Felicis领投750万美元,助Unsiloed AI让企业文档可供AI代理使用

媒体报道 TechCrunch AI 原文语言:英文

Unsiloed AI获Felicis领投的750万美元种子轮融资,旨在通过专用技术将复杂企业文档转化为AI代理可用的结构化数据。

全文

随着企业越来越多地转向AI代理来自动化工作,复杂文档中锁定的海量信息仍然是一个挑战. Unsiloed AI已在Felicis领投的一轮种子轮融资中筹集了750万美元来解决这一问题,旨在帮助企业通过专业技术使其文档对AI代理更易于访问.

硅谷风险投资公司Felicis领投了此轮融资,Y Combinator、Orange Collective和Uncorrelated Ventures参与了投资. 天使投资人Aarthi Ramamurthy和Beth Turner也参与其中.

商业文档通常包含表格、图表和复杂的排版,AI系统可能难以准确解读这些内容. 但信息错误可能会给企业带来代价高昂的失误,对于依赖这些文档进行日常工作的银行、医院或律师事务所来说,其影响可能会非常严重.

Unsiloed旨在通过其软件解决这一问题,该软件可以拆解复杂文档,从表格、图表及其他元素中提取信息,并将其转化为AI代理可使用的结构化数据. 该技术还能显示提取的信息在原始文档中的出处,因此企业可以核对结果,而不必盲目接受AI的输出结果.

Unsiloed联合创始人兼CEO阿曼·米什拉(Aman Mishra,上图右)在一次采访中表示:“LLM的问题在于它们本质上是概率性的. 会产生一些偏差. 会涉及一些幻觉,这对下游会产生巨大的负面影响.”

米什拉与他在印度理工学院(IIT)克勒格布尔分校的同班同学阿德南·阿巴斯(Adnan Abbas,上图左)共同创立了Unsiloed. 在花了一段时间开发该技术后,两人加入了Y Combinator的2025年秋季批次.

米什拉对TechCrunch表示,Unsiloed已经与金融、法律服务和医疗健康领域的客户展开合作. 他说,一家银行正在使用其技术处理文档,而一家律师事务所已在其自己的服务器上部署了该技术以处理合同和旧案件档案,但他没有透露这两家客户的具体名称. 不过,米什拉透露语音AI初创公司Bolna AI是其客户,并表示该公司使用Unsiloed来摄取知识库以构建语音代理.

这家总部位于旧金山的初创公司进入了一个竞争已经十分激烈的市场,其中包括Reducto和Unstructured等专注于文档处理的初创公司,以及微软和亚马逊提供的产品. 企业有时还会使用通用AI模型从文档中提取信息,这为Unsiloed带来了另一组竞争对手.

米什拉对TechCrunch表示,Unsiloed的优势在于其处理复杂文档的方式. 这家初创公司使用了其所谓的“双流”(dual-stream)视觉模型,该模型分别处理文本和图像数据,并结合了一种称为“基于热力图的分块”(heat map-based chunking)技术,该技术有助于识别文档中最核心的部分.

米什拉说:“其中一个流处理文本Token,另一个流处理精确的图像Token. 这是我们花了很多时间进行架构设计的东西.”

随后,该技术会将更多的计算能力导向如图表、数字和图表等区域. Unsiloed还使用了一个专门的解码器,该解码器将行业特定术语考虑在内,帮助其区分在不同业务背景下可能具有不同含义的术语.

为了支持这些说法,米什拉指出了一个测试,该测试涉及一家企业客户提供的542份财务文档. 根据该初创公司分享的技术简报,在提取的大约84,000个数据点中,Unsiloed实现了99.78%的准确率. 该测试将Unsiloed与主流AI模型、微软的Azure Document Intelligence以及客户的内部提取工具进行了对比. 然而,这些结果尚未经过独立验证.

Unsiloed还声称,在由艾伦人工智能研究所(Allen AI)开发的公共基准测试olmOCR-Bench上,其表现优于同类AI文档处理工具. 在该初创公司进行的测试中,Unsiloed得分为88.0,而Reducto的代理系统得分为66.0,Unstructured得分为39.9. 该基准测试涵盖了1,403页PDF文档,测试了系统处理表格、数学表达式、扫描文档以及复杂排版的能力.

Unsiloed的定价,Mishra说,起价为每页一美分。他断言,该初创公司的方法也通过将计算能力集中在文档中最需要关注的部分,而不是以相同方式处理每个章节,从而帮助降低成本。

目前,Unsiloed的员工人数为七人。Mishra说,该初创公司计划利用这笔新资金招聘更多研究人员和工程师,扩大销售力度,并开发专有数据集以提升其技术。

正文为 AI 译文。

参考来源

← 返回每日AI报告