印尼就业平台Pintarnya宣布完成1670万美元A轮融资,该轮融资由Square Peg领投,现有投资者Vertex Venture Southeast Asia & India和East Ventures参投。
Pintarnya成立于2022年,由Ghirish Pokardas、Nelly Nurmalasari和Henry Hendrawan共同创立。该平台不仅提供就业匹配服务,还通过提供金融服务来解决印尼人面临的两大挑战:获得足够收入和负责任借贷。
联合创始人Henry Hendrawan表示:"传统上,印尼的普通工人通过招聘会或口耳相传的方式线下找工作,雇主被大量纸质申请淹没,求职者很少收到回复。在借贷方面,他们往往只能向家人朋友借钱,或者求助于收取高额费用的掠夺性放贷机构。我们用AI技术数字化工作匹配,让招聘更快速,同时为工人提供更安全、更健康的借贷选择——围绕他们的实际承受能力设计,而不是让他们陷入更深的债务。"
印尼1.5亿劳动力中约59%在非正规部门就业,这些工人因缺乏可验证收入和正式就业文件,难以获得正规金融服务。Pintarnya通过与资产担保放贷机构合作,提供以黄金、电子产品或车辆等作为抵押的担保贷款来解决这一问题。
自2022年种子轮融资以来,该平台目前服务超过1000万求职用户和全国4万家雇主。收入同比增长近五倍,预计年底实现盈亏平衡。Pintarnya主要服务21-40岁用户,其中大多数具有高中学历或大专以下文凭。
与主要面向白领岗位的JobStreet、Kalibrr和Glints等现有就业平台不同,Pintarnya专门为蓝领工人设计,提供快速申请面试机会、相关技能的经济实惠在线学习、应用内补充收入机会,以及与贷款等金融服务的无缝连接。
在金融科技服务需求方面,Hendrawan提到:"考虑到他们的就业状况,借贷是Pintarnya用户目前最需要的金融服务。我们计划通过与合作伙伴的创新产品,逐步引导他们进入小额储蓄和投资领域。"
新资金将使Pintarnya能够加强平台技术,并通过战略合作伙伴关系扩大金融服务产品。鉴于大多数印尼工人从事蓝领和非正规工作,创始人们认为本地市场存在巨大增长机会。凭借在东南亚管理业务的丰富经验,他们也对在适当时机探索区域扩张持开放态度。
Hendrawan表示:"我们的愿景是让Pintarnya成为印尼人的日常伙伴,不仅帮助他们解决今天的生计问题,还能规划、成长和改善明天的生活。五年内,我们希望Pintarnya成为印尼工人的首选超级应用,不仅用于赚取收入,更要成为他们人生旅程中的可信伙伴。"
Q&A
Q1:Pintarnya是什么样的平台?
A:Pintarnya是印尼的就业平台,成立于2022年,不仅提供就业匹配服务,还为用户提供金融服务。该平台专门为蓝领工人设计,用AI技术进行工作匹配,目前服务超过1000万求职用户和4万家雇主。
Q2:Pintarnya如何解决印尼工人的借贷难题?
A:Pintarnya通过与资产担保放贷机构合作,提供以黄金、电子产品或车辆等作为抵押的担保贷款。这种方式专门针对缺乏可验证收入和正式就业文件的非正规部门工人,为他们提供更安全、更合理的借贷选择。
Q3:Pintarnya的融资规模和未来规划是什么?
A:Pintarnya刚完成1670万美元A轮融资,由Square Peg领投。资金将用于加强平台技术和扩大金融服务产品。公司预计年底实现盈亏平衡,未来五年目标是成为印尼工人的首选超级应用。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。