Synthefy完成650万美元融资，推出专为数值数据训练的基础模型

一家名为Synthefy Inc.的初创公司今日宣布完成650万美元种子轮融资，并表示将对数值数据领域做出类似大语言模型改变文本处理领域的变革。

本轮融资由Wing Venture Capital领投，Haystack、Samsung Next、Canonical Crypto和Lightscape参投，同时还获得了来自OpenAI、微软和Meta的天使投资人支持。融资所得将用于扩展其专为数值数据而非文本数据打造的新型基础模型平台。

Synthefy是"结构化数据基础模型"（Structured Data Foundation Models，简称SDFMs）概念的首创者。与大语言模型通过海量文本数据学习词语规律类似，Synthefy的SDFMs通过大量数值数据来学习数字与运算规则。通过摄取大规模数值计算数据，该模型能够保留时间序列数据和表格中的复杂关系，从而实现跨数值数据的泛化能力，并以比传统机器学习模型更快、更准确的方式完成计算任务。

在宣布融资的同时，Synthefy还介绍了其首个开源SDFM——Nori。该模型几周前已悄然发布，架构极为轻量，但性能表现却相当出色。测试数据显示，拥有3000万参数的Nori版本能够超越谷歌拥有16亿参数的TabFM模型。在开启"思考"功能后，Nori的表现更为突出，在参数规模仅为谷歌模型2%的情况下仍能超越后者。

Synthefy表示，Nori等SDFMs专为欺诈检测、动态定价等场景设计。虽然这些并非全新应用场景，传统上企业通常使用LightGBM和XGBoost等机器学习框架来处理这类任务，但Synthefy联合创始人兼首席执行官Somi Agarwal告诉媒体，大多数企业需要耗费数周时间进行数据准备、训练和微调，才能构建出足够可靠的模型。

"这些工作无法积累复用，"他说，"每一个新的欺诈检测、定价或预测问题都要从头开始。但有了Nori，团队可以直接将模型指向新的数据表或问题，无需针对新数据集重新训练或调优，就能获得有效预测。这可以将初步评估的周期从数周甚至数月压缩到几分钟。"

Agarwal表示，SDFMs在针对特定任务进行预训练后，可以获得相当可观的性能提升。"Nori已经从数百万个合成数据集中学习，因此面对新问题时拥有丰富的'经验'，而非从零开始，"他说，"即便是在定价、欺诈或需求预测方面的细微改进，在企业规模下也可能价值巨大。"

依托可复用基础模型层，Synthefy为企业提供了一种训练和部署专用模型的方式，适用于几乎所有需要大量数值运算的应用场景，包括需求预测、定价优化、风险分析和基础设施监控等。企业可以通过开放模型、托管API或在自有计算环境中部署等方式获取这些能力。

在商业化方面，虽然模型本身开源，但Synthefy计划通过在基础层之上提供高级支持和增值能力来实现盈利。Agarwal表示："商业机会在于围绕模型构建的企业级产品，包括托管API使用、专有功能、私有化部署、安全与治理管控、系统集成、技术支持以及大规模生产基础设施等。"

值得关注的是，Nori上线仅数周便已累计下载超60万次。Synthefy表示，未来将利用本轮融资加速研究、招募工程师，并开发下一代Nori，同时也对新的行业合作保持开放态度。

Wing Venture Capital创始合伙人Gaurav Garg表示，他看好Synthefy的结构化数据模型将成为AI模型市场的下一个重大增长点。"Synthefy正在构建一个能够处理全球规模最大、最具价值数据集的模型平台，"他解释道，"其技术性能、高效架构、开放模型与早期企业客户牵引力的结合，使该公司有望定义这一新兴品类。"

Q&A

Q1：Synthefy的结构化数据基础模型（SDFMs）和普通大语言模型有什么区别？

A：大语言模型通过海量文本数据学习语言规律，而Synthefy的SDFMs则专门针对数值数据进行训练，能够保留时间序列和表格数据中的复杂关系，实现更快、更准确的数值计算。两者的核心区别在于训练数据类型不同，SDFMs更擅长处理数字密集型任务，如欺诈检测、动态定价和需求预测等。

Q2：Nori模型的性能表现如何？

A：Nori是Synthefy推出的首个开源结构化数据基础模型，架构非常轻量。测试数据显示，3000万参数的Nori能够超越谷歌拥有16亿参数的TabFM模型；开启"思考"功能后，Nori在仅为谷歌模型2%参数规模的情况下，仍能取得更优的表现。Nori上线数周内已累计下载超60万次。

Q3：Synthefy打算怎么靠开源模型赚钱？

A：虽然Nori模型本身开源免费，但Synthefy计划围绕基础模型提供企业级增值服务来实现商业变现，包括托管API使用、专有功能、私有化部署、安全与治理管控、系统集成、技术支持以及大规模生产基础设施等付费服务。