金融科技公司Glimpse周三宣布完成由Andreessen Horowitz领投的3500万美元A轮融资,8VC和Y Combinator参与跟投。
创始人Akash Raju、Anuj Mehta和Kushal Negi是普渡大学的同学,最初创建的是一家从事Airbnb产品植入的初创公司。该公司于2020年推出,但到2024年,创始人们转向了一个全新的想法:Glimpse,一个帮助零售商自动化财务扣除流程的平台。
在业务转型后,该公司去年由8VC领投完成了1000万美元融资,当时称为A轮融资。现在公司将这笔新的3500万美元称为A轮融资,并将之前的A轮重新定义为种子轮。包括转型前的融资在内,公司迄今已筹集5200万美元。
"我们最终感觉缺乏产品市场契合度,决定进行彻底转型,"Raju谈到第一个不成功的想法时说道。"在这个过程中,我们接触到了品牌的后台办公室和零售销售的混乱状况,最终促使我们创建了今天的Glimpse。"
他们通过共同的创始人朋友认识了a16z的主要投资者。"随着业务规模的扩大,我们建立了牢固的关系。对于能与他们在下一个增长阶段合作,我们感到非常兴奋,"他继续说道。
扣除是零售商在结算发票时从应付给品牌的金额中减去的数额。这种做法很常见,通常是这样运作的:品牌向零售商开票,零售商向品牌付款。如果支付金额少于开票金额,零售商会提供原因,比如货物损坏。
一些扣除是有正当理由的,但有些不是——这些被称为无效扣除,在后端跟踪和管理起来很繁琐。"这些错误出乎意料地常见,"该公司首席执行官Raju说道,他补充说"品牌可能正确发货,但仍被收取短缺货物费用。"
"团队需要登录多个零售商系统,提取分散的文档,审查行项目,与内部记录对账,并端到端管理争议。这个挑战源于跨系统和团队的分散、非结构化数据和孤立的工作流程,"他描述了这个过程通常是如何进行的。
如果品牌不对每一个无效扣除进行核对,这可能导致"持续的收入流失,"他说道。
Glimpse表示通过审查扣除、标记无效扣除和提交争议来帮助这个过程,帮助公司追回可能遗漏或损失的资金。该平台的AI智能体会登录零售商门户,查找并集中所有必要文档,然后对每项扣除进行分类,Raju解释道。从那里,AI智能体会根据内部数据(如供应链记录和促销日历)验证每项变更,以确定哪些扣除是合法的,哪些不是。
该公司表示与200多个零售品牌合作,包括Suave及其唇膏品牌Chapstick。
"当发现问题时,Glimpse自动提交争议,跟进流程,应用追回的现金,并将一切同步回品牌的ERP系统,"Raju说道,他补充说该产品跨多个系统集成。除了主要的企业资源规划财务软件外,它还与促销日历和零售门户集成。他说这可以将漫长的过程缩短到几天。
尽管Glimpse实现了自动化,Raju表示他的公司确实有人工参与,"主要是为了确保结果,"他说,比如"跟进争议以推动解决和现金追回,以及对分类和数据提取等关键步骤进行质量保证。"
系统每次处理扣除时都会变得更智能,并持续改进其分类、验证和解决方案。"随着时间的推移,这创造了复合数据优势,每个新的集成和客户都使系统在整个网络中变得更智能和更有效,"他说道。
其他公司也在用软件解决无效扣除问题,如Revya和Confido。
"我们的愿景是成为消费品和零售品牌的AI基础设施,这笔资金有助于继续朝着这个愿景执行,"他说道。
Q&A
Q1:Glimpse是什么?它主要解决什么问题?
A:Glimpse是一个帮助零售商自动化财务扣除流程的平台。它主要解决零售业中无效扣除的跟踪和管理难题,这些无效扣除会导致品牌收入流失。
Q2:Glimpse的AI智能体是如何工作的?
A:Glimpse的AI智能体会登录零售商门户,查找并集中所有必要文档,然后对每项扣除进行分类。它会根据内部数据验证每项变更,确定哪些扣除是合法的,并自动提交争议。
Q3:使用Glimpse能带来什么效果?
A:Glimpse可以将原本漫长的手工处理流程缩短到几天,自动化地审查扣除、标记无效扣除和提交争议,帮助公司追回可能遗漏或损失的资金,避免持续的收入流失。
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。