Collide Capital由Brian Hollins与Aaron Samuels联合创立,于近日正式宣布完成9500万美元二期基金的募集。该机构成立于2021年,专注于投资金融科技、供应链及未来工作领域的早期阶段企业。
自2022年完成首期6600万美元基金募集以来,Collide Capital迄今已投资75家公司。Hollins表示,本次二期基金历时约13个月完成募集,团队计划在未来3.5年内完成资金部署。尽管当前市场环境对许多新兴基金管理人而言颇具挑战,但Collide Capital团队凭借丰富的从业经历与出色的历史业绩赢得市场认可。Hollins此前曾在高盛、Lightspeed及Slow Ventures从业长达十年,Samuels则拥有贝恩咨询的工作背景,并曾就职于Lightspeed,同时还是全球规模最大的科技峰会之一AfroTech的联合创始人。
二期基金的有限合伙人阵容强大,包括加利福尼亚大学捐赠基金(UC Regents,同时也是一期基金的主要出资方)、Accolade Partners、Fairview Capital、高盛及摩根大通。本期基金单笔投资金额预计在100万至300万美元之间,团队计划投资至少30家公司,目前已完成对5家企业的出资。该机构现有投资组合还包括Culina Health和Helios等公司。
"我们最关注的是能够驱动自动化、支持实时协作、以及加速数据驱动决策的平台型企业。"Hollins表示。
除投资业务外,Hollins与Samuels还表示,团队对进一步扩展旗下Collide Campus项目充满期待。该项目于2022年启动,旨在为下一代创业者和风险投资人提供培育与指导,相关扩展工作独立于本次基金募集之外进行。项目设有两条核心路径:一是面向本科生的创业与风险投资培训项目,二是研究生奖学金项目,参与者将以投资人学徒身份与Collide团队并肩工作。
目前,本科生校园项目已覆盖哈佛大学、约翰斯·霍普金斯大学等20余所高校。Samuels介绍,迄今已有逾50名学生完成项目培训,并成功进入General Catalyst等顶级机构及Collide Capital本身任职。从整体来看,该项目也为基金在项目源和人才储备两方面提供了有力支撑。Samuels坦言,创立该项目的初衷,正是源于他们在学生时代曾深感此类资源的匮乏。
"我们希望将最优秀、最聪明的人才与风险投资连接起来,让他们的拼劲与决心得以转化为世界真正需要的企业。"他说道。
Q&A
Q1:Collide Capital二期基金的规模和投资方向是什么?
A:Collide Capital二期基金规模为9500万美元,主要聚焦金融科技、供应链及未来工作领域的早期阶段企业。单笔投资金额预计在100万至300万美元之间,计划在未来3.5年内投资至少30家公司。
Q2:Collide Capital二期基金的出资方有哪些?
A:二期基金的有限合伙人包括加利福尼亚大学捐赠基金(UC Regents)、Accolade Partners、Fairview Capital、高盛及摩根大通。其中加利福尼亚大学捐赠基金也是一期基金的主要出资方,延续了对Collide Capital的支持。
Q3:Collide Campus项目是什么?它的目标是什么?
A:Collide Campus是Collide Capital于2022年启动的人才培育项目,旨在培养下一代创业者和风险投资人。项目设有本科生创业与VC培训,以及研究生奖学金两条路径,目前已覆盖哈佛等20余所高校,逾50名学生完成培训并进入顶级机构任职。该项目同时也为基金提供项目源和人才支持。
好文章,需要你的鼓励
无人机食品配送服务商Flytrex与全球知名披萨连锁品牌Little Caesars宣布合作,推出全新Sky2无人机,最大载重达4公斤,可一次配送两个大披萨及饮料,满足全家用餐需求。Sky2支持最远6.4公里的配送范围,平均从起飞到送达仅需4.5分钟。首个试点门店已在德克萨斯州怀利市上线,并实现与Little Caesars订单系统的直接集成。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
法国社会住房项目ViliaSprint?已正式完工,成为欧洲最大的3D打印多户住宅建筑,共12套公寓,建筑面积800平方米。项目由PERI 3D Construction使用COBOD BOD2打印机完成,整体工期较传统建造缩短3个月,实际打印仅用34天(原计划50天),现场操作人员从6人减至3人,建筑废料率从10%降至5%。建筑采用可打印混凝土,集成光伏板及热泵系统,能源自给率约达60%。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。