Faireez 向 TechCrunch 独家透露,该公司刚刚结束秘密研发阶段,获得了 750 万美元种子轮融资。这家初创公司的目标是为公寓楼宇带来"五星级酒店式管家服务"。
这家成立于 2023 年的纽约公司致力于提供高度个性化的清洁服务。他们采用订阅模式,为每栋建筑配备专属管家 (称为 fairy),为所有订阅用户提供"一致且个性化的服务"。
Faireez 为高层公寓或公寓大楼等多户型住宅的居民提供通过网站或应用预约清洁服务的方式。有趣的是,用户可以根据具体任务预约服务,比如每天清洗餐具或每周拖地一次,而不是按小时计费。
联合创始人 Omer Agiv 和 Ori Fingerer 虽然没有透露具体收入数据,但表示公司已与"前 50 大物业管理公司和房东"建立了"合作关系",在纽约、新泽西、佛罗里达和伊利诺伊四个州提供服务。这些合作伙伴包括 Silverstein Properties、Charney Companies、First Service Residential、Ironstate 和 BNE 等,他们合计管理约 100 万套多户型住宅。
Faireez 表示正在多个方面将人工智能整合到服务中。首先,他们开发了 AI 驱动的自动扫描技术,通过视频分析住户家居情况,制定个性化清洁计划。创始人表示这项功能将于今年晚些时候推出。
Fingerer 向 TechCrunch 表示:"这种动态定价将把家政服务转变为基于 SKU 的服务,每项家务都有对应的价格标签。我们的引擎会根据规模为家务定价,并根据供需情况进行调整。"
该公司还开发了 AI 质量保证系统。例如,每次清洁都会通过带时间戳的照片记录。AI 会分析清洁前后的照片进行质量控制,并通过实时通知分享结果。
Faireez 与大型专业公司合作,从这些公司中"精心挑选前 5% 的员工"作为管家。公司为这些工作人员提供统一的规程、制服和设备。
Agiv 表示:"每次都是同一位管家服务,这样可以建立信任关系。我们使用基于 AI 的图像引擎确保每次家务都以相同的方式完成。一致性非常重要。"
Faireez 称这些管家的收入比市场平均水平高 30% 到 40%,还有资格获得奖金。
Faireez 表示,未来几个月还计划引入机器人助手协助管家完成基本家务,例如在墨西哥的管家可以远程操作美国住宅中的机器人助手。
公司设定了一个雄心勃勃的目标:到 2030 年服务 100 万套多户型住宅。
目前,Faireez 有 12 名员工。公司计划将新融资用于技术研发和美国市场扩张。计划在 2026 年进入另外四个州。创始人没有具体透露目标市场,只表示在考虑西海岸。
这并非两位创始人的首次合作。此前,他们创办了以色列啤酒行业数据公司 WeissBeerger,该公司于 2018 年被百威英博以 8000 万美元收购。
Fingerer 说:"Faireez 和 Weissbeerger 都是将高科技引入低科技领域的典范。当你观察人们在哪些事情上花费时间时,会发现日常家务就是其中之一。普通美国人一生中要花费 4.2 年时间做家务。"
Aristagora VC 领投了 Faireez 的种子轮融资,其他投资方包括 Longevity Venture Partners、Hetz Ventures、Secret Chord Ventures、RE Angels、NFX 创始合伙人 Gigi Levy-Weiss 等。
Aristagora VC 的管理合伙人 Moshe Sarfati 向 TechCrunch 表示,他认为 Faireez 正在"革新一个有着千年历史的行业"。
他说:"他们具备在'住宅建筑配套服务这片蓝海'中成为游戏规则改变者的所有条件。"
图片从左至右:Omer Agiv (CEO 兼联合创始人)、Ori Fingerer (联合创始人兼首席业务发展官) 和 Gil Kaplan (CTO 兼联合创始人)。
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。