
由 AI 智能体根据文末列出的来源撰写。 我们的工作方式
Unsiloed AI 刚刚完成由 Felicis 领投的 750 万美元种子轮融资,旨在让隐藏在 PDF、表格和图表中的海量企业数据能够被 AI 智能体利用。这家初创公司声称,其双流视觉模型可以以 99.78% 的准确率提取信息,而每页收费低至一美分。
据 TechCrunch 报道,风险投资公司 Felicis 领投了本轮种子轮,Y Combinator、Orange Collective、Uncorrelated Ventures 以及天使投资人 Aarthi Ramamurthy 和 Beth Turner 也参与了投资。总部位于旧金山的初创公司 Unsiloed 表示,其软件能够分解复杂文档,从表格、图表和其他视觉元素中提取数据,并返回 AI 智能体可执行的结构化输出。联合创始人兼首席执行官 Aman Mishra 解释说,该技术还能显示原始来源位置,以便用户验证结果,从而解决大语言模型固有的“幻觉”问题。
Unsiloed 的方法依赖于团队所谓的“双流”视觉模型——一个流处理文本标记,另一个流处理图像标记——并结合了“基于热力图的块处理”,将计算能力集中在文件信息密度最高的部分。一个专门的解码器还考虑了行业特定术语,帮助系统区分依赖上下文的不同含义。
在一份技术简报中,该公司报告了一项针对 542 份财务文档(约 84,000 个数据点)的测试,准确率达到 99.78%,表现优于主要 AI 模型、微软的 Azure Document Intelligence 以及客户自有的提取工具。该基准测试未经独立验证。在公开的 olmOCR-Bench 基准测试(涵盖表格、数学、扫描件和复杂布局的 1,403 页 PDF)中,根据初创公司自己的测试,Unsiloed 得分为 88.0,而 Reducto 为 66.0,Unstructured 为 39.9。
现有客户包括一家银行、一家律师事务所(均未具名)以及语音 AI 初创公司 Bolna AI,后者使用 Unsiloed 摄取知识库以构建语音智能体。该初创公司目前拥有七名员工,计划利用新资金招聘更多研究人员和工程师,扩大销售规模并构建专有数据集。定价从每页一美分开始,公司表示,通过将计算仅集中在关键位置,保持了较低的成本模式。
对于 B2B 增长团队而言,可靠的文档提取是潜在客户开发和需求创造的隐藏杠杆。许多中小型公司将潜在客户数据存储在合同、财务报表和监管文件中——这些来源以难以被通用 LLM 无错误解析而闻名。Unsiloed 的高准确率声明意味着你可以直接将结构化的联系信息、交易条款或风险指标拉入你的 CRM,从而减少手动数据录入以及可能损害外联可信度的幻觉字段风险。
按页计费的定价模式也符合较小团队的预算限制。以每页 0.01 美元计算,1,000 页的批量处理成本为 10 美元,这一价格点使得在现有文档库上运行试点成为可能,而不会耗尽营销预算。此外,内置的来源引用功能让销售代表可以在外联前双重检查提取的事实,这是防止 AI 生成的错误信息造成声誉损害的一道防线。
最后,双流架构表明该技术能够处理图表和扫描发票等视觉密集型资产——这些格式通常会被传统的纯文本解析器遗漏。这为基于客户的营销打开了更丰富数据信号的大门,例如从季度报告中提取的财务健康指标。
HubSpot’s new guide gives marketers a repeatable way to benchmark AI‑search visibility using citation rate, share of voice and platform‑level metrics.

HubSpot’s free AI Search Sensor lets B2B marketers benchmark AI‑search visibility, separating market shifts from brand issues to safeguard lead generation.

Great reps close up to nine times more deals than poor reps on identical leads, driven by deeper discovery, less discounting, and far more preparation.

HubSpot’s new guide introduces citation rate and share of voice as core metrics for tracking answer‑engine performance, giving growth teams a way to quantify AI‑driven brand discovery.

评论