Felicis 領投 Unsiloed AI 750 萬美元種子輪
重點摘要
Unsiloed AI 完成 750 萬美元種子輪融資,由 Felicis 領投,Y Combinator、Orange Collective、Uncorrelated Ventures,以及天使投資人 Aarthi Ramamurthy 和 Beth Turner 參與投資。這家新創公司旨在將複雜的企業文件轉換為 AI 代理可使用的結構化資訊,同時向使用者顯示擷取出的細節在來源文件中的位置。其客戶包括金融、法律服務和醫療保健領域的組織,以及語音 AI 新創公司 Bolna AI。Unsiloed 表示,公司自行進行的測試顯示準確度很高,但這些結果尚未經過獨立驗證。這家有 7 人的新創公司計畫運用資金擴大技術與商務團隊,並開發專有資料集。
情緒分析
- 文章整體基調審慎而具建設性。Unsiloed 獲得融資、早期客戶開始使用產品,加上公司公布的效能表現,都是業務動能的正面訊號;其產品也著眼於使用 AI 處理文件的組織所面臨的實際問題。
- 文章將其技術方法描述為可能的差異化優勢:公司表示,會分別處理文字和影像,將運算資源集中在文件的重要部分,並考量各產業專屬的術語。公布的測試結果值得注意,但文章謹慎指出,這些數據來自新創公司,且尚未經過獨立驗證。
- 競爭環境則讓觀點更為平衡。Unsiloed 進入的是一個競爭激烈的市場,對手包括 Reducto、Unstructured、Microsoft、Amazon,以及通用型 AI 模型。文章也指出,在銀行、醫療保健和法律等領域,錯誤擷取資訊可能造成嚴重後果。
- 情緒:喜憂參半,略偏正面。融資和客戶採用情況顯示其具有發展機會;另一方面,市場競爭、效能聲明仍需驗證,以及 AI 錯誤帶來的風險,都使前景存在顯著的不確定性。
文章正文
企業愈來愈常使用 AI 代理自動化工作,但這些系統必須能可靠地取得企業文件中的資訊。表格、圖表、掃描頁面和複雜版面,都可能讓 AI 系統難以解讀。錯誤可能造成重大影響,因為銀行、醫療保健和法律等領域的組織,經常仰賴文件處理日常及重大工作。Unsiloed AI 正在開發軟體,讓 AI 代理更容易使用這些資訊。
這家新創公司完成 750 萬美元種子輪融資,由矽谷創投公司 Felicis 領投。Y Combinator、Orange Collective 和 Uncorrelated Ventures 也參與投資,天使投資人 Aarthi Ramamurthy 和 Beth Turner 同樣加入。Unsiloed 的產品會拆解複雜文件、從表格和圖表等元素擷取資訊,並將內容轉換為結構化資料。產品也會指出擷取資訊在來源文件中的位置,讓使用者能夠檢查結果。
共同創辦人暨執行長 Aman Mishra 表示,大型語言模型具有機率性,可能產生偏差或幻覺,進而帶來下游風險。Mishra 與 Adnan Abbas 共同創辦這家公司;Abbas 是他在印度理工學院(IIT)克勒格布爾分校的前同學。兩人開發技術一段時間後,加入 Y Combinator 2025 年秋季梯次。
Mishra 表示,Unsiloed 正與金融、法律服務和醫療保健領域的客戶合作。一家銀行使用這項技術處理文件,另有一家律師事務所在自有伺服器上部署該技術,以處理合約和舊案卷。他沒有透露這些組織的名稱。Mishra 也指出語音 AI 新創公司 Bolna AI 是客戶;該公司使用 Unsiloed 匯入知識庫,以建置語音代理。
總部位於舊金山的這家新創公司,所處市場競爭激烈。Reducto 和 Unstructured 等文件處理公司提供專用工具,Microsoft 和 Amazon 也有相關產品。有些企業會使用通用型 AI 模型擷取文件資訊,這也成為另一項競爭來源。Mishra 表示,Unsiloed 處理複雜文件的方法,正是希望與這些替代方案有所區別。
公司將其系統描述為使用「雙流」視覺模型,分別處理文字和影像資料。系統也運用「基於熱圖的分塊」來辨識文件中的重要區域。Mishra 解釋,其中一個資料流處理文字權杖,另一個則處理影像權杖。接著,系統可以將更多運算資源導向圖形、數字和圖表等區域,而不是以相同方式處理文件的每個部分。專用解碼器也會考量產業術語,協助解讀在不同商業情境中意思各異的詞語。
Unsiloed 公布了測試效能數據,但應將其視為公司自行報告的結果。新創公司表示,在一項使用企業客戶提供的 542 份金融文件進行的測試中,約 84,000 個擷取資料點的準確度達到 99.78%。一份技術簡報指出,測試比較對象包括主要 AI 模型、Microsoft 的 Azure Document Intelligence,以及客戶內部的擷取工具。這些結果尚未經過獨立驗證,因此單憑這些結果,無法證明其在其他客戶或文件類型上的效能。
這家新創公司也公布了在 olmOCR-Bench 上的測試結果。olmOCR-Bench 是 Allen AI 開發的公開基準。在 Unsiloed 自行進行的測試中,其得分為 88.0;Reducto 的代理式系統為 66.0,Unstructured 則為 39.9。該基準涵蓋 1,403 頁 PDF,評估系統處理表格、數學式、掃描文件和複雜版面的能力。這些數據是新創公司自行公布的基準測試結果。
Mishra 表示,定價從每頁 1 美分起。他也主張,將運算資源集中在需要關注的文件區域,有助於控制成本。Unsiloed 目前有 7 名員工。公司計畫運用新一輪資金招聘研究人員和工程師、擴大銷售業務,並開發旨在提升技術的專有資料集。
重點資訊表
| 項目 | 說明 |
|---|---|
| 融資 | Unsiloed AI 完成 750 萬美元種子輪融資,由 Felicis 領投。 |
| 產品 | 將複雜文件轉換為 AI 代理可使用的結構化資料,並指出擷取資訊的來源位置。 |
| 公布的準確度測試 | 公司表示,從 542 份金融文件擷取的約 84,000 個資料點,準確度達到 99.78%;結果尚未經過獨立驗證。 |
| 基準測試結果 | Unsiloed 表示其在 olmOCR-Bench 的得分為 88.0;Reducto 的代理式系統為 66.0,Unstructured 則為 39.9。 |
| 計畫 | 這家有 7 名員工的公司計畫招聘研究人員和工程師、擴大銷售業務,並開發專有資料集。 |
最後編輯時間:2026/11/18
