产品库

Parallel提供基于人工智能的财务建模和实时人员规划，帮助团队做出明智决策并改进预测流程。

Parallel是一个AI驱动的财务建模和实时人员规划工具，帮助企业团队做出精明的财务决策，并提高预测过程的准确性。该产品的主要优点包括简化复杂的财务模型、为创始人节省时间、理解支出对公司其他部门的影响、消除手动任务等。

优化设计过程的AI反馈，预测热图和清晰度评分，节省每周15-20小时。

ClarityUX是一款AI驱动的设计优化工具，提供预测性的用户体验分析，帮助设计团队改善可用性、提高转化率和优化KPI。通过AI反馈、预测热图和清晰度评分，用户可以轻松做出基于数据的决策，节省设计审查时间和成本。

通过模拟LinkedIn互动，帮助用户优化内容并预测帖子表现。

Artificial Societies 是一款专注于社交媒体内容优化和互动预测的工具。它利用人工智能技术模拟用户在LinkedIn上发布内容后的互动情况，帮助用户提前了解内容的表现，并优化内容以提高影响力。该产品通过分析用户网络和影响力，生成内容变体并预测最佳表现，从而帮助用户在LinkedIn上更有效地传播信息。其主要优点是高准确率的互动预测和个性化的内容优化建议，适合内容创作者、企业营销人员以及希望提升LinkedIn影响力的用户。产品目前处于推广阶段，具体价格未明确，但已获得Y Combinator等知名机构的支持。

通过AI预测机票价格，帮助用户找到最佳预订时机，节省旅行费用。

Flight Price Predictor 是一款基于人工智能的机票价格预测工具，旨在帮助用户在预订机票时做出更明智的决策。该工具通过分析历史数据、季节性趋势、航空公司定价模式等关键因素，预测机票价格的涨跌趋势，从而让用户在价格最低时预订机票，避免不必要的支出。其主要优势在于利用先进的AI算法和实时数据，提供精准的预测，帮助用户节省旅行成本。该工具主要面向经常旅行的用户，无论是商务出行还是休闲旅游，都能帮助他们优化预算。

一个基于AI的Streamlit应用程序，帮助内容创作者预测不同版本内容的用户参与度。

Viral Predictor 是一款利用人工智能技术预测内容在社交媒体上可能获得的用户参与度的工具。它通过模拟用户对不同版本内容的反应，为内容创作者提供数据支持，帮助他们优化内容策略，提高内容的吸引力和传播力。该工具支持多种社交媒体平台，能够实时预测点赞、评论、分享等关键指标，并提供统计置信度评分。其主要优点是能够快速、准确地提供内容效果的预估，帮助创作者在发布前做出更明智的决策。

一个专注于前沿科技和创新技术的平台，涵盖AI、生物技术、量子计算等多个领域。

Build Y是一个由Necrozma Labs开发的前沿科技平台，旨在展示和探索各种创新技术。该平台涵盖了从人工智能到生物技术、从量子计算到可持续能源等多个领域的最新研究成果。其主要优点是为工程师和科学家提供了一个集中展示和交流的场所，促进了跨学科的技术合作和创新。该平台的背景是推动全球科技进步，通过分享最新的研究成果和技术突破，激发更多创新思维。目前平台的具体价格和定位信息未明确，但其目标是成为科技领域的知识共享中心。

Evo 2 是一个强大的 AI 基础模型，用于解析 DNA、RNA 和蛋白质的遗传密码。

Evo 2 是由 NVIDIA 推出的 AI 基础模型，旨在通过深度学习技术解析生物分子的遗传密码。该模型基于 NVIDIA DGX Cloud 平台开发，能够处理大规模的基因组数据，为生物医学研究提供强大的工具。Evo 2 的主要优点在于其能够处理长达 100 万个 token 的基因序列，从而更全面地理解基因组的复杂性。该模型在生物医学领域的应用前景广阔，包括疾病诊断、药物开发和基因编辑等。Evo 2 的开发得到了 Arc 研究所和斯坦福大学的支持，目标是推动生物医学研究的创新和突破。

AI co-scientist 是一个基于 Gemini 2.0 的多智能体 AI 系统，旨在帮助科学家生成新的研究假设和实验方案，加速科学发现。

AI co-scientist 是谷歌研究团队开发的一款多智能体 AI 系统，旨在通过人工智能技术辅助科学研究。该系统基于 Gemini 2.0 构建，能够模拟科学方法的推理过程，生成新的研究假设和实验方案。它通过多智能体协作，利用生成、反思、排名、进化等多种机制，不断优化输出结果。AI co-scientist 的主要优点包括高效生成新颖的科学假设、强大的跨学科知识整合能力以及与科学家的协作能力。该系统目前处于研究阶段，通过与全球顶尖科研机构合作，验证其在生物医学等领域的应用潜力。

BioEmu 是一个用于可扩展模拟蛋白质平衡系综的生成式深度学习模型。

BioEmu 是微软开发的一种深度学习模型，用于模拟蛋白质的平衡系综。该技术通过生成式深度学习方法，能够高效地生成蛋白质的结构样本，帮助研究人员更好地理解蛋白质的动态行为和结构多样性。该模型的主要优点在于其可扩展性和高效性，能够处理复杂的生物分子系统。它适用于生物化学、结构生物学和药物设计等领域的研究，为科学家提供了一种强大的工具来探索蛋白质的动态特性。

WHAM 是微软开发的一种生成式游戏模型，用于生成游戏视觉和控制器动作。

WHAM（World and Human Action Model）是由微软研究院开发的一种生成式模型，专门用于生成游戏场景和玩家行为。该模型基于Ninja Theory的《Bleeding Edge》游戏数据训练，能够生成连贯、多样化的游戏视觉和控制器动作。WHAM 的主要优点在于其能够捕捉游戏环境的3D结构和玩家行为的时间序列，为游戏设计和创意探索提供了强大的工具。该模型主要面向学术研究和游戏开发领域，帮助开发者快速迭代游戏设计。

GeoRetina 是一款基于地理空间数据驱动的气候变化洞察工具，通过 AI 实现快速分析。

GeoRetina 是一款专注于地理空间智能的平台，利用 AI 技术将复杂的地理空间数据转化为即时洞察。该产品通过自动化处理和实时监测功能，帮助企业和组织快速分析土地覆盖变化、环境动态等信息。其主要优点包括高效的数据处理能力、实时环境监测以及强大的预测能力。GeoRetina 适用于需要快速、精准地理空间分析的商业和研究场景，价格和具体定位需根据客户需求定制。

结合人工智能与塔罗牌智慧，提供个性化指导和每日运势预测

Soul Tarot 是一款创新的塔罗牌应用程序，将人工智能技术与塔罗牌的古老智慧相结合。它通过人工智能语音咨询、每日塔罗牌抽奖和幸运数字预测等功能，为用户提供便捷、深度、个性化的指导。该应用适合对塔罗牌感兴趣、希望通过神秘方式获得生活灵感的用户。它强调个性化和便捷性，用户可以随时随地获取塔罗牌的解读和建议，无需复杂的塔罗牌知识。

利用AI助力投资决策，简化复杂投资流程，提升投资组合潜力。

Sagehood是一个基于AI的投资决策平台，旨在帮助投资者简化投资流程，提供实时市场洞察、预测分析和个性化策略，以优化投资组合。该平台利用先进的AI算法分析实时市场数据、历史趋势等关键因素，为用户提供可靠预测和定制化策略。Sagehood面向所有投资者，从新手到资深人士，其直观界面和AI驱动工具使投资决策变得简单易懂。平台提供免费试用，具体价格未明确，定位为中高端市场，致力于为用户提供高价值的投资建议。

由Google Research开发的预训练时间序列预测模型。

TimesFM是一个由Google Research开发的预训练时间序列预测模型，用于时间序列预测任务。该模型在多个数据集上进行了预训练，能够处理不同频率和长度的时间序列数据。其主要优点包括高性能、可扩展性强以及易于使用。该模型适用于需要准确预测时间序列数据的各种应用场景，如金融、气象、能源等领域。该模型在Hugging Face平台上免费提供，用户可以方便地下载和使用。

70亿参数的元基因组基础模型，用于流行病监测和病原体检测.

METAGENE-1是由南加州大学、Prime Intellect和核酸观测站的研究人员合作开发的一款元基因组基础模型。该模型具有70亿参数，经过1.5万亿个碱基对的DNA和RNA序列训练，这些序列来自人类废水样本。METAGENE-1的主要功能是帮助公共卫生应用，如流行病监测、病原体检测和新兴健康威胁的早期发现。其优势在于能够捕捉人类微生物组中完整的基因组信息分布，具有强大的泛化能力。

Kats是一个用于时间序列数据分析的轻量级、易于使用的通用框架。

Kats是由Facebook基础设施数据科学团队开发的一个时间序列分析工具包，旨在为数据科学和工程工作提供一站式解决方案。它支持从理解关键统计数据和特征、检测回归和异常，到预测未来趋势等多种功能。Kats的主要优点包括其轻量级、易于使用和可扩展性，适用于各种行业和领域的数据分析师和工程师。

Agentic Graph Language Assistant

GraphAgent是一个自动化代理流水线，旨在处理显式的图形依赖和隐式的图形增强语义相互依赖，以适应实际数据场景中的预测任务（例如节点分类）和生成任务（例如文本生成）。它由三个关键组件构成：构建知识图谱以反映复杂语义依赖的图形生成代理；解释不同用户查询并制定相应任务的计划代理；以及高效执行计划任务并自动化工具匹配和调用的执行代理。GraphAgent通过集成语言模型和图形语言模型来揭示复杂的关系信息和数据语义依赖。

一种基于视频扩散模型的多任务灵巧手操控通用机器人策略

Video Prediction Policy（VPP）是一种基于视频扩散模型（VDMs）的机器人策略，能够准确预测未来的图像序列，展现出对物理动力学的良好理解。VPP利用VDMs中的视觉表示来反映物理世界的演变，这种表示被称为预测性视觉表示。通过结合多样化的人类或机器人操控数据集，并采用统一的视频生成训练目标，VPP在两个模拟环境和两个真实世界基准测试中均优于现有方法。特别是在Calvin ABC-D基准测试中，相较于先前的最佳技术，VPP实现了28.1%的相对改进，并在复杂的真实世界灵巧手操控任务中提高了28.8%的成功率。

利用AI进行账户分析和优先级排序的智能平台

RevFX是一个商业智能平台，专注于通过AI技术帮助企业发现、筛选和优先处理潜在客户账户。它通过分析公共网络、第三方数据提供商和企业自身的GTM系统上的数百万数据点，准确识别最有可能参与和购买的公司。RevFX的主要优点包括自定义信号定义、评分和优先级排序、新账户发现、基于意图的人物画像构建以及超准确的联系数据整合。该平台支持现代GTM操作团队轻松运行数据驱动的收入动作，无需ETL提升，支持自助服务洞察，并与现有的销售和市场营销执行工具兼容。RevFX重视数据隐私和安全性，拥有SOC 2 Type II和ISO 27001认证。

基于扩散反转的多步图像超分辨率模型

InvSR是一种基于扩散反转的图像超分辨率技术，利用大型预训练扩散模型中丰富的图像先验来提高超分辨率性能。该技术通过部分噪声预测策略构建扩散模型的中间状态，作为起始采样点，并使用深度噪声预测器估计最优噪声图，从而在前向扩散过程中初始化采样，生成高分辨率结果。InvSR支持任意数量的采样步骤，从一到五步不等，即使仅使用单步采样，也展现出优于或媲美现有最先进方法的性能。