前线运营软件初创公司Tulip Interfaces今日宣布在后期融资轮中筹集了1.2亿美元,使其估值超过13亿美元,跻身科技独角兽行列。
这轮D系列融资由三菱电机领投,该公司去年与Tulip签署了战略联盟协议,以推动其数字化转型。
Tulip是一个面向制造企业的云托管无代码前线运营平台的创建者。该平台让客户能够数字化转型其生产流程,连接工人与机器、设备和系统。通过其用户友好的界面,员工可以快速轻松地构建定制化应用程序,即使不具备任何编程技能。
这家初创公司将自己定位为传统制造执行系统的替代方案。其软件充当"参与系统",提供各种能力来帮助管理车间的制造运营。
其无代码应用构建器使用各种模板和拖拽界面来简化应用创建,并内置数据收集和分析工具,自动捕获来自人工交互、联网机器、传感器和智能工具(如条形码扫描器或秤)的信息。这些信息经过分析后为客户提供有关性能和生产瓶颈的洞察。
Tulip平台通过一系列连接器和应用程序编程接口与现有的企业资源规划和产品生命周期管理系统集成。它提供"自动化"工具,让用户在这些平台之间构建可视化工作流程以促进信息交换。
另一个有用的功能涉及其集成的质量保证流程,包括数字检查清单、不合规追踪和自动数据捕获。此外,Tulip还提供人工智能工具,如用于质量检测的计算机视觉和用于创建文档的生成式AI。
根据Tulip的说法,其平台为制造商提供巨大优势。Forrester Research在2023年委托进行的一项研究声称,其客户在短短三年内平均投资回报率达到448%。同一份报告还声称操作员效率提高15%,用于管理任务的间接劳动时间减少50%。
Tulip认为,在制造企业面临供应链波动和劳动力短缺等挑战时,其前线运营平台比以往任何时候都更有用。它表示传统系统和基于纸张的流程太低效,无法帮助制造商克服这些问题。
该公司提供了大量数据点来支持其主张,强调客户对其生成式AI能力和自动化工具的采用在过去两年中分别增长了364%和519%。与此同时,公司一直快速发展,员工人数在过去三年中增长了135%,并在布达佩斯、慕尼黑、新加坡、特拉维夫和东京设立了新办事处。
Tulip首席执行官Natan Linder表示,他的公司与三菱电机的合作关系将使这家日本制造业巨头能够数字化其运营,并推出可扩展的AI自动化和应用程序,通过敏捷的、以人为中心的创新来提高生产力。"我们的合作关系巩固了对以人为先的数字化转型的共同承诺,"他说。"我们正在构建现代的、可组合的架构,不是为了让人自动化消失,而是为了通过AI的实际应用为他们提供超能力。"
Q&A
Q1:Tulip的无代码平台是如何工作的?
A:Tulip的无代码应用构建器使用各种模板和拖拽界面来简化应用创建,员工无需编程技能就能快速构建定制化应用程序。平台内置数据收集和分析工具,能自动捕获来自人工交互、联网机器、传感器等信息,并分析提供性能和生产瓶颈的洞察。
Q2:使用Tulip平台能带来什么效益?
A:根据Forrester Research在2023年的委托研究,Tulip客户在三年内平均投资回报率达到448%,操作员效率提高15%,用于管理任务的间接劳动时间减少50%。同时客户对生成式AI能力和自动化工具的采用在过去两年中分别增长了364%和519%。
Q3:Tulip与传统制造执行系统有什么区别?
A:Tulip将自己定位为传统制造执行系统的替代方案,其软件充当"参与系统"。它通过无代码界面让普通员工也能构建应用,集成了质量保证流程、人工智能工具如计算机视觉和生成式AI,并能与现有企业资源规划系统集成,提供更现代化的数字转型解决方案。
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。