营销工作流自动化创业公司Landbase Inc.充分利用了两个多月前刚刚筹集的3000万美元A轮融资,收购了一家名为Ad Auris Inc.的创业公司(商业名称为Adauris)。
这是该公司的首次重大收购,将帮助其拓展所谓的"AI原生入站营销"业务。
成立于2024年的Landbase是一个智能体AI平台的创建者,该平台声称能够完全自动化B2B市场推广工作流程,涵盖从潜在客户研究到多渠道推广和活动优化的各个环节。
为此,公司开发了一个名为GTM-1 Omni的特定领域大语言模型。该模型专为市场推广流程设计,基于数十亿相关数据点进行训练,包括超过2.2亿个联系人和4000万次销售互动数据。它为一个虚拟市场推广AI智能体团队提供动力,这些智能体全天候运行,代表公司扩展推广活动。
Landbase的平台能够自动识别和丰富理想目标,为每个潜在客户创建个性化内容,然后启动和管理基于电子邮件、LinkedIn和电话的营销活动,同时根据实时参与数据持续优化策略。
此外,公司还创建了一个名为VibeGTM的大语言模型,为基于自然语言的"可视化编程"工具提供支持,该工具可以构建、部署和迭代整个营销活动,无需编程技能。
至于Adauris,它是AI原生、内容驱动潜客生成工具的创建者,能够直接增强Landbase基于信号的市场推广愿景。该创业公司的团队开发了用于识别"信号"的基础设施,这些信号可以指示细分B2B媒体网络中的销售线索。它生成播客等内容,月曝光量超过1000万次,每天识别多达4.5万个潜在客户。
Landbase表示,计划将Adauris的能力直接集成到GTM-1 Omni中,以解锁新信号,从而增强客户的入站和出站营销表现。
然而,这笔交易更像是一次"人才收购"。Landbase首席执行官Daniel Saks称赞了Adauris创始团队的能力,他说该团队在构建入站基础设施和增长系统方面"经验丰富"。
"Adauris团队带来了技术深度和市场推广洞察,为我们的入站路线图注入强劲动力,"Saks说道。"我们将共同推出基于信号的LinkedIn发布等高影响力入口点,为AI驱动的营销渠道奠定基础,这将补充我们现有的出站能力。"
Landbase表示,Adauris的前首席执行官Logan Underwood将成为公司合作伙伴关系负责人,领导公司的合作伙伴生态系统并扩展代理商合作。与此同时,Adauris首席运营官Tina Haertel成为Landbase的产品总监,负责领导入站营销功能的开发。同时,Adauris前首席技术官Griffin Cook被任命为Landbase入站营销产品的新工程负责人。
Underwood表示,他的团队决定加入Landbase,因为该公司正在解决他识别出的营销关键痛点。"它提供了统一的市场推广方法,将入站和出站信号整合到单一的全渠道活动中,"他说。
据报道,Adauris团队已经帮助Landbase开发了一个AI驱动的LinkedIn思想领导力发布工具,帮助营销团队发布基于信号的内容并实时跟踪买家参与度。
Haertel表示,新功能帮助那些希望获得更大可见性但不知道说什么或针对谁的公司。"这个功能让有目的的发布变得容易,并将内容与需求连接起来,这只是Landbase入站路线图的开始,"她补充道。
Landbase表示,Adauris团队将帮助其在未来几周内推出多项新的入站营销功能,将发布能力扩展到更多渠道并改善参与分析。
Q&A
Q1:Landbase是什么公司?主要做什么业务?
A:Landbase是一家成立于2024年的营销工作流自动化创业公司,创建了智能体AI平台,能够完全自动化B2B市场推广工作流程,涵盖从潜在客户研究到多渠道推广和活动优化的各个环节。
Q2:GTM-1 Omni大语言模型有什么特点?
A:GTM-1 Omni是Landbase开发的特定领域大语言模型,专为市场推广流程设计,基于数十亿相关数据点进行训练,包括超过2.2亿个联系人和4000万次销售互动数据,为虚拟市场推广AI智能体团队提供动力。
Q3:Landbase收购Adauris的主要目的是什么?
A:这次收购主要是为了拓展AI原生入站营销业务。Adauris拥有内容驱动的潜客生成工具和经验丰富的团队,能够识别销售信号,月曝光量超过1000万次,每天识别多达4.5万个潜在客户,将增强Landbase的入站和出站营销能力。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。