如今,聊天机器人及其他类型的AI代理层出不穷,但事实是,对于企业和消费者来说,有些相比之下可能在实用性上优势明显(也许更少带有反乌托邦色彩)。
今天,一家围绕这一概念构建了成功业务的初创企业宣布完成一轮重大扩张融资。Manychat 提供一款可以管理和自动化跨多个消息渠道对话及互动的工具,其在由 Summit Partners 领投的 B 轮融资中获得了1.4亿美元资金。
此次融资是在该初创企业实现强劲增长的背景下展开的。目前,Manychat 已拥有约150万客户,遍布170个国家,客户名单中既有 Nike、The New York Times、Yahoo 等知名企业,也有个人创作者及规模较小的机构。
Manychat 的首席执行官兼联合创始人 Mike Yan 表示,公司每年代表这些用户在 TikTok、Instagram、WhatsApp、Messenger 以及其他聊天平台上发送“数十亿”条信息。计划利用这笔新资金一方面加大在研发领域的投资——特别是为平台引入更多 AI 技术;另一方面在全球范围内提升公司的销售、营销及客户支持。
值得注意的是,对于如今的初创企业来说,Manychat 大多保持盈利状态——正如 Yan 所描述的,公司“一直在勉强保持收支平衡的边缘运营”。
自2015年推出以来,该初创企业此前仅筹集了约2300万美元资金,主要来源于2019年获得的1800万美元 A 轮融资。
Manychat 并未透露此次 B 轮中除 Summit Partners 之外的其他投资者是谁。公司也未透露其估值,但很可能远高于 PitchBook 在 A 轮时提到的5800万美元的融资后估值。
从 Telegram 到 Instagram
Manychat 的发展轨迹既反映了过去十年智能手机消息应用的崛起,也展示了围绕帮助企业更好地利用这一媒介的工具所带来的机遇。
在2015年,当电子邮箱正逐渐变成一个充斥垃圾信息、疲惫且过度使用的企业营销媒介时,
Yan 刚刚经历了一款社交应用失败的打击,而他本人也是 Telegram 用户,正是越来越多只用消息应用进行基本通信的消费者中的一员。当 Telegram 开放其 API 时,灵感立即闪现,对他和联合创始人 Anton Gorin 来说,这正是一个亟待解决的问题。
他回忆道:“Telegram 实际上是最早开放 API 的西方消息应用之一。作为 Telegram 的用户,我们看到了明显的需求缺口。”他说,企业当时还在使用电子邮件与用户建立联系,但用户却不常浏览邮箱。“实际上,他们应该使用消息应用来与客户互动;现在的新一代消费者所处的沟通方式正是这里。”
于是,他和 Gorin 首次开发出 Manychat 版本,作为为企业在 Telegram 上创建聊天工具的平台。该产品获得了足够的市场关注,帮助他们进入了 500 Startups 加速器计划。
随着 Facebook 对 Messenger 开放 API,局面开始加速发展。到 2019 年 Manychat 完成 A 轮融资时,其已每月覆盖 3.5亿平台用户,发送消息数以十亿计,且拥有高达 80% 的可达率。
Meta 旗下其他平台以及 TikTok 的 API 相继开放也推动了这一增长。Yan 还表示,用户仍可在 Telegram 上开展营销,尽管如今这仅占其流量的一小部分。而 Instagram 则是目前公司客户端中互动最为活跃的平台。
Manychat 的创立以及大部分增长都早于生成式 AI 的崛起和 Anthropic 的 Claude、OpenAI 的 ChatGPT、Google 的 Gemini 等 AI 聊天机器人的出现。事实上,早期对 Manychat 的描述就曾称赞它为客户提供了“自动化与个性化接触的聪明结合”,客户利用其无编码平台构建聊天机器人,用以增加社交关注者、收集电子邮箱、回复评论以及通过私信链接设置流程以请求产品或获取更多信息。
Yan 表示,其产品围绕鼓励用户进一步行动这一核心理念,正是其区别于市场上大多数聊天机器人(包括大多数生成式 AI 聊天机器人)的关键所在。
主导此次投资并将加入初创企业董事会的 Summit 合伙人 Sophia Popova,相信 Manychat 构建互动层的方式,使其成为下一波消息平台活动的坚实赌注。
她在采访中表示:“我们的投资论点基于一个前提,即越来越多的商业交易将通过社交消息应用进行。你必须始终在线并全天候互动,这是客户所期望的,而 Manychat 正中要害。” 相比之下,她提到,在考虑 AI 聊天机器人的基因时,“极少数机器人能实现那种促成转化为收入的个性化对话。”
此外,她补充道,如果你需要的是一个帮助台聊天机器人,市场上工具繁多,但能像 Manychat 那样通过互动激发销售或其他用户响应的却寥寥无几。
然而,鉴于开发速度之快,以及 AI 初创企业为弥补巨额资金消耗而急于创收,这一差距可能不会持续太久。这也是 Manychat 正在努力将更多 AI 功能融入其产品以提升服务的一大原因。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。