2017 年,Raghav Gupta 为了解决个人问题而开始探索:他希望轻松享用童年时吃到的家常菜,而不必花时间烹饪,也不用花钱订外卖或者聘请私人厨师。他选择了机器人技术,这也促使他创立了初创公司 Posha。
Posha 曾参加过 TechCrunch Startup Battlefield,公司开发的台面机器人利用计算机视觉技术来烹饪美食。用户只需浏览食谱列表,选择想要的菜谱,加入要求量的食材,机器人便会从开始到完成全程制作这道菜。
Gupta 告诉 TechCrunch,该系统在设计上既可定制又宽容容错,因此用户可以进行食材替换,即使没有精确称量食材,Posha 依然能正常工作。
Gupta 表示,“它就像一台制作咖啡的机器,只不过是为食物服务。比如当你想喝一杯咖啡时,会在咖啡机上选择一种咖啡,用不同的容器分别加入咖啡豆、糖和牛奶,轻点‘萃取’键,一杯咖啡就现成了。Posha 也做类似的事情,不过是针对食物而设计。”
虽然将咖啡机与 Posha 相比是个不错的比喻,但还不完全贴切,因为使用 Posha 需要比使用咖啡机付出更多劳力。
虽然 Posha 在烹饪过程中完成了大量工作,但消费者依然要主动参与采购食材和事前准备工作。尤其是切菜环节,往往会耗费配方烹饪时长中的相当一部分。
Gupta 也承认,有些人不会选择一个依然要求他们自己动手烹饪的解决方案。他表示,到目前为止,Posha 在那些一周做饭两到六次、希望在某些晚上减轻负担的用户中获得了最大成功。
Gupta 说,“这些人每天都要在厨房花上一个小时,决定吃什么、采购食材、烹饪以及清理后续工作。而我们帮助他们至少节省 70% 的时间,使他们每天只需花大约 10 至 20 分钟。”
Gupta 称,Posha 最初名为 Nymble,原本只是一个机器人臂,但在 Bosch 的加速器项目中的经历促使他们改变方向。他们了解到消费者不希望有一个在厨房内四处移动或难以清洁的设备。此后,公司一直与早期客户保持紧密联系。
Gupta 说,“从第一天起,我们就非常专注并痴迷于客户。我们不用 Zendesk 与他们聊天,而是通过 WhatsApp 和超过 100 位客户保持对话。大多数客户都认识我本人。疫情期间,我甚至搬到了美国,只为了离客户更近。”这种方式虽然难以扩展,但目前对 Posha 来说效果显著。
Gupta 表示,到目前为止,Posha 的 1750 美元直销台面设备主要依靠口碑营销。最近,Posha 完成了一轮 800 万美元的 A 轮融资,由 Accel 领投,现有投资者 Xeed Ventures、Waterbridge Ventures 和 Flipkart 联合创始人 Binny Bansal 等也参与其中。
Gupta 表示,Posha 将利用这些资金继续开发产品。具体来说,公司希望增加更多食谱选项,并赋予用户提出食谱创意的能力,由生成式 AI 将这些创意快速转化为操作说明并整合进设备中。
该公司于 2025 年 1 月推出了 Posha 机器人,目前首批产品已售罄,第二批产品现正接受预订。
Gupta 说,“如果你看看微波炉、洗碗机、冰箱,在某个时间点,这些设备最初都是台面设备,但随着时间的推移,它们在消费者家庭中变得不可或缺,以至于建筑商开始在房屋中直接预装这些设备。我们相信,Posha 在不久的将来也会拥有相同的命运。”
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。