Sourcetable Inc. 通过推出号称首个人工智能驱动的电子表格,致力于让每位办公室职员都能进行数据分析。
今天,该创业公司宣布获得了 430 万美元融资,旨在改变办公人员的工作方式。本轮融资由 Bee Partners 领投,Preston-Werner Ventures 以及包括 Hugging Face Inc. 联合创始人 Julien Chaumond 和 Magic Mind Inc. 联合创始人 James Beshara 在内的天使投资者参与其中。
该公司致力于消除电子表格中的技术壁垒,这种壁垒将所谓的"高级用户"与那些仅会使用求和键来计算单列数值的用户区分开来。
通过 Sourcetable,用户只需使用自然语言告诉电子表格他们想要实现什么。它支持键盘命令或语音输入,类似于新兴的"意图编程"实践,即开发者用几句话描述问题,让大语言模型生成代码。
这家创业公司将其产品描述为首个具有自动驾驶功能的"自动化"电子表格,底层 AI 对每个文件都具有完整的写入和编辑权限,可以代表用户执行复杂的多步骤任务。
Sourcetable 可以创建和编辑财务模型、根据表格条目创建图表和图形、构建数据透视表、清理数据、编辑格式、丰富列中的数据,或分析整个工作簿并总结其内容。在传统电子表格中,所有这些任务都需要高级知识才能完成,但在 Sourcetable 中,只需一个简单的命令即可。
此外,Sourcetable 无需用户预先选择范围就能理解数据上下文,并且可以解释跨不同标签页的多个范围。它还可以处理和清理杂乱的数据,如果用户的指令不清晰,它会要求澄清。
Sourcetable 联合创始人兼首席执行官 Eoin McMillan 认为这样的产品会引起广泛兴趣,因为据估计每天有约 7.5 亿人使用电子表格工作。然而,这些用户中不到 20% 的人知道如何执行最基本的电子表格函数,如 VLOOKUP 或创建数据透视表。因此,基于数据的洞察对绝大多数电子表格用户来说仍然无法获取。
"AI 是自浏览器以来最大的平台转变,具有更大的颠覆机会,Sourcetable 正在为下一个十亿用户构建 AI 电子表格,无论是人类还是 AI," McMillan 说。"随着 AI 使分析变得更容易,每个人都将成为分析师。Sourcetable 的 AI 自动化开启了生产力和人类认知的新纪元。"
McMillan 解释说,当他最初与联合创始人 Andrew Grosser 着手构建 Sourcetable 时,他们最初的目标是数据科学家、Python 程序员、SQL 分析师和其他高级用户,希望让他们的工作更轻松。然而,他们很快意识到,改变方向,使用 AI 来消除绝大多数非高级用户的障碍会带来更多好处。
Sourcetable 的核心是一个"快速、准确的代码驱动评估循环",可以实时验证底层大语言模型的响应,以确保复杂多步自动化任务所需的准确性。这确保用户可以信任它生成的见解是准确的,并且基于电子表格中的实际数据。
该公司提供多种大语言模型的访问权限,包括 OpenAI GPT 模型、Anthropic PBC 的 Claude Sonnet、xAI Corp. 的 Grok、Meta Platforms Inc. 的开源 Llama 模型、DeepSeek Ltd. 的 R1 以及 Hugging Face 平台上的各种其他模型。用户可以自己选择想要使用的模型,或让 Sourcetable 为每个任务选择它认为最合适的模型。
Bee Ventures 管理合伙人 Michael Berolzheimer 表示,几十年来,我们一直处于这样一个世界:人们要么精通 Excel 及其所有高级功能,要么几乎一无所知。他说,几乎没有中间地带。
"但现在不再是这样了,"他说。"现在任何人,无论是人类还是 AI 代理,都可以从准确、可靠的数据分析中受益,而这些分析都建立在至关重要的电子表格基础之上。"
好文章,需要你的鼓励
知名的投资机构ICONIQ Capital发布了《开发者手册:2025年AI现状报告》,基于对300位企业高管的调研,包括CEO、工程负责人、AI负责人和产品负责人等关键决策者,涵盖了从初创公司到十亿美元巨头的各个发展阶段,深度剖析了当下企业AI产品应用的全貌,为我们呈现了一个从"如何构思、交付和规模化AI驱动业务"的完整路线。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。