700 Millionen, ein KI-Selbstevolution-Startup sichert sich neue Finanzierung, Chen Danqi gibt offiziell ihren Beitritt bekannt
Bericht von Zhidongxi am 17. November: In den frühen Morgenstunden heute hat das amerikanische Startup für selbstevolutionäre KI Noeri offiziell bekanntgegeben, dass es eine Finanzierungsrunde in Höhe von 110 Millionen US-Dollar (ca. 733 Millionen Yuan) abgeschlossen hat. Die Investoren sind Menlo Ventures, Madrona Venture Group, NVIDIA, NEA, Kindred Ventures, Wing Venture Capital, aix ventures, Principal VC, Cisco Investments und Snowflake usw.
▲ Offizieller Ankündigungs-Tweet von Yejin Choi, Mitbegründerin von Noeri (Quelle: X)
Der bekannte chinesische KI-Wissenschaftler, außerordentlicher Professor an der Fakultät für Informatik der Princeton University und Leiter der NLP-Gruppe, Absolvent des Yao-Kurses der Tsinghua-Universität, Chen Danqi, hat auf X veröffentlicht, dass sie vor zwei Monaten bereits teilzeit zu diesem Startup gestoßen ist.
▲ Offizieller Ankündigungs-Tweet von Chen Danqi (Quelle: X)
Es ist bemerkenswert, dass dies nicht das erste Mal ist, dass Chen Danqi einem KI-Gründungsteam beitritt. Im August 2025 trat Chen Danqi unbemerkt dem Team von Thinking Machines Lab bei und wurde Kollegin von Lilian Weng, ebenfalls einer chinesischen Forscherin. (Chen Danqi und Lilian Weng sind jetzt Kolleginnen!)
Noeri wurde 2026 gegründet und wird gemeinsam von den Stanford-Professoren Yejin Choi und Carlos Guestrin gegründet. Das Geschäft konzentriert sich darauf, die eigenen Daten und Fachkenntnisse von Unternehmen zu nutzen, um spezielle KI-Systeme zu erstellen, die sich kontinuierlich verbessern können.
Yejin Choi erläuterte in dem Ankündigungs-Tweet den technischen Weg von Noeri weiter: Der Kern besteht darin, selbstverbessernde KI zu entwickeln, was konkret drei Richtungen umfasst:
1. Kontinuierliches Lernen bei der Arbeit, um die Lücke zwischen den vorhandenen Fähigkeiten der KI und den Anforderungen der dynamischen Welt zu schließen;
2. Lernen, andere KIs als Werkzeuge zu verwenden und neue Werkzeuge zu schaffen, um die eigenen Grenzen zu überwinden;
3. Auswahl von Modellen mit passender Größe für Ihre Probleme, deren Kosten nur ein Bruchteil der Kosten modernster Modelle betragen.
01.
Yejin Choi: Brücke zwischen Wissenschaft und Industrie
Ehemalige Senior-Direktorin für KI-Forschung bei NVIDIA
Yejin Choi (koreanischer Name: 최예진, auf Chinesisch oft als Choi Yezhen übersetzt), die von Chen Danqi als „Vorbild“ bezeichnet wird, ist Professorin an der Fakultät für Informatik der Stanford University, Dieter Schwarz-Stiftungsprofessorin für HAI und leitende Forscherin am Stanford Institute for Human-Centered Artificial Intelligence (HAI).
Yejin Choi erwarb 2010 ihren Doktortitel in Informatik an der Cornell University in den USA. Im selben Jahr trat sie der Fakultät für Informatik der State University of New York at Stony Brook bei und arbeitete dort als Assistenzprofessorin.
2014 wechselte Choi zur Paul G. Allen School of Computer Science & Engineering der University of Washington, stieg dort bis zur Professorin auf, übernahm eine gemeinsame Anstellung am Allen Institute for AI (Ai2) und wurde später leitender Forschungsleiter dieses Instituts.
Neben der Forschung an Hochschulen weitete Choi ihre Arbeit schrittweise auf die Industrie aus. Ab 2018 arbeitete sie zudem als leitende Forschungsdirektorin bei NVIDIA an KI-Forschungsarbeiten und wurde später zur Senior-Direktorin für KI-Forschung befördert.
Im Januar 2025 gab das Stanford Institute for Human-Centered Artificial Intelligence (Stanford HAI) bekannt, dass Choi offiziell beitritt. Sie übernahm die Position der Dieter Schwarz Foundation HAI-Lehrprofessorin, Professorin an der Fakultät für Informatik und leitende Forscherin am Stanford HAI.
Neben der akademischen Forschung erhielt Choi zahlreiche internationale Anerkennungen. 2022 erhielt sie das MacArthur-Stipendium (MacArthur Fellowship), 2023 wurde sie in die Liste der einflussreichsten Persönlichkeiten im globalen KI-Bereich des *Time*-Magazins aufgenommen.
02.
Carlos Guestrin: Gründung als Stanford-Professor
Ehemaliger Verantwortlicher für maschinelles Lernen und KI bei Apple
Im Gegensatz zu Choi spiegelt der berufliche Werdegang des anderen Mitbegründers Carlos Guestrin stärker den Prozess wider, Technologie aus der akademischen Forschung in industrielle Anwendungen zu überführen.
Carlos Guestrin erwarb 2003 seinen Doktortitel in Informatik an der Stanford University. Im selben Jahr trat er dem Intel Research Berkeley Laboratory als leitender Forschungswissenschaftler bei.
Ein Jahr später wechselte Guestrin in den Hochschulbereich, trat der Carnegie Mellon University bei, arbeitete nacheinander an der Fakultät für Informatik und der Fakultät für Maschinelles Lernen und war Finmeccanica-Außerordentlicher Professor. 2012 trat Guestrin der Fakultät für Informatik und Ingenieurwesen der University of Washington bei und war Professor für Maschinelles Lernen.
2013 kommerzialisierte er das zuvor in der akademischen Forschung entwickelte Open-Source-Projekt GraphLab weiter, gründete gemeinsam GraphLab, um die Anwendung großtechnischer maschineller Lerntechnologien in Unternehmen zu erforschen.
Dieses Unternehmen wurde 2016 in Turi umbenannt. Es bietet hauptsächlich eine Plattform für maschinelles Lernen für Entwickler und Datenwissenschaftler an, um Unternehmen beim Aufbau und Einsatz intelligenter Anwendungen zu unterstützen.
Diese Gründungsphase endete schließlich mit einer Übernahme durch Apple. 2016 erwarb Apple Turi, Guestrin trat anschließend Apple bei und übernahm die Position des Senior Director of Machine Learning and Artificial Intelligence, um an den maschinellem Lernen und KI bezogenen Projekten von Apple mitzuarbeiten.
Nach einer gewissen Zeit bei Apple kehrte Guestrin 2021 in die akademische Welt zurück, trat der Fakultät für Informatik der Stanford University als Professor bei, wurde später Fortinet Founders Professor und ist zudem leitender Forscher am Stanford HAI.
Seine Forschung umfasst maschinelles Lernen, Data Mining, verteiltes Rechnen und KI-Systeme. Sein Team hat mehrere weitverbreitete einflussreiche Open-Source-Projekte wie XGBoost, LIME, Apache TVM, MXNet, GraphLab/PowerGraph herausgebracht.
Darunter wurde XGBoost gemeinsam von Carlos Guestrin, außerordentlicher Professor an der Carnegie Mellon University, und Chen Tianqi, herausragender Ingenieur bei NVIDIA und Absolvent der Shanghai Jiao Tong University, entwickelt. Es ist zu einem in der Industrie und bei Wettbewerben für maschinelles Lernen weitverbreiteten Werkzeug geworden.
Im Hinblick auf Auszeichnungen erhielt er unter anderem den President's Early Career Award for Scientists and Engineers (PECASE) und den IJCAI Computers and Thought Award.
03.
Schlussfolgerung: Kontinuierliche Evolution von Modellen in realen Geschäftsprozessen
Noeri zielt auf die praktische Umsetzung ab
Aus dem Werdegang der beiden Mitbegründer geht hervor, dass die von Noeri erforschte Richtung nicht aus dem Nichts entstanden ist. Choi forscht seit langem über das allgemeine Schlussfolgerungsvermögen und die kognitiven Fähigkeiten von KI, Guestrin verfügt über Erfahrung in der Entwicklung und Kommerzialisierung von Systemen für maschinelles Lernen. Die gesammelten Forschungsarbeiten beider lenken die Aufmerksamkeit auf die Frage, wie KI-Fähigkeiten in reale Anwendungsszenarien gelangen können.
Für Unternehmen ist die Fähigkeit allgemeiner Modelle zwar wichtig, aber es ist auch ein unumgängliches Problem im Umsetzungsprozess, dass die KI das eigene Geschäft versteht, die unternehmenseigenen Daten nutzt und im praktischen Arbeiten ständig Erfahrungen sammelt.
Noeri zielt genau auf diese Richtung ab, und die Investitionen der Kapitalgeber zeigen die Anerkennung und Erwartung der Branche an diese Richtung.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Zhidongxi“ (ID: zhidxcom), Autor: Wang Han, Redakteur: Li Shuiqing, veröffentlicht mit Genehmigung von 36Kr.