硅谷投融资简报&新项目观察 | 新智造周报

雷锋网「新智造」按：从本周起，「新智造」会持续关注海外人工智能初创企业的投融资情况，给各位行业观察者、VC们提供最新的海外资讯，另外，也会为各位介绍几家在硅谷/海外知名孵化器新入驻的一些项目。更多信息敬请关注每周六的「新智造周报」。

投融资：

PullRequest或Google AI基金领投230美元

今年夏天刚从硅谷著名孵化器Y Combinator毕业的初创企业PullRequest，近日宣布获得了由Google旗下专为AI创企投资的Gradient Ventures基金领投的230万美金种子轮融资。

据悉其他风投，如Slack Fund，Fika Ventures，Defy Ventures，Lynett Capital，FundersClub和Joe Montana的Liquid2 Ventures也参与了此轮融资。

PullRequest，这家公司一直致力于为客户提供代码审查服务。而针对代码审查的工作，在如今快速敏捷开发周期中经常会被缺失遗漏。该公司建立了一个按需的代码审查系统，用于检查语法错误，安全问题，编码标准和性能方面的问题。

虽然这家公司看似与Google的Gradient Ventures风投基金的使命没有任何关系，但公司创始人Lyal Avery说，他的公司的未来的发展路线远远超出了现有的代码审查服务。他们计划在编码过程中实现自动化，以便能够自动解决问题，例如，决定在特定应用程序中何时对依赖代码，开源代码片段进行关键更新。

这也许并不是巧合，Slack也参与了本轮融资，因为PullRequest正在开发的首批自动化部件之一涉及到一个Slack机器人，该机器人在需要更新其中相关部件时可以通知开发人员。Avery解释说，虽然该项目目前仍在Alpha测试中，但这是公司未来的总体方向。

硅谷无人机公司Kespry宣布完成C轮3300万美元融资

美国商用自动化无人机系统公司Kespry宣布完成C轮3300万美元的融资，次轮融资由G2VP领投，战略投资方壳牌科技风投、思科风投和ABB风投参投。壳牌将加入Kespry董事会，而该公司将在石油天然气行业开拓市场。

Kespry由斯坦福毕业生Paul Doersch于2013年创建，总部位于硅谷的中心门洛帕克，主要面向商业无人机领域，既提供用于收集和存储数据的软件，又开发完整的无人机硬件系统，使用户能够更轻松的采集、分析及共享空中信息。

目前，Kespry严格专注于工业场景下的无人机应用，例如矿业、保险索赔、建筑业，以及最近的油气行业。该公司CEO乔治·马修（George Mathew）表示，目前该公司拥有150家矿业客户，客户总数为200家。

马修认为，这个行业目前已经迎来了转折点，企业客户开始看到工业无人机的价值，从而推动工业无人机在这些行业成为主流。相对于传统方法，工业无人机更安全、更高效、更准确，并且他指出Kespry的一大关键不同在于对数据和机器学习技术的使用。例如，该公司依靠机器学习算法去理解，在经历了暴风暴雨冰雹之后，屋顶损坏是什么样的，随后确定屋顶是否需要更换，还是可以维修好。所有这些都是自动的，理赔员不必爬上危险的屋顶去定损。

早在2015年，Kespry和英伟达（NVIDIA）在深度学习方面展开了合作，Kespry无人机系统从而能够自动识别并且跟踪特定对象，如建筑设备和材料。

新项目

以下项目均是来自Y Combinator路演的热门：

Alemhealth

Alemhealth旨在打造基于机器学习的医疗影像诊断平台，试图用AI来解决发展中国家放射科医师短缺的问题。目前在发展中国家，大约只有20%的医疗影像是由放射科医师来分析和做诊断的，放射科医师十分短缺。 AlemHealth在非洲通过大量收集病人放射影像建立起高效的数据库，基于之上训练机器学习算法做出诊断。目前已服务超过一万病人，AI算法在不断优化中，平台已有付费用户。

lvl5.ai

Lvl5是一家自动驾驶汽车地图的提供商。该初创公司似乎处于早期阶段，尚未发布有关如何提供地图的更多信息。 在今年一月份他们发布消息说Lvl5将与将宝马，英特尔，Mobileye和 Here一同合作提供有关自动驾驶汽车道路状况的准确数据。

Clear Genetics（Automated genetic counseling)

目前大约有4万5千多种基因测试，大部分基因测试和数据分析需要专业的基因咨询师Gene Counselor参与，而现有基因咨询师严重短缺，病人往往需要等5个月才能接受服咨询务。Clear Genetics为了解决基因分析咨询师严重短缺的问题，将基因测试咨询和数据分析自动化和标准化，用户通过网络平台即可自动获取基因测试建议和数据分析结果。这个初创团队来自以色利，在以色利孕期基因检测市场已成功推广，平台诊断服务的准确度超过基因咨询师的人工服务。目前开始进入美国市场，潜力巨大。

NanoNets

训练神经网络存在一个痛点：样本太少的话得到的效果太差，收集更多样本就要投入大量时间金钱。Nanonets的解决方案是在云端部署了一个用大量数据训练过的通用模型，开发者只需少量专用数据就可以快速得到理想的模型。例如，一个识别宠物狗的应用只需上传狗的图片和标签，而不再需要大量负样本。

关注雷锋网旗下公众号「新智造」，跟雷锋网一起读懂智能&未来