歐洲投融資收購信息彙總2020年4月13日-4月17日

①瑞典初創公司Dirac獲600萬美元融資


為小米、一加、錘子、OPPO、華為、傳音等國內知名手機廠商提供過音頻技術解決方案的瑞典音頻技術初創公司 Dirac 近日宣佈,獲得一筆 600 萬美元融資。本輪融資由 Inbox Capital、Swedia Capital、Johan Sedihn、及 DIG Investment 提供。據瞭解,本輪融資後,Soptify 前副總裁及天使投資人 Jonathan Forster 將加入該公司董事會。

公司介紹

Dirac

成立於 2001 年的 Dirac 主要向客戶提供面向消費市場領域的音頻技術解決方案,幫助客戶改善並提升設備的音質。從諸如寶馬、沃爾沃、勞斯萊斯這樣的汽車廠商再到上文提及的手機制造商均為其服務對象。而就在不久前,Dirac發佈了一款面向消費者的手機端音效增益軟件,以幫助用戶提升使用耳機時的音頻播放效果。本次的融資也將用於支持這項技術的發展。公司表示,這筆資金將用於專注耳機音效技術及其它技術方案的發展。

歐洲投融資收購信息彙總2020年4月13日-4月17日

Dirac 曾在去年初獲得過一筆 1320 萬美元融資,Club network Investments、Erik Ejerhed 和 Staffan Persson 對此參投。Dirac 在當時表示,該融資將用於推進實現音響系統的數字化,創建更加智能、適應性更強的音頻處理解決方案。目前,該公司在哥本哈根開辦有一家研發中心,同時在北京、上海、深圳均設有相關辦事處。

最新的Dirac解決方案被瑞典許多最歡迎的DJ和音樂製作人稱讚為可通過任何耳機體驗到錄音棚裡豐富細節和充沛活力的最佳方法。2020年1月7日美國內華達州拉斯維加斯—瑞典音頻技術領先廠商Dirac今天宣佈推出其針對智能手機和其他移動設備的最新Dirac數字音頻解決方案。這項新技術還原了通常在耳機中丟失的最細微的節拍、音調和聲音,並將增強後的內容通過在頭部外拓展的聲場空間帶給聆聽者。不管耳機質量或價位如何,該技術都能在任何耳機上帶來更高清晰度和更寬廣聲場的聆聽體驗。

歐洲投融資收購信息彙總2020年4月13日-4月17日

Dirac數字音頻解決方案及其相應的移動應用程序使用定製化的算法升級了與其連接的耳機,這些算法可以增強音樂的每個細節並釋放出耳機的全部潛力。聆聽者可以通過打開/關閉Dirac,聆聽並感受到Dirac技術帶來的令人難以置信的前後差異。藉助這一項最新的數字音頻解決方案,Dirac以提升所有內容音質的方式,將最新的研究成果整合到了音質增強以及臨場感提升的算法中,且與錄製聲音的音頻編解碼無關;而其他聲稱音質增強和臨場感提升的方法則要求使用一個特定的編解碼來錄製音頻。

Dirac憑藉著超過18年的數字音頻研發經驗,產出超過17項專利系列。其獨樹一幟的音質改善技術,深受全球眾多知名音頻品牌的青睞。目前,Dirac正在與一些全球最大的智能手機和音樂流媒體公司進行商談,將數字音頻解決方案嵌入其產品和平臺事宜。第一個合作伙伴關係將於2020年第一季度宣佈。

②瑞典電競公司公司G:loot完成1210萬美元融資

瑞典電競公司G:loot在前不久完成了一輪1210萬美元的融資,而這也是迄今為止北美地區資金規模最大的一次電競領域融資。本輪融資由瑞典銀行Robur基金領投,G:loot計劃利用新融得的資金擴大公司規模,並加大在平臺研發和市場營銷方面的投入力度。

公司介紹

G:loot

G:loot位於瑞典首都斯德哥爾摩,前身為Gumbler,打造了一個便於移動遊戲、PC遊戲玩家與朋友或陌生人競賽並贏取真錢獎勵的電競平臺。在本輪融資之前,這家公司去年曾獲得融資600萬美元,投資方包括Inbox Capital、男子職業網球運動員羅賓·索德靈和瑞典男足國家隊隊長德烈亞斯·格蘭奎斯特等。


歐洲投融資收購信息彙總2020年4月13日-4月17日

與此同時,G:loot還與PGL、Dreamhack合作舉辦線下電競賽事,“許多投資人對我們表示了濃厚興趣。事實上,我們無法讓他們都參與進來。”G:loot首席執行官PatrikNybladh表示,“我們的未來潛力巨大,這才剛剛是個開始。經濟支持讓我們能夠實現願景,那就是讓全世界任何地方的任何人都有機會通過玩遊戲贏得金錢。”

G:loot通過不斷增長的個人電腦和手機遊戲陣容,創造並讓用戶參與在線競賽和錦標賽。G:loot有專門的社區,玩家們可以在這裡進行競爭和聯繫。就像G:loot的球員一樣,我們雄心勃勃,充滿激情,總是力爭上游。G:loot共同的目標是成為電子競技世界的先鋒,讓任何人都能接觸到它!

歐洲投融資收購信息彙總2020年4月13日-4月17日

“我們是一個全球性的電子競技平臺,致力於為所有人提供電子競技。我們將社區聚集在一起,安排比賽和聯賽,並在手機和電腦上播放一些大型遊戲的在線/離線活動,還有像twitch這樣的合作伙伴。就像我們的用戶一樣,我們雄心勃勃,充滿激情,總是力爭上游。G:loot不僅是瑞典最大的電子競技公司,也是歐洲最大的電子競技投資公司,全球掠奪學習的創造者。” G:loot員工David說道。

③捷克初創公司LIV完成260萬美元A輪融資

混合現實流式直播/錄屏平臺LIV宣佈已完成260萬美元的A輪融資,由Hiro Capital領投,Credo和Seedcamp等投資者參投。他們將利用這筆資金擴展開發團隊,進一步開發面向遊戲開發者、內容創作者和其他直播者的混合現實錄制解決方案。

公司介紹

LIV

LIV成立於2016年,總部位於捷克布拉格,是一家致力於為開發者和其他創作者提供混合現實錄制工具的公司。值得一提的是,這家公司於今年7月宣佈已經完成了100萬美元的種子輪融資,當時的投資者包括Oculus聯合創始人帕爾默·拉奇,熱門VR音遊《Beat Saber》開發商Beat Games的聯合創始人兼首席執行官雅羅斯拉夫·貝克(Jaroslav Beck)(Beat Games同樣位於捷克),Seedcamp,TechStars,Credo Ventures,Vive X和Splitverse。

歐洲投融資收購信息彙總2020年4月13日-4月17日

該公司計劃將這筆資金用於擴展核心團隊,進一步開發面向遊戲開發者、內容創作者和其他直播者的混合現實錄制解決方案。迄今為止,LIV已經集成至150多款體驗,最為著名的當屬《Beat Saber》。另外,他們即將提供對Oculus Native SDK的支持。

LIV創始人兼首席執行官AJShewki表示:“我們認為VR是最終的計算平臺,而在一個VR是主流的世界中,我們需要允許創作者和開發者實時分享其體驗的工具。在虛擬現實裡面,你的身體即是你的控制器,我們必須將這種細微差別融入到旁觀體驗中。我們已經將VR從‘眼見為實’的體驗轉變為可以通過2D屏幕觀賞的內容,同時依然能夠展示六自由度VR的魔力。”

歐洲投融資收購信息彙總2020年4月13日-4月17日

AJ Shewki繼續說道:“我們LIV的使命是將遊戲開發者,主播和觀眾聯接起來,從而創造最佳的VR觀眾體驗。我們現已集成了數百款VR遊戲,得到數千名VR主播的使用(如Ragesaq和VROasis),而且基於LIV的遊戲已經在Twitch,Mixer,YouTube等平臺實現了數十億的觀看次數。”他進一步表示,下一個版本將添加動態照明,漸變系統和其他炫酷的功能。

Hiro執行合夥人LukeAlvarez指出:“ Hiro很高興能夠投資LIV,這是我們基金的第二筆投資,同時是我們在電競/流媒體方面的第一筆投資。儘管VR市場依然只是利基,但流媒體受眾群體已經非常巨大。Hiro相信數字到現實世界的融合,我們喜歡將兩個世界融合在一起的技術。LIV能夠實現這一願景,而我們期待與AJ Shewki團隊的合作。

④瑞士科技公司Demiurge獲950萬美元融資

主打“意識學習”的瑞士人工智能初創公司Demiurge融資950萬美元,此次參與投資的包括馮侖,樂博資本楊寧和喬順昌的180萬美元天使輪投資與來自弘道資本770萬美元的A-1輪投資。

公司介紹

Demiurge

Demiurge Technologies 是一家位於瑞士的人工智能初創公司,於2015年5月成立。據瞭解,Demiurge的意識學習是一種新型的脈衝神經網絡模型,其強大的自主學習能力與低廉的應用成本有望替代深度學習的簡單神經網絡模型。Demiurge目前正在開發基於意識學習的下一代通用大腦芯片和智能機器人。

歐洲投融資收購信息彙總2020年4月13日-4月17日

關於所謂“智能”的理解成為時下人工智能從業者不同維度的努力方向。此前,機器之心曾報道了紐約大學心理學教授Gary Marcus對於現有人工智能發展的批評,在他看來,如果研究者要創造真正複雜的人工智能——一種可快速學習周遭世界的智能,那麼人們必須從兒童學習新概念並進行概括的方法中找尋靈感。

Demiurge公司也認為,真正的智能必須具備一個自我監督式的,完全自適應的,永遠在線的學習機制並建立一個閉環的感知與運動反饋迴路。只有這樣,智能系統才能通過與物理環境的動態交互來實時建立精準的世界模型。只有實現了真正的智能, 大多數我們所設想的人工智能產品和應用(例如,無人駕駛汽車,家庭服務機器人等)才可以適應真實應用場景下極為苛刻的制約因素(功耗,延遲,穩定等),實現具有突出性價比的功能與設計。

歐洲投融資收購信息彙總2020年4月13日-4月17日

深度強化學習無法實現真正的智能,因為深度學習與強化學習各自的先天缺陷決定了“積非不能成是”:一方面深度學習的神經元太過簡單,以至於無法利用海量的時間與空間信息去識別物體或理解場景;另一方面強化學習的獎勵太過單一,以至於無法利用感知與行為的豐富時空關聯去獲得最優策略。總體來說,深度學習先天性的視而不能見,強化學習先天性的見而不能用,使得拼湊出來的深度強化學習無法利用閉環的感知與運動反饋迴路進行高效能的自主學習。

意識學習能夠實現真正的智能,因為它最擅長利用高維時空信息中的模式識別與行為決策,並在數學,物理學,神經科學和計算機科學正在重建的基礎上發展而來。這裡的意識學習特指生物大腦處理感知信息的通用物理機制,截然不同於人們經常提及的自我意識。Demiurge的意識學習網絡實現是一種最普遍最原始的意識形式。這種意識既存在於鳥類的大腦中,也同樣存在於一個水分子中。


分享到:


相關文章: