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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。