Cohere Inc. (TH)

From Systems analysis Wiki
Jump to navigation Jump to search

Cohere — คือบริษัทเทคโนโลยีด้านปัญญาประดิษฐ์สัญชาติแคนาดา ที่เชี่ยวชาญด้านการพัฒนา large language model (LLM) สำหรับภาคธุรกิจองค์กร (Enterprise AI) บริษัทก่อตั้งขึ้นในปี 2019 ที่เมืองโตรอนโต โดยอดีตนักวิจัยจาก Google Brain และวางตำแหน่งตัวเองเป็นหนึ่งในทางเลือกสำคัญแทน OpenAI[1]

จุดมุ่งเน้นหลักของ Cohere คือการมอบโซลูชัน AI ที่ปลอดภัย ปรับแต่งได้ และขยายขนาดได้สำหรับธุรกิจ แตกต่างจากคู่แข่งหลายรายที่มุ่งเน้นตลาดผู้บริโภค Cohere ให้ความสำคัญกับลูกค้าองค์กรตั้งแต่เริ่มต้น ซึ่งกำหนดทิศทางเทคโนโลยีของบริษัท

ประวัติและการระดมทุน

Cohere ก่อตั้งขึ้นในปี 2019 โดยผู้ร่วมก่อตั้งสามคน ได้แก่ Aidan Gomez, Ivan Zhang และ Nick Frosst Aidan Gomez เป็นหนึ่งในผู้ร่วมเขียนผลงานวิจัยสำคัญปี 2017 ชื่อ «Attention Is All You Need» ซึ่งแนะนำสถาปัตยกรรม transformer ให้แก่โลก[1] ในเดือนธันวาคม 2022 Martin Kon อดีตประธานเจ้าหน้าที่ฝ่ายการเงินของ YouTube ได้เข้ารับตำแหน่งประธานและประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของบริษัท[1]

บริษัทแสดงผลลัพธ์ที่น่าประทับใจในการดึงดูดการลงทุน:

  • ในปี 2023 ในรอบการระดมทุน Series C ได้รับเงินทุน 270 ล้านดอลลาร์ ส่งผลให้มูลค่าบริษัทอยู่ที่ 2.1–2.2 พันล้านดอลลาร์[2]
  • ในปี 2024 บริษัทระดมทุนเพิ่มเติมได้ 500 ล้านดอลลาร์ เพิ่มมูลค่าบริษัทเป็น 5.5 พันล้านดอลลาร์[3]

นักลงทุนหลักของ Cohere ได้แก่ PSP Investments, Cisco Systems, AMD, Fujitsu, NVIDIA, Salesforce Ventures, Oracle และ Google Cloud[1][2]

ชุดเทคโนโลยี

Retrieval-Augmented Generation (RAG)

เทคโนโลยีหลักในแนวทางของ Cohere คือ Retrieval-Augmented Generation (RAG) — การสร้างข้อความที่เสริมด้วยการดึงข้อมูล RAG ช่วยให้โมเดลเข้าถึงฐานความรู้ภายนอกแบบเรียลไทม์ ซึ่ง "ยึดโยง" คำตอบของโมเดลไว้กับข้อมูลจริง ลดการ "hallucination" และรับประกันความทันสมัยของข้อมูล[4] โมเดล Command R และ Command A ได้รับการปรับแต่งเป็นพิเศษสำหรับการใช้เครื่องมือหลายขั้นตอนในระบบ RAG[5]

ความสามารถหลายภาษา

Cohere ให้ความสำคัญเป็นพิเศษกับความสามารถหลายภาษา บริษัทพัฒนาโมเดลที่ฝึกจากข้อมูลของเจ้าของภาษา เพื่อให้มั่นใจในคุณภาพการทำงานที่สูง ตัวอย่างเช่น โมเดลโอเพนซอร์ส Aya รองรับมากกว่า 100 ภาษา รวมถึงภาษารัสเซีย ในขณะที่ตระกูล Command รองรับมากกว่า 10 ภาษาหลักของโลก

ความปลอดภัยและการปรับใช้งาน

Cohere มีตัวเลือกการปรับใช้งานที่ยืดหยุ่น รวมถึงแพลตฟอร์ม SaaS, การปรับใช้งานบนคลาวด์ส่วนตัว และการผสานรวมกับแพลตฟอร์มของบุคคลที่สาม (Amazon SageMaker, Google Vertex AI, Azure) บริษัทให้ความสำคัญเป็นพิเศษกับความปลอดภัยของข้อมูลองค์กร โดยเสนอตัวเลือกในการปฏิเสธการใช้ข้อมูลเพื่อการฝึกอบรม และการปฏิบัติตามมาตรฐาน SOC 2 Type II[6]

ผลิตภัณฑ์และโมเดล

Cohere พัฒนาโมเดลหลายประเภทที่ออกแบบมาสำหรับขั้นตอนต่างๆ ของการทำงานกับภาษา

Command (โมเดลสร้างข้อความ)

Command คือตระกูลโมเดลสร้างข้อความหลักของบริษัท

  • Command A: โมเดลที่มีประสิทธิภาพสูงสุด (ปี 2025) ที่มี 111 พันล้านพารามิเตอร์ รองรับหน้าต่างบริบท 256,000 token และสามารถทำงานบน GPU เพียงสองตัว ในขณะที่โมเดลคู่แข่งต้องการมากถึง 32 ตัว[7] แสดงความเร็วในการสร้างข้อความสูงถึง 156 token ต่อวินาที ซึ่งเร็วกว่า GPT-4o ถึง 1.75 เท่า[8]
  • Command R+: โมเดลที่มีประสิทธิภาพสูงพร้อม 104 พันล้านพารามิเตอร์ และหน้าต่างบริบท 128,000 token เหนือกว่าโมเดลเทียบเคียงหลายตัวและใกล้เคียงกับความสามารถของ GPT-4 Turbo[9]
  • Command R: โมเดลที่มี 35 พันล้านพารามิเตอร์ ออกแบบมาสำหรับงานด้านการสนทนาที่ต้องการความแม่นยำสูง[10]

โมเดลเฉพาะทาง

  • Aya: โมเดลหลายภาษาแบบโอเพนซอร์สที่รองรับมากกว่า 100 ภาษา พัฒนาโดยมีนักวิจัยมากกว่า 3,000 คนจาก 119 ประเทศเข้าร่วม[11]
  • Embed: โมเดลสำหรับสร้าง embedding ของข้อความ Embed 4 รองรับ multimodality และหน้าต่างบริบท 128,000 token[12]
  • Rerank: โมเดลสำหรับปรับปรุงคุณภาพการค้นหาในระบบ RAG

ความร่วมมือและการผสานรวม

Cohere พัฒนาความสัมพันธ์เชิงพันธมิตรอย่างแข็งขันกับบริษัทเทคโนโลยีขนาดใหญ่ รวมถึง:

  • Oracle: การผสานรวมเทคโนโลยีของ Cohere เข้ากับ Oracle Fusion Cloud และ NetSuite[13]
  • Salesforce: การฝังความสามารถด้านการแชทในผลิตภัณฑ์ของ Salesforce[1]
  • Fujitsu: การพัฒนาร่วมกันของโมเดลภาษาญี่ปุ่น Takane[14]
  • McKinsey: ความร่วมมือในด้านการผสานรวม generative AI เข้ากับการดำเนินงานองค์กร[1]

การประยุกต์ใช้ในอุตสาหกรรมต่างๆ

  • การศึกษา: Cohere ถูกใช้เพื่อสร้างแผนการสอน การจำแนกประเภท และการสนับสนุนโครงการริเริ่มหลายภาษา[15][16]
  • สาธารณสุขและวิทยาศาสตร์: โมเดลถูกนำมาใช้สำหรับการกำหนดโปรโตคอลทางวิทยาศาสตร์ การวิเคราะห์ข้อมูลทางการแพทย์ และการสนับสนุนการวิจัย[17]
  • โซลูชันองค์กร: การทำให้การจัดการเอกสารเป็นอัตโนมัติ การวิเคราะห์ข้อมูล การเขียนข้อความการตลาด และการบริการลูกค้า[5]

ดูเพิ่มเติม

  • Large language model - โมเดลภาษาขนาดใหญ่

บรรณานุกรม

  • Cohere Team (2025). Command A: An Enterprise‑Ready Large Language Model. arXiv:2504.00698.
  • Üstün, A.; et al. (2024). Aya Model: An Instruction Finetuned Open‑Access Multilingual Language Model. arXiv:2402.07827.
  • Singh, S.; et al. (2024). Aya Dataset: An Open‑Access Collection for Multilingual Instruction Tuning. arXiv:2402.06619.
  • Cohere Team (2024). Command R & Command R+: Technical Overview. PDF.
  • Gao, Y.; et al. (2024). Retrieval‑Augmented Generation for Large Language Models: A Survey. arXiv:2312.10997.
  • Yu, H.; et al. (2024). Evaluation of Retrieval‑Augmented Generation: A Survey. arXiv:2405.07437.
  • Zhu, W.; et al. (2025). PSC: Extending Context Window of Large Language Models via Phase Shift Calibration. arXiv:2505.12423.
  • Gao, Y.; et al. (2024). Fine‑Tuning vs. Retrieval‑Augmented Generation for Less Popular Entities. arXiv:2403.01432.
  • Yu, L.; et al. (2025). Synergizing RAG and Reasoning: A Systematic Review. arXiv:2504.15909.
  • Wang, Y.; et al. (2025). Universal Embeddings for Multimodal Multilingual Retrieval. arXiv:2506.18902.

หมายเหตุ

  1. ↑ 1.0 1.1 1.2 1.3 1.4 1.5 «Cohere (company)». В Wikipedia. [1]
  2. ↑ 2.0 2.1 «ИИ-стартап Cohere, который сейчас оценивается более чем в $2,1 млрд, привлек $270 млн». Most Ecosystem. [2]
  3. ↑ «Cohere получает прирост в 500 миллионов». Unite.AI. [3]
  4. ↑ «Rethinking the RAG vs Fine-tuning Debate». arXiv. [4]
  5. ↑ 5.0 5.1 «Cohere Command R: Что это и как использовать?». ServerNews. [5]
  6. ↑ «Enterprise Data Commitments». Cohere Docs. [6]
  7. ↑ «Cohere выпустила Command A — самую эффективную на сегодня ИИ-модель для бизнеса». Habr. [7]
  8. ↑ «Cohere выпускает недорогую модель ИИ, требующую всего два графических процессора». DSmedia. [8]
  9. ↑ «LLM для бизнеса: что умеет Command R от Cohere». VC.ru. [9]
  10. ↑ «Cohere Command R». AIGenom. [10]
  11. ↑ «Cohere for AI запускает ИИ-полиглот Aya». Компьютерра. [11]
  12. ↑ «Cohere представила Embed 4 — свою самую мощную модель для создания векторных представлений». Habr. [12]
  13. ↑ «Oracle, Salesforce Ventures and Nvidia invest in Cohere». ERP Today. [13]
  14. ↑ «Fujitsu and Cohere to Partner on Developing Generative AI for the Japanese Language». Fujitsu Press Releases. [14]
  15. ↑ «Evaluating the Practicality of Retrieval-Augmented Generation in Student-Facing Educational Technology». arXiv. [15]
  16. ↑ «A Confusion Classification System for Online Learning Based on Multimodal Information». IEEE Xplore. [16]
  17. ↑ «Using large language models to streamline the creation of research protocols». BMC Medical Education. [17]
Retrieved from "https://systems-analysis.info/int/index.php?title=Cohere_Inc._(TH)&oldid=1058"