Feixian Intelligence löst die Schmerzpunkte bei der Implementierung von Unternehmens-Großmodellen mit Technologien für intelligente Bewertung und Scheduling und startet die Angel-Runde-Finanzierung.

In der kritischen Phase, in der die Künstliche-Intelligenz-Industrie vom "Modellinnovation" in die "Maßstäbliche Umsetzung" eintritt, hat die Technologie der Large Language Models (LLMs) zwar rasch entwickelt, aber die skalierbare Anwendung in Unternehmen steht immer noch vor der dringenden Herausforderung der "letzten Meile". Nonlinear Intelligence ist auf den Markt gekommen und konzentriert sich auf die Intelligente Bewertung, das Scheduling und die Leistungssteigerung von Large Language Models. Durch die Integration heterogener Modellressourcen mit Kerntechnologien hilft es Unternehmen, die Kosten der KI-Nutzung zu senken und die Anwendungs-effizienz zu verbessern. Derzeit hat das Projekt die Seed-Runde der Finanzierung abgeschlossen und ist dabei, den Prozess der Angel-Runde voranzutreiben.

Probleme treten hervor: Unternehmen stoßen auf Schwierigkeiten bei der Umsetzung von Large Language Models, und der Marktbedarf ist dringend

Derzeit zeigt der Markt für Large Language Models ein explosionsartiges Wachstum, und monatlich werden 10 - 15 neue Modelle eingeführt. Wenn Unternehmen jedoch die Fähigkeiten von Large Language Models einführen, geraten sie in der Regel in mehrere Schwierigkeiten, was zu einer deutlichen Lücke im Marktbedarf führt. Laut einer Branchenstudie werden 70 % der KI-Projekte von kleinen und mittleren Unternehmen aufgrund von unzureichender Rechenleistung auf traditionelle Regel-engines zurückgeführt. Selbst Unternehmen mit einer gewissen Stärke stehen vor drei Kernproblemen, was auch die zentrale Gelegenheit für Nonlinear Intelligence ist, in den Markt einzusteigen.

Erstens ist das Problem der Modellauswahl besonders ausgeprägt. Es gibt eine Vielzahl von heterogenen Modellen auf dem Markt. Unternehmen fehlen die professionellen Fähigkeiten, um die Leistung, die Kosten und die Anwendungsfälle verschiedener Modelle zu beurteilen. Dies führt leicht zu "Fehlauswahlen", was dazu führt, dass die Technologie nicht auf die geschäftlichen Anforderungen abgestimmt ist und der tatsächliche Wert der Large Language Models nicht genutzt werden kann. Zweitens bleiben die Nutzungskosten hoch. Die Abrechnung für den Aufruf von Large Language Models basiert auf dem Token-System, und die Inferenzkosten machen 60 % der gesamten KI-Investitionen von Unternehmen aus. Ein E-Commerce-Intelligent-Service ruft täglich 100.000 Mal die API auf, und die jährlichen Kosten betragen bis zu 1,2 Millionen Yuan. Die hohen Kosten lassen viele Unternehmen zurückschrecken. Drittens ist die Leistungsstabilität unzureichend. Einzelne Modelllieferanten neigen zu Leistungsschwankungen, und allgemeine Large Language Models haben Probleme wie Halluzinationsgenerierung und veraltete Informationen. In professionellen Szenarien wie Finanz und Medizin kann die Fehlerrate die Anforderungen von Unternehmen nicht erfüllen. Gleichzeitig fehlt es an einem effizienten und praktikablen Standard für die Leistungsevaluation von Modellen.

Mit der zunehmenden Anwendung von Large Language Models in allen Branchen wächst der Bedarf von Unternehmen an effizienten, kostengünstigen und stabilen Modell-Scheduling- und -Management-Diensten exponentiell. Dies bietet auch Nonlinear Intelligence einen breiten Marktplatz.

Technische Lösung: Mit intelligenter Planung als Kernpunkt, differenzierte Lösungen aufbauen

Angesichts der Kernprobleme bei der Umsetzung von Large Language Models in Unternehmen positioniert sich Nonlinear Intelligence als intelligenter Scheduling-Zentrum und Leistungsverstärker für Large Language Models. Durch ein einzigartiges Technologie-System schafft es standardisierte KI-Dienste wie "Wasser, Elektrizität und Gas" an, damit Unternehmen die KI-Fähigkeiten so einfach, stabil und kostengünstig nutzen können wie öffentliche Einrichtungen. Seine Lösung stützt sich auf zwei Kerntechnologien und hat somit deutliche differenzierte Vorteile.

Eine der Kerntechnologien ist die intelligente Bewertungs- und Routing-Technologie. Nonlinear Intelligence hat ein effizientes Modell-Bewertungssystem aufgebaut. Basierend auf den Kernergebnissen der von ihm gemeinsam mit Spitzeninstituten veröffentlichten Studie "ReLE: A Scalable System and Structured Benchmark for Diagnosing Capability Anisotropy in Chinese LLMs" kann dieses System die Anisotropie der Fähigkeiten von chinesischen Large Language Models berücksichtigen und eine mehrdimensionale Echtzeitbewertung verschiedener Modelle durchführen. Der von der Studie vorgeschlagene dynamische Varianz-sensiblere Scheduling-Mechanismus kann die Rechenkosten um 70 % senken und gleichzeitig eine Rangkorrelation von 0,96 aufrechterhalten, um die Genauigkeit der Bewertungsergebnisse sicherzustellen. Auf dieser Grundlage kann die intelligente Routing-Technologie die Leistung und die Aufrufkosten verschiedener Modelle in Echtzeit analysieren und automatisch das kostengünstigste Modell für jede Anfrage eines Benutzers auswählen, um das Risiko von Leistungsschwankungen aufgrund der Abhängigkeit von einem einzigen Modell zu vermeiden.

Die andere Kerntechnologie ist die Token-Kompressionstechnologie. In Anlehnung an die Forschungsergebnisse von Institutionen wie Harvard und MIT nutzt Nonlinear Intelligence eine Token-Kompressionstechnologie, die nicht einfach auf das Abschneiden von Text basiert. Stattdessen werden redundante Tokens basierend auf ihrer semantischen Wichtigkeit ausgewählt. Durch einen ähnlichen Ansatz wie VisPruner zur Attention-Pruning werden bedeutungslose redundante Informationen entfernt, und mehr als 98 % der Schlüsselsemantik werden beibehalten, um so die Token-Ausgaben von Unternehmen erheblich zu senken und die Kosten auf ein Minimum zu reduzieren. Gleichzeitig kann diese Technologie auch das Problem der Verdünnung der Token-Attention-Gewichtung in Szenarien mit langen Kontexten lindern und die Inferenzgenauigkeit des Modells verbessern.

Darüber hinaus integriert Nonlinear Intelligence die verstreuten heterogenen Modellressourcen über eine einheitliche API-Schnittstelle zu standardisierten und benutzerfreundlichen Basisdiensten. Unternehmen müssen keine großen Personalkräfte einsetzen, um einen komplexen Technologie-Stack aufzubauen. So können Unternehmen die Umsetzung von Large Language Models schnell umsetzen und sich auf die Innovation in ihren eigenen Geschäften konzentrieren.

Stetiger Fortschritt: Unterstützung durch Lehre, Forschung und Industrie, Parallelität von Finanzierung und Markterweiterung

Das schnelle Wachstum von Nonlinear Intelligence ist auf seine starke Teambasis, die starken Ressourcen aus Lehre, Forschung und Industrie sowie den stetigen Fortschritt bei der Produktumsetzung und der Finanzierung zurückzuführen. Derzeit hat es bereits eine gewisse Wettbewerbsfähigkeit auf dem Markt erlangt.

In Bezug auf Team und technische Reserven hat das Team von Nonlinear Intelligence eine starke technische Basis und mehr als 12 Jahre Erfahrung in der Umsetzung von KI-Technologien in der Industrie. Die Teammitglieder sind Absolventen von der Massachusetts Institute of Technology (MIT) und der University of Michigan. Sie waren Schüler von Zhu Songchun, dem weltweit führenden Experten in der allgemeinen Künstlichen Intelligenz und Preisträger des Marr-Preises. Sie sind das komplette Team eines KI-Unikorns und waren der erste Mitarbeiter eines KI-Unikorns und haben auch ein Team von Hunderten von KI-Spezialisten bei Ping An Group geleitet. Das Team verfügt über mehrere Dutzend Kernpatente, und die technischen Artikel im Bereich der Künstlichen Intelligenz wurden weltweit mehr als 7.000 Mal zitiert. Die von dem Team gemeinsam mit Spitzeninstituten wie der Sun Yat-sen University, der Hong Kong University of Science and Technology (Guangzhou), Huawei, Ping An und NSFOCUS veröffentlichte Studie zu ReLE hat eine solide theoretische Grundlage für die Entwicklung der intelligenten Bewertungs- und Scheduling-Algorithmen der Plattform gelegt. Der auf GitHub veröffentlichte Quellcode des Projekts hat bereits einen starken Einfluss auf die Community von Unternehmen in diesem Bereich in China ausgeübt und die technischen Barrieren weiter verstärkt.

In Bezug auf Produktumsetzung und Markterweiterung hat Nonlinear Intelligence Ende 2025 die Beta-Version der öffentlichen Testphase gestartet. Es hat Kernfunktionen wie einen intelligenten Modellmarkt, die Modellauswahl und die Online-Beobachtung eingeführt und so die erste Validierung des Produkts erreicht. Derzeit hat die Plattform erfolgreich Weltkonzerne und Spitzenforschungseinrichtungen als Referenzkunden gewonnen und hat in den Suchmaschinen Google und Bing die Top-Drei-Positionen in Bezug auf die Sichtbarkeit weltweit erreicht, was die Markenpräsenz weiter erhöht hat. Bemerkenswerterweise ist Nonlinear Intelligence derzeit der einzige chinesische Anbieter von Infrastruktur für Large Language Models, der sowohl über eine tiefe Bewertungsfähigkeit als auch über eine neutrale Scheduling-Eigenschaft verfügt. Diese Neutralität ist auch ein wichtiger Vorteil bei der Anwerbung von Unternehmenskunden.

In Bezug auf Geschäftsmodell und Marktpotential verfolgt Nonlinear Intelligence ein Geschäftsmodell des "Modell als Dienstleistung" (MaaS). Es bietet standardisierte Modell-Scheduling-, -Bewertungs- und -Leistungsoptimierungsdienste an Unternehmenskunden, Spitzenforschungseinrichtungen und zahlreiche KI-Entwickler und erwirtschaftet Einnahmen durch die Bereitstellung dieser Dienste. Laut einer Branchenstudie erreichte der Markt für KI-Inferenz-Rechenleistung in China 2025 ein Volumen von 43,83 Milliarden Yuan, mit einer durchschnittlichen jährlichen Wachstumsrate von 66,3 %. Im Jahr 2026 wird der Anteil der Inferenz-Arbeitslast von KI-Servern auf 70,5 % steigen. Der Bereich der Modell-Scheduling- und -Optimierung, in dem Nonlinear Intelligence tätig ist, befindet sich in einer Phase des schnellen Wachstums und hat ein enormes Marktpotential.

In Bezug auf Finanzierung hat Nonlinear Intelligence erfolgreich die Seed-Runde der Finanzierung von dem Team von Shou Zheng Capital abgeschlossen. Die eingesammelten Mittel wurden hauptsächlich für die technologische Weiterentwicklung und die erste Produktpromotion verwendet. Derzeit wird der Prozess der Angel-Runde der Finanzierung aktiv vorangetrieben. Die zukünftigen Finanzierungsmittel werden sich weiter auf die Optimierung der Kernproduktalgorithmen und die Verbesserung der Unternehmensfunktionen konzentrieren, um die kommerzielle Umsetzung des Produkts zu beschleunigen.

In Zukunft plant Nonlinear Intelligence, die Kernkompetenz in der intelligenten Bewertung und dem Scheduling von Algorithmen weiter zu stärken, das Plattform-Service-System zu verbessern und mehr Referenzkunden und Partner zu gewinnen. Es ist bemüht, eine vertrauenswürdige Infrastruktur für die Anwendung von Large Language Models für Unternehmen zu werden und eine wichtige Rolle bei der Umsetzung der KI-Technologie für alle zu spielen.