随着企业越来越多地转向AI智能体来实现工作自动化,复杂文档中蕴藏的海量信息仍是一大难题。Unsiloed AI已完成750万美元种子轮融资,由Felicis领投,旨在通过专业化技术帮助企业提升文档对AI智能体的可访问性,从而解决这一问题。
硅谷风险投资公司Felicis领投本轮融资,Y Combinator、Orange Collective和Uncorrelated Ventures参投。天使投资人Aarthi Ramamurthy和Beth Turner也参与了此轮投资。
商业文档中通常包含表格、图表和复杂的排版样式,这些内容往往让AI系统难以准确解读。然而,一旦信息理解出错,就可能给企业带来高昂的代价,若涉及银行、医院或律师事务所,这种影响可能尤为严重,因为这些机构的日常工作高度依赖此类文档。
Unsiloed致力于通过软件解决这一问题:对复杂文档进行拆解,从表格、图表及其他元素中提取信息,并将其转化为AI智能体可用的结构化数据。该技术还能标注出所提取信息在原始文档中的来源位置,使企业能够对结果进行核查,而不是全盘接受AI的输出结果。
"大语言模型的问题在于它们本质上是概率性的,"Unsiloed联合创始人兼首席执行官阿曼·米什拉(Aman Mishra,上图右)在采访中表示。"这就会导致一定的偏差,也会产生一定的幻觉问题,而这些问题会在下游环节造成巨大的负面影响。"
米什拉与阿德南·阿巴斯(Adnan Abbas,上图左)共同创立了Unsiloed,两人曾是印度理工学院克拉格普尔分校(IIT Kharagpur)的同学。在投入一段时间进行技术开发后,二人加入了Y Combinator 2025年秋季批次项目。
米什拉向TechCrunch透露,Unsiloed目前已与金融、法律服务和医疗保健领域的客户展开合作。一家银行正在使用其技术处理文档,一家律师事务所则将其部署在自有服务器上,用于处理合同和旧案件档案,他并未透露这两家客户的具体名称。不过,米什拉提到了语音AI初创公司Bolna AI这一客户,称该公司使用Unsiloed摄取知识库,用以构建语音智能体。
这家总部位于旧金山的初创公司所进入的市场竞争已十分激烈,其中包括Reducto和Unstructured等专注于文档处理的初创公司,也包括微软和亚马逊推出的相关产品。此外,企业有时也会使用通用型AI模型来提取文档信息,这进一步构成了Unsiloed的另一批竞争对手。
米什拉向TechCrunch表示,Unsiloed的优势在于其处理复杂文档的方式。该初创公司采用了所谓的"双流"视觉模型,将文本和图像数据分开处理,并配合一种名为"基于热力图的分块"技术,帮助识别文档中最重要的部分。
"在其中一个流中是文本Token,在另一个流中则是精确的图像Token,"米什拉说道。"这是我们投入大量时间进行架构设计的核心部分。"
该技术会将更多算力分配给图表、数字和图形等区域。Unsiloed还使用了一种专门的解码器,能够考虑行业特定的术语,帮助系统区分同一词汇在不同商业语境下可能代表的不同含义。
为佐证这些说法,米什拉提到了一项测试,涉及由某企业客户提供的542份金融文档。根据该初创公司分享的技术简报,Unsiloed在约84,000个提取数据点中实现了99.78%的准确率。此次测试将Unsiloed与主流AI模型、微软的Azure文档智能,以及该客户内部使用的提取工具进行了比较。不过,这些结果尚未经过独立验证。
Unsiloed还声称,在由Allen AI开发的公开基准测试olmOCR-Bench中,其表现优于其他竞品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的智能体系统得分为66.0,Unstructured得分为39.9。该基准测试涵盖1,403页PDF文档,用于检验各系统处理表格、数学表达式、扫描文档及复杂排版的能力。
米什拉表示,Unsiloed的定价起步为每页一美分。他强调,该初创公司的技术路径还有助于控制成本,因为系统会将算力优先分配给文档中最需要关注的部分,而非对所有章节采取同等处理方式。
目前,Unsiloed的员工人数为7人。米什拉表示,公司计划利用此次融资招募更多研究人员和工程师,扩大销售团队规模,并开发专有数据集以持续提升其技术能力。
