）方法。

通过运用RAG方法，Cohere的对话产品可以更好理解消息背后的意图，记住对话历史记录，并通过多轮对话进行智能响应。将用户的模型与网络搜索和重要数据源连接起来，以提高聊天响应的相关性和准确性。Cohere通过训练Command来优化RAG的准确性，包括从多个数据源确定相关信息。以及通过引用减少幻觉并在生成的响应和用户之间建立信任，以了解响应的来源。

核心产品：着力于B端赛道，提供定制生成式AI服务

Cohere主要面向B端企业客户，致力于为企业定制生成式AI服务。Cohere的垂直应用产品集中在企业运营过程中与文本有关的三个关键领域，分别是文本生成、文本分类和文本检索。

文本生成领域有Summarize、Generate、CommandModel；文本检索领域有EmbedModel、SemanticSearch和Rerank；文本分类领域的主要产品是Classify。

核心产品：模型尺寸丰富，Command在评测中表现优异

Cohere针对各个产品推出不同尺寸的模型供用户选择。Summarize、Rerank、Embed、Base、Command等各种不同功能的系列模型都有不同大小尺寸，其中Command系列模型曾推出标准版Command模型、Command-xlarge-20221108、Command-lightly、Command-nightly等不同类型。

在斯坦福大学的语言模型全面评估（HELM）中，从最大的524亿参数Command模型微调得到的对话模型CommandBeta在总共61个模型中排名第二，准确率90.6%，仅次于属于GPT-3.5系列模型text-davinci-002。

产品定价：价格精细化，总体远低于OpenAI

Cohere在产品定价方面按照不同的模型分别制定了不同的价格，同时定制化模型会收取更高的价格，方便用户根据其实际情况选择符合具体需求的产品。

Cohere系列模型价格整体低于OpenAI的微调系列模型。Cohere产品的价格远远低于OpenAI产品的最低价，且定制化价格多为基础价格的2倍。与其相比，OpenAI产品的使用价格均是其训练价格的4倍。

网站月度访问量百万级别，访问用户25-34岁年龄占比最高

2023年5月以来，网站月访问量呈稳定趋势，在8月回升之后又有所下降。总体看，网站访问量能够维持在百万级别。其中美国、印度、加拿大等国家所占流量份额较高。外链访问来源中，ProgrammingandDeveloperSoftware及ComputersElectronicsandTechnology领域占比较高。

从访问用户年龄来看，25-34岁年龄段用户占比最高。

投资者与合作伙伴

Cohere在业界拥有Salesforce、NVIDIA、Oracle、SAP等投资者和Oracle、MCKinsey、AWS、GoogleCloud等合作伙伴。如通过与Oracle的合作，用户可以使用由经过专门训练的Cohere基础模型，使用基于Oracle云基础设施(OCI)构建的原生生成式AI服务。

向量数据库领域，Cohere拥有Weaviate、Pinecone和drant等合作伙伴。Weaviate的text2vec-cohere模块允许用户直接在Weaviate矢量搜索引擎中使用Cohere嵌入作为矢量化模块；Pinecone支持使用Cohere生成语言嵌入，然后将其存储在Pinecone中并用于语义搜索；Drant与Cohere结合使用，可以提出针对特定文本分析用例的全面解决方案。秉持安全、定制和客户支持的核心观念，强调隐私保护和数据安全

Cohere专门为企业用户提供数据防火墙，解决企业数据在输入大模型中的隐私和安全问题。Cohere强调会保证客户的数据安全，在多个合作伙伴的加持下，能够提供具有数据安全性，并根据不同企业的需求和数据制作的高性能定制化模型，应用于实际业务场景。

未来发展方向：继续深耕ToB赛道，提供服务型AI产品

从模型角度看，Cohere将继续扩充优化模型规模，训练更加强大的基础模型，提升用户体验。Gomez在采访中提到公司每周都会发布一个新的模型版本，并不断对模型进行基准测试和评估以降低用户使用风险，相信未来Cohere将继续提升大模型的AI能力，打造更高性能、更高安全性的大模型。

从产品功能角度，除了继续提升模型性能之外，Cohere在未来会持续在数据保护和客户支持方面加大投入力度。对于很多企业来说，数据安全是首要考虑的问题，而大模型迭代训练需要庞大的数据，如果能够解决数据隐私和安全的问题将会是一次巨大的飞跃；客户服务方面，Cohere可以在更多领域提供定制化的AI服务，以打通市场，提高同行竞争优势。

从产品定位角度看，Cohere专注于打造toB服务型的产品，与业内云、数据库等服务型厂商进行合作，能够保障自身的独特竞争力。Cohere与业界企业达成广泛合作，主攻服务企业客户群的商业应用，直接与开发人员和企业合作，能够针对B端企业的需求提出解决方案，与OpenAI等基础模型厂商形成了一定的差异化，从而进一步扩张市场。

风险提示

AI技术落地不及预期：AI技术更新迅速，如果公司无法跟上技术应用的步伐，可能会被竞争对手超越。同时AI技术的使用会改变用户的工作方式，如果用户不愿意接受这些改变，可能会影响公司的潜在业务增长速度。即使AI技术在实验室环境中表现优秀，但在实际应用中可能遇到许多未预见的问题和挑战。技术落地的过程中可能出现技术难题、系统稳定性、性能等问题。

产品市场竞争加剧：随着竞争的加剧，公司需要不断创新以保持竞争优势。这可能需要大量的研发投入和时间，同时还需要承担创新失败的风险。同行业的竞对公司可能通过降低价格来吸引客户，这可能会迫使公司也降低价格，从而影响营收和利润。AI产品落地过程中，竞争加剧可能会分散市场，导致公司的市场份额下降。

数据更新不及时：AI领域变化较快，报告中引用的部分图表和数据存在一定的时效性，因此可能面临数据更新不及时的风险