Anna Monaco在"AI智能体"这个术语还未流行之前就开始构建AI智能体了。在开发了众多聊天机器人后,她开始寻找其他适合AI智能体的界面类型,最终选择了电子表格。
"我有一个个人习惯,我注意到很多其他人也有这种习惯,就是将非常重要的CRM数据放在电子表格中,因为这是最灵活的工具,"Monaco告诉TechCrunch。"但实际上维护起来很痛苦。涉及太多手动工作。所以我就深入钻研,为自己构建一个产品,想要重新构想在大语言模型全面支持下电子表格可能的样子。"
结果就是Paradigm,这是一个AI驱动的电子表格,配备了超过5000个AI智能体。用户可以为单独的列和单元格分配不同的提示,各个AI智能体会爬取互联网来查找并填写所需信息。
Monaco表示,Paradigm与Anthropic、OpenAI和谷歌Gemini的AI模型兼容,并支持模型切换。
"我们希望支持每一个模型,因为我们希望用户在需要时能够获得最高推理输出,同时也能获得最便宜的输出,"Monaco说。"这是一个不断评估不同模型、与模型提供商密切合作以确保我们的限制足够高,然后将这些能力提供给用户的持续循环。"
该公司在2024年底推出了小规模封闭测试版预览,并一直在根据客户反馈迭代产品。Paradigm吸引了从顾问到销售专业人士和金融人士等各类用户,采用基于使用量分层的订阅模式。咨询公司安永、AI芯片初创公司Etched和AI编程公司Cognition都是早期客户。
Paradigm现在向公众发布其产品,并宣布完成了由General Catalyst领投的500万美元种子轮融资。该公司迄今已筹集700万美元。Monaco表示,这笔资金将用于执行公司"极其激进的产品路线图"。
"筹资时发生的有趣事情是,我们向一些人推介后,他们就一直在使用并为产品付费,"Monaco说。"我认为这很酷。我们从中发现了很多价值,不仅是我们的投资者——甚至是我们交谈过的其他投资者——仍在使用它。"
Paradigm并不是唯一一家寻求为电子表格提供AI升级的公司。已筹集超过600万美元风险投资的Quadratic是一家有着相似目标的3年历史的初创公司。谷歌和微软等传统公司也在向其电子表格应用添加AI工具。
Monaco表示,她并不真正考虑竞争,因为Paradigm并不认为自己是一个AI驱动的电子表格。她说她认为这是一个新的AI驱动工作流程,恰好以熟悉的电子表格形式存在,但不一定永远保持这种形式。
"我在当前最受欢迎的AI产品中看到的是现在和未来之间的微妙平衡,"Monaco说。"如何构建一个现在就非常强大并产生大量价值,同时也为未来做好充分准备的产品?这是我一年前创办公司时问自己的问题。"
Q&A
Q1:Paradigm是什么产品?它有什么特别之处?
A:Paradigm是一个AI驱动的电子表格工具,配备了超过5000个AI智能体。用户可以为单独的列和单元格分配不同的提示,AI智能体会自动爬取互联网来查找并填写所需信息,大大减少了手动维护数据的工作量。
Q2:Paradigm支持哪些AI模型?为什么要支持多个模型?
A:Paradigm与Anthropic、OpenAI和谷歌Gemini的AI模型兼容,并支持模型切换。创始人表示希望支持每一个模型,让用户在需要时能够获得最高推理输出,同时也能获得最便宜的输出选择。
Q3:Paradigm的目标用户群体是什么?商业模式如何?
A:Paradigm吸引了从顾问到销售专业人士和金融人士等各类用户,早期客户包括咨询公司安永、AI芯片初创公司Etched和AI编程公司Cognition。采用基于使用量分层的订阅模式运营。
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。