Unsiloed AI获Felicis领投750万美元,让企业文档可被AI Agent读取

Unsiloed AI 拿到 Felicis 领投的 750 万美元种子轮,专攻把表格、图表、复杂排版的企业文档拆解成 AI Agent 可用的结构化数据,并标注信息来源以便人工核对。

一句话看懂:Unsiloed AI 拿到 Felicis 领投的 750 万美元种子轮,专攻把表格、图表、复杂排版的企业文档拆解成 AI Agent 可用的结构化数据,并标注信息来源以便人工核对。

事件核心:发生了什么

据 TechCrunch 2026 年 11 月 18 日报道,总部位于旧金山的 Unsiloed AI 完成 750 万美元种子轮融资,由 Felicis 领投,Y Combinator、Orange Collective、Uncorrelated Ventures 及天使投资人 Aarthi Ramamurthy、Beth Turner 参投。公司由 Aman Mishra 与 Adnan Abbas 创立,两人是 IIT Kharagpur 同学,团队目前仅 7 人,曾参与 YC 2025 秋季批次。

其软件专门处理含表格、图表和复杂版式的商业文档,将其转为结构化数据供 AI Agent 使用,并给出每条信息在原文档中的出处,便于企业复核而非直接采信模型输出。

为什么重要

大模型本质上是概率模型,Mishra 直言输出必然存在偏差与幻觉,对银行、医院、律所这类依赖文档日常运转的机构,错误信息的下游代价很高。文档解析因此成为 AI Agent 落地企业场景的一道前置关卡。Unsiloed 采用所谓“双流”视觉模型,分别处理文本 token 与图像 token,并用“热力图分块”锁定文档重点区域,把算力更多分配给数字、图表等高风险部分,另配行业术语解码器区分同名不同义的词汇。

但这一赛道并不空白:Reducto、Unstructured 等创业公司,以及微软、亚马逊的产品都在争夺,通用大模型也被企业直接拿来抽取信息。Unsiloed 目前公开信息显示的差异化,主要建立在自家测试成绩上:一份企业客户提供的 542 份金融文档、约 8.4 万个数据点的测试中准确率为 99.78%;在 Allen AI 的 olmOCR-Bench 上(1403 页 PDF)得 88.0,对比 Reducto 66.0、Unstructured 39.9。这些结果由公司自行执行,尚未经过独立验证,不能视为稳定的行业排名。

对用户/开发者/创作者的影响

对企业采购方而言,按页计费从 1 美分起,且强调可追溯出处,适合先在合同、财报、病历等文档密集场景小范围试点。对开发者,文档解析精度直接决定 RAG 与 Agent 的知识库质量,选型时应关注表格、扫描件、数学公式等边界能力,而非只看单一总分。Mishra 提到的客户包括一家银行、一家在自有服务器上部署的律所,以及语音 AI 公司 Bolna AI,后者用其构建语音 Agent 的知识库。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是 99.78% 与 olmOCR-Bench 成绩能否经第三方复现;二是 1 美分/页的定价在规模化处理时是否仍具成本优势;三是本轮资金将用于招聘研究员与工程师、扩充销售并建设专有数据集,7 人团队能否撑起金融、法律、医疗多行业交付值得观察。

来源:TechCrunch AI

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注