Cohere 闡述打造 AI 前沿的策略，宣佈 E 輪融資首輪交割

今天，Cohere 宣佈其 E 輪融資已完成首輪交割，目標融資額最高達 70 億加元，由 Schwarz Group 領投，新加入及再次參與的投資者包括 Bell Ventures、Bullhound Capital、Inovia Capital、NVIDIA 和 Prosperity7 Ventures，以及加拿大政府。我們將運用這筆資金，在人工智能領域建立一項日益重要的事業：在美國和中國以外建立一家前沿科技公司。我們的目標是打造可與全球最佳模型競爭的前沿模型，建立一個讓機構掌控其所使用人工智能的安全平台，並提供民主國家可以信賴的網絡防禦。我們不必接受人工智能的未來只由少數人掌控，也不應希望如此。

數年之內，巴伐利亞的每間醫院、紐約的每間銀行，以及渥太華的每個政府部門，都會有很大一部分營運依賴人工智能。他們應該可以選擇世界級系統；這些系統依據他們信任的法律建立，採用可供檢視和調整的技術，可部署於他們自己的環境中，並設於可靠的平台上，在最關鍵時刻仍可使用。如今，許多機構面對一個令人不安的選擇：價格低廉的中國模型，或是功能強大、但無法完全瞭解或掌控的模型。市場已經作出選擇：今年較早時，透過 OpenRouter 提供服務的開放模型令牌中，超過 70 percent 來自中國模型；十四個月前，這個比例僅為 3 percent。

我們正致力改變這種情況。

選擇和掌控的需要已不再只是理論上的問題。近代歷史顯示，通訊、能源和國家安全基礎設施背後的技術，最終可能受其他地方作出的決定所控制。商業決策、出口管制或地緣政治事件，都可能令使用權一夜之間改變，而且往往沒有多少替代方案。每種情況各有不同，但教訓相同：各國需要確保能夠使用維護自身安全、韌性和競爭力所需的技術。隨着盟友政府承擔更多責任，自行保障國防、基礎設施和技術能力，人工智能也應列入其中。

反對前沿宿命論

今年較早時，加拿大和德國在慕尼黑成立主權科技聯盟，並表示他們「選擇建設」；這正是我們希望體現的精神。然而，愈來愈多人認為，人工智能的前沿只屬於兩個國家和少數幾家公司，其他人就應接受向勝出者租用智能。民主世界各地的董事會、政府部門和投資委員會中，都有人提出這種説法，他們通常是出於好意。支持者稱之為現實主義；我們則稱之為前沿宿命論。

若將前沿宿命論推至其邏輯結論，它就是一套有計劃地走向衰退的方案。它要求各國放棄花了數十年建立的能力。在投入資金發展研究、人才和創新後，各國卻要圍繞自己無法掌控、無法實質影響，甚至未必能夠無限期使用的技術，建構其經濟、公共服務和國防基礎設施。人們還會期望他們感激能夠使用 API。

宿命論者有一點説得對：在前沿領域開發並不容易。這需要投入大量資本、算力和研究人才，規模之大，只有少數機構能夠集結足夠資源。他們錯在以為競爭只有一種方式。

前沿領域不止一個

討論前沿 AI 模型時，許多混淆源於把「前沿」説得彷彿只有一個。但各個領域都有其前沿：從尋找軟件漏洞、分析數十種語言的情報，到處理銀行的合規工作，每一類有價值問題都各有其所能達到的最佳表現。哈佛商學院的研究人員將這種不均衡稱為「參差不齊的技術前沿」。在許多領域，成功不僅取決於模型本身，也取決於其配套系統：如何組織上下文、追蹤狀態、驗證推理，以及評估輸出。這種現實為更多開發者創造了空間。而在參差不齊的技術前沿中，有些面向若要維護自身主權，自行掌握而非購買至關重要。

證明：網絡安全

網絡安全是當今最重要的領域前沿之一。Anthropic 的 Claude Mythos Preview 展示了先進模型發現此前未知漏洞的潛力，而Project Glasswing則將這項工作擴展至15個以上國家的關鍵基礎設施營運者。這些進展固然重要，但大多是在不公開的情況下取得，存取權限僅向一小羣合作夥伴開放，條件由單一供應商訂定，反映出更廣泛的前沿 AI 格局同樣存在集中化現象。更重要的是，這些進展並不能證明網絡防禦的領導地位必然只屬於打造出最強通用模型的公司。

即將以 Cohere Cyber 身份加入我們的 AISLE，提出了不同觀點。該公司將漏洞發現描述為一種生產函數，有兩項投入：每個 token 的智能程度，以及每美元可處理的 token 數量。實際而言，這代表模型能力只是其中一部分。設計完善的系統可以運用高效模型探索更多可能性、執行更多測試，並驗證更多發現。原始智能固然重要，把智能轉化為成果的能力也同樣重要。

證據很有説服力。8月，curl 創辦人 Daniel Stenberg表示，Mythos、OpenAI 的 Codex Security 和 ZeroPath 在他的程式碼庫中都沒有找到更多問題。其後，AISLE 的系統找出curl 10 月版本修復的24個漏洞中的18個。專門的網絡安全平台與通用模型並不能直接比較，但這正是重點所在。機構不會單獨部署模型，而是部署系統、產品和工作流程。最終重要的是整套系統的表現。

網絡安全也為 AI 開發帶來一項獨特而寶貴的要素：確證結果。疑似漏洞可以重現，由維護人員驗證，並針對建議的修復方案進行測試。這使網絡安全不僅是至關重要的領域本身，也是改進支援網絡安全的模型的理想環境。

各個前沿領域如何相互促進

人們或許會認為，專注特定領域的公司在通用模型方面落後是意料中事，但實際上，領域研究是提升通用模型的最佳途徑之一。在領域前沿開展工作，意味着要在某一類有價值的問題上力求取得最佳成果，無論是透過專門模型、配合適當工具和指示的通用模型，還是以多個模型為核心構建的完整系統。

近年模型推理能力的一些重大進展，來自於在特定領域進行強化學習；在這些領域，電腦可以驗證答案，例如證明是否成立、測試是否通過，或程式錯誤能否重現。模型在這些領域學到的技能，能延伸至領域以外及相關場景，推動通用模型進步，同時提升領域專用模型。

與客戶合作處理現實任務，也讓我們看到現今模型有哪些不足，而這些不足往往難以從公開基準測試中反映出來。每次失敗都讓我們知道下一個模型需要在哪些方面做得更好。客戶也會告訴我們哪些能力最重要。公共部門客戶通常最先提出的要求，是具備強大的多語言分析能力，以及除了文字外，還能讀取圖片和文件；銀行、電訊營運商或醫院對 AI Agent 的需求也一樣。

所有這些改進都會迴流至我們的通用模型；通用模型越好，我們在其上構建的所有產品能力也越強，因此一個領域的客戶也能受惠於我們在另一個領域的所得。這個循環正是我們同時在所有這些前沿領域開展工作的原因，而本輪融資旨在加快這個循環。

歐洲曾有過這樣的經驗

挑戰者能否以這種方式挑戰根深蒂固的巨頭，採取不同的方法，並有盟友與其並肩發展，是歐洲過去曾回答過的問題。半個世紀前，答案來自商業航空。

1960年代後期，美國製造商主導噴射客機市場。歐洲各國的飛機製造商單獨規模都太小，無法與之抗衡。1969年，英國政府撤回了對項目的資助；該項目後來發展成為 Airbus。法國和德國則繼續推進。Airbus 起步時並非逐款仿效 Boeing 飛機，而是以不同設計競爭：A300，全球首款雙引擎廣體客機。Airbus 花了多年才取得商業成功。1977年，由阿波羅8號前指揮官 Frank Borman 領導的 Eastern Air Lines 同意試用四架 A300，其後再訂購更多，成為一個突破。十年後，A320 為客機引入電傳操縱系統。2025年，Airbus交付了793架飛機，Boeing 則交付600架。

教訓是，表面上已成定局的市場，仍可由具實力的競爭者撼動；這類競爭者有耐心投資、採用與眾不同的策略，並有願意共同打造產品的合作夥伴。Airbus在阿拉巴馬州莫比爾製造噴射客機，每年向超過2,000家美國供應商採購逾150億美元的產品。其A220最初是Bombardier的C Series，於魁北克設計。其不少引擎來自CFM International；這是一家由GE與法國Safran各佔一半的合資企業，其LEAP引擎亦為Boeing的737 MAX提供動力。這一切都不會令Airbus變得不那麼歐洲。在飛機機體上競爭、在引擎上合作，令大西洋兩岸都更強大。

這正是我們對 AI 發展模式的構想。我們正在打造的是民主世界的另一個選擇，美國從中受惠的程度不亞於加拿大、德國及其他盟友。美國的前沿 AI 領域不應獨自承擔與中國競爭的重任。在民主世界各地發展更多前沿能力，能令整個聯盟更強大。

二十年來的建設

這項宏圖所需的根基已經存在。AI 一直是一項國際計劃，加拿大和德國一直是重要貢獻者。2004 年，當時神經網絡幾乎在所有地方都乏人問津，加拿大的 Canadian Institute for Advanced Research 支持由 Geoffrey Hinton 領導的 AI 計劃，讓他與 Yoshua Bengio 及 Yann LeCun 一起合作。三人其後因深度學習研究獲頒圖靈獎。2017 年在 Google 發表的 Transformer 論文，由八位背景遍及七個國家的研究人員撰寫。其中一人當時是多倫多大學本科生，後來共同創立 Cohere。同年，加拿大成為 首個制定國家 AI 策略的國家，並以 Vector Institute、Mila 和 Amii 為核心。

自 2017 年以來，渥太華已承諾向 AI 投入超過 C$5 billion：其中約 C$742 million 用於 Pan-Canadian strategy；2024 年預算案中的 C$2.4 billion 一攬子措施 包括 C$2 billion 的 Sovereign AI Compute Strategy；而今年 6 月的 AI for All 策略則再投入 至少 C$2 billion。這些投資已在創新和人才方面帶來回報。加拿大人口約佔全球人口的半個百分點，卻匯聚了全球頂尖 AI 研究人員約 10%。德國亦作出類似投資，自 2018 年起承諾向國家 AI 策略投入 €5 billion，並將圖賓根的 Cyber Valley 發展成歐洲最大的 AI 研究合作項目之一。

研究與人才是基礎。下一步是建立公司，將它們轉化為前沿能力，為研究人員創造在本土建設的機會，並提供機構可用的系統。這正是本輪融資的目的。大西洋兩岸的投資者、研究機構、基建合作夥伴和客戶都與我們共同建設，因為他們相信 AI 的未來應有更多競爭，而不是向宿命論屈服。我們的 E 輪融資是加拿大私人公司有史以來籌得的最大一輪融資，並將公私營二十年來的投資帶進新篇章。

我們將建設甚麼

不同價位的模型，直至前沿級別。 前沿能力的分佈並不均勻，而實用能力的成本正迅速下降。我們會繼續投資前沿模型，同時開發更小巧、更有效率的模型，供不需要使用現有最大型系統的任務使用。客戶既需要使用不斷進步的能力，也需要根據效能、成本、延遲及部署要求，靈活為每項工作選擇合適的模型。目標不是以一個模型處理所有任務，而是提供一系列能力，讓客戶按自己的方式部署 AI。我們會繼續與研究、主權基礎設施、企業部署及雲端服務領域的合作夥伴合作，滿足客戶各方面的需求。

由客戶掌控的平台。 如果模型可以互換，能持久保值的資產就是管理機構數據和工作流程的那一層，而這一層應由客戶擁有。North 是我們的代理式 AI 平台，旨在擔當這一層。它可在客戶自有的雲端、數據中心或完全隔離網絡環境中運作，而且不受特定模型限制，讓機構除了使用 Cohere 模型，亦可選用其他模型。工作流程、數據及控制權都由客戶掌握，外部供應商無法將其關閉。Reliant AI 於今年較早時加入我們，將 North 的能力拓展至生物製藥及醫療保健領域。我們會以同樣的方式拓展至更多行業，結合世界級模型與專為實際部署而設的產品。

前沿級網絡安全防禦。 網絡安全正是領域前沿論點已獲驗證的範疇，也是可靠存取最重要的領域。透過計劃收購AISLE（該公司在首年識別出超過 500 個 CVE），我們正打造 Cohere Cyber：一套前沿級系統，旨在協助防守方在攻擊者利用漏洞前找出、驗證並修補漏洞。系統可在內部部署、防火牆後方或完全隔離網絡環境中運作，確保敏感原始碼絕不會離開機構內部。由於系統使用由客戶託管的模型，外部供應商無法在最關鍵時刻限制存取或將其關閉。最重要的是，系統專為防禦而設，目的是在弱點演變成事故前將其識別並修補，讓防守方掌握先進的網絡安全能力，同時不會實質增加其他各方的風險。

未來十二個月。 我們會完成與 Aleph Alpha 的合併及對 AISLE 的收購，為完全隔離網絡及機密環境推出 Cohere Cyber，發布新一代模型，並與盟友夥伴展開前沿規模的訓練。每一步都推進同一策略：打造更強大的模型、為模型配備更完善的系統，並讓依賴兩者的機構擁有更多控制權。

攜手建設

AI 將成為經濟體系、公共服務及國防營運基礎設施的一部分。由誰建設、受哪些法律規管，以及如何問責，將影響每個採用 AI 的國家可作出的選擇。任何國家都不必獨自建設這套基礎設施的每個部分。但民主世界需要更多有能力作出貢獻的國家和公司。

加拿大和德國已選擇投入建設，我們亦然。如果你是政府、關鍵基礎設施營運者、研究人員，或相信聯盟在更多成員具備建設能力時會更強大的美國合作夥伴，我們希望與你合作。前沿領域並非由一成不變的國家或公司專屬，而是屬於願意推動其發展的人。