欧洲投融资收购信息汇总2020年4月13日-4月17日

①瑞典初创公司Dirac获600万美元融资


为小米、一加、锤子、OPPO、华为、传音等国内知名手机厂商提供过音频技术解决方案的瑞典音频技术初创公司 Dirac 近日宣布,获得一笔 600 万美元融资。本轮融资由 Inbox Capital、Swedia Capital、Johan Sedihn、及 DIG Investment 提供。据了解,本轮融资后,Soptify 前副总裁及天使投资人 Jonathan Forster 将加入该公司董事会。

公司介绍

Dirac

成立于 2001 年的 Dirac 主要向客户提供面向消费市场领域的音频技术解决方案,帮助客户改善并提升设备的音质。从诸如宝马、沃尔沃、劳斯莱斯这样的汽车厂商再到上文提及的手机制造商均为其服务对象。而就在不久前,Dirac发布了一款面向消费者的手机端音效增益软件,以帮助用户提升使用耳机时的音频播放效果。本次的融资也将用于支持这项技术的发展。公司表示,这笔资金将用于专注耳机音效技术及其它技术方案的发展。

欧洲投融资收购信息汇总2020年4月13日-4月17日

Dirac 曾在去年初获得过一笔 1320 万美元融资,Club network Investments、Erik Ejerhed 和 Staffan Persson 对此参投。Dirac 在当时表示,该融资将用于推进实现音响系统的数字化,创建更加智能、适应性更强的音频处理解决方案。目前,该公司在哥本哈根开办有一家研发中心,同时在北京、上海、深圳均设有相关办事处。

最新的Dirac解决方案被瑞典许多最欢迎的DJ和音乐制作人称赞为可通过任何耳机体验到录音棚里丰富细节和充沛活力的最佳方法。2020年1月7日美国内华达州拉斯维加斯—瑞典音频技术领先厂商Dirac今天宣布推出其针对智能手机和其他移动设备的最新Dirac数字音频解决方案。这项新技术还原了通常在耳机中丢失的最细微的节拍、音调和声音,并将增强后的内容通过在头部外拓展的声场空间带给聆听者。不管耳机质量或价位如何,该技术都能在任何耳机上带来更高清晰度和更宽广声场的聆听体验。

欧洲投融资收购信息汇总2020年4月13日-4月17日

Dirac数字音频解决方案及其相应的移动应用程序使用定制化的算法升级了与其连接的耳机,这些算法可以增强音乐的每个细节并释放出耳机的全部潜力。聆听者可以通过打开/关闭Dirac,聆听并感受到Dirac技术带来的令人难以置信的前后差异。借助这一项最新的数字音频解决方案,Dirac以提升所有内容音质的方式,将最新的研究成果整合到了音质增强以及临场感提升的算法中,且与录制声音的音频编解码无关;而其他声称音质增强和临场感提升的方法则要求使用一个特定的编解码来录制音频。

Dirac凭借着超过18年的数字音频研发经验,产出超过17项专利系列。其独树一帜的音质改善技术,深受全球众多知名音频品牌的青睐。目前,Dirac正在与一些全球最大的智能手机和音乐流媒体公司进行商谈,将数字音频解决方案嵌入其产品和平台事宜。第一个合作伙伴关系将于2020年第一季度宣布。

②瑞典电竞公司公司G:loot完成1210万美元融资

瑞典电竞公司G:loot在前不久完成了一轮1210万美元的融资,而这也是迄今为止北美地区资金规模最大的一次电竞领域融资。本轮融资由瑞典银行Robur基金领投,G:loot计划利用新融得的资金扩大公司规模,并加大在平台研发和市场营销方面的投入力度。

公司介绍

G:loot

G:loot位于瑞典首都斯德哥尔摩,前身为Gumbler,打造了一个便于移动游戏、PC游戏玩家与朋友或陌生人竞赛并赢取真钱奖励的电竞平台。在本轮融资之前,这家公司去年曾获得融资600万美元,投资方包括Inbox Capital、男子职业网球运动员罗宾·索德灵和瑞典男足国家队队长德烈亚斯·格兰奎斯特等。


欧洲投融资收购信息汇总2020年4月13日-4月17日

与此同时,G:loot还与PGL、Dreamhack合作举办线下电竞赛事,“许多投资人对我们表示了浓厚兴趣。事实上,我们无法让他们都参与进来。”G:loot首席执行官PatrikNybladh表示,“我们的未来潜力巨大,这才刚刚是个开始。经济支持让我们能够实现愿景,那就是让全世界任何地方的任何人都有机会通过玩游戏赢得金钱。”

G:loot通过不断增长的个人电脑和手机游戏阵容,创造并让用户参与在线竞赛和锦标赛。G:loot有专门的社区,玩家们可以在这里进行竞争和联系。就像G:loot的球员一样,我们雄心勃勃,充满激情,总是力争上游。G:loot共同的目标是成为电子竞技世界的先锋,让任何人都能接触到它!

欧洲投融资收购信息汇总2020年4月13日-4月17日

“我们是一个全球性的电子竞技平台,致力于为所有人提供电子竞技。我们将社区聚集在一起,安排比赛和联赛,并在手机和电脑上播放一些大型游戏的在线/离线活动,还有像twitch这样的合作伙伴。就像我们的用户一样,我们雄心勃勃,充满激情,总是力争上游。G:loot不仅是瑞典最大的电子竞技公司,也是欧洲最大的电子竞技投资公司,全球掠夺学习的创造者。” G:loot员工David说道。

③捷克初创公司LIV完成260万美元A轮融资

混合现实流式直播/录屏平台LIV宣布已完成260万美元的A轮融资,由Hiro Capital领投,Credo和Seedcamp等投资者参投。他们将利用这笔资金扩展开发团队,进一步开发面向游戏开发者、内容创作者和其他直播者的混合现实录制解决方案。

公司介绍

LIV

LIV成立于2016年,总部位于捷克布拉格,是一家致力于为开发者和其他创作者提供混合现实录制工具的公司。值得一提的是,这家公司于今年7月宣布已经完成了100万美元的种子轮融资,当时的投资者包括Oculus联合创始人帕尔默·拉奇,热门VR音游《Beat Saber》开发商Beat Games的联合创始人兼首席执行官雅罗斯拉夫·贝克(Jaroslav Beck)(Beat Games同样位于捷克),Seedcamp,TechStars,Credo Ventures,Vive X和Splitverse。

欧洲投融资收购信息汇总2020年4月13日-4月17日

该公司计划将这笔资金用于扩展核心团队,进一步开发面向游戏开发者、内容创作者和其他直播者的混合现实录制解决方案。迄今为止,LIV已经集成至150多款体验,最为著名的当属《Beat Saber》。另外,他们即将提供对Oculus Native SDK的支持。

LIV创始人兼首席执行官AJShewki表示:“我们认为VR是最终的计算平台,而在一个VR是主流的世界中,我们需要允许创作者和开发者实时分享其体验的工具。在虚拟现实里面,你的身体即是你的控制器,我们必须将这种细微差别融入到旁观体验中。我们已经将VR从‘眼见为实’的体验转变为可以通过2D屏幕观赏的内容,同时依然能够展示六自由度VR的魔力。”

欧洲投融资收购信息汇总2020年4月13日-4月17日

AJ Shewki继续说道:“我们LIV的使命是将游戏开发者,主播和观众联接起来,从而创造最佳的VR观众体验。我们现已集成了数百款VR游戏,得到数千名VR主播的使用(如Ragesaq和VROasis),而且基于LIV的游戏已经在Twitch,Mixer,YouTube等平台实现了数十亿的观看次数。”他进一步表示,下一个版本将添加动态照明,渐变系统和其他炫酷的功能。

Hiro执行合伙人LukeAlvarez指出:“ Hiro很高兴能够投资LIV,这是我们基金的第二笔投资,同时是我们在电竞/流媒体方面的第一笔投资。尽管VR市场依然只是利基,但流媒体受众群体已经非常巨大。Hiro相信数字到现实世界的融合,我们喜欢将两个世界融合在一起的技术。LIV能够实现这一愿景,而我们期待与AJ Shewki团队的合作。

④瑞士科技公司Demiurge获950万美元融资

主打“意识学习”的瑞士人工智能初创公司Demiurge融资950万美元,此次参与投资的包括冯仑,乐博资本杨宁和乔顺昌的180万美元天使轮投资与来自弘道资本770万美元的A-1轮投资。

公司介绍

Demiurge

Demiurge Technologies 是一家位于瑞士的人工智能初创公司,于2015年5月成立。据了解,Demiurge的意识学习是一种新型的脉冲神经网络模型,其强大的自主学习能力与低廉的应用成本有望替代深度学习的简单神经网络模型。Demiurge目前正在开发基于意识学习的下一代通用大脑芯片和智能机器人。

欧洲投融资收购信息汇总2020年4月13日-4月17日

关于所谓“智能”的理解成为时下人工智能从业者不同维度的努力方向。此前,机器之心曾报道了纽约大学心理学教授Gary Marcus对于现有人工智能发展的批评,在他看来,如果研究者要创造真正复杂的人工智能——一种可快速学习周遭世界的智能,那么人们必须从儿童学习新概念并进行概括的方法中找寻灵感。

Demiurge公司也认为,真正的智能必须具备一个自我监督式的,完全自适应的,永远在线的学习机制并建立一个闭环的感知与运动反馈回路。只有这样,智能系统才能通过与物理环境的动态交互来实时建立精准的世界模型。只有实现了真正的智能, 大多数我们所设想的人工智能产品和应用(例如,无人驾驶汽车,家庭服务机器人等)才可以适应真实应用场景下极为苛刻的制约因素(功耗,延迟,稳定等),实现具有突出性价比的功能与设计。

欧洲投融资收购信息汇总2020年4月13日-4月17日

深度强化学习无法实现真正的智能,因为深度学习与强化学习各自的先天缺陷决定了“积非不能成是”:一方面深度学习的神经元太过简单,以至于无法利用海量的时间与空间信息去识别物体或理解场景;另一方面强化学习的奖励太过单一,以至于无法利用感知与行为的丰富时空关联去获得最优策略。总体来说,深度学习先天性的视而不能见,强化学习先天性的见而不能用,使得拼凑出来的深度强化学习无法利用闭环的感知与运动反馈回路进行高效能的自主学习。

意识学习能够实现真正的智能,因为它最擅长利用高维时空信息中的模式识别与行为决策,并在数学,物理学,神经科学和计算机科学正在重建的基础上发展而来。这里的意识学习特指生物大脑处理感知信息的通用物理机制,截然不同于人们经常提及的自我意识。Demiurge的意识学习网络实现是一种最普遍最原始的意识形式。这种意识既存在于鸟类的大脑中,也同样存在于一个水分子中。


分享到:


相關文章: