2017 年,Raghav Gupta 为了解决个人问题而开始探索:他希望轻松享用童年时吃到的家常菜,而不必花时间烹饪,也不用花钱订外卖或者聘请私人厨师。他选择了机器人技术,这也促使他创立了初创公司 Posha。
Posha 曾参加过 TechCrunch Startup Battlefield,公司开发的台面机器人利用计算机视觉技术来烹饪美食。用户只需浏览食谱列表,选择想要的菜谱,加入要求量的食材,机器人便会从开始到完成全程制作这道菜。
Gupta 告诉 TechCrunch,该系统在设计上既可定制又宽容容错,因此用户可以进行食材替换,即使没有精确称量食材,Posha 依然能正常工作。
Gupta 表示,“它就像一台制作咖啡的机器,只不过是为食物服务。比如当你想喝一杯咖啡时,会在咖啡机上选择一种咖啡,用不同的容器分别加入咖啡豆、糖和牛奶,轻点‘萃取’键,一杯咖啡就现成了。Posha 也做类似的事情,不过是针对食物而设计。”
虽然将咖啡机与 Posha 相比是个不错的比喻,但还不完全贴切,因为使用 Posha 需要比使用咖啡机付出更多劳力。
虽然 Posha 在烹饪过程中完成了大量工作,但消费者依然要主动参与采购食材和事前准备工作。尤其是切菜环节,往往会耗费配方烹饪时长中的相当一部分。
Gupta 也承认,有些人不会选择一个依然要求他们自己动手烹饪的解决方案。他表示,到目前为止,Posha 在那些一周做饭两到六次、希望在某些晚上减轻负担的用户中获得了最大成功。
Gupta 说,“这些人每天都要在厨房花上一个小时,决定吃什么、采购食材、烹饪以及清理后续工作。而我们帮助他们至少节省 70% 的时间,使他们每天只需花大约 10 至 20 分钟。”
Gupta 称,Posha 最初名为 Nymble,原本只是一个机器人臂,但在 Bosch 的加速器项目中的经历促使他们改变方向。他们了解到消费者不希望有一个在厨房内四处移动或难以清洁的设备。此后,公司一直与早期客户保持紧密联系。
Gupta 说,“从第一天起,我们就非常专注并痴迷于客户。我们不用 Zendesk 与他们聊天,而是通过 WhatsApp 和超过 100 位客户保持对话。大多数客户都认识我本人。疫情期间,我甚至搬到了美国,只为了离客户更近。”这种方式虽然难以扩展,但目前对 Posha 来说效果显著。
Gupta 表示,到目前为止,Posha 的 1750 美元直销台面设备主要依靠口碑营销。最近,Posha 完成了一轮 800 万美元的 A 轮融资,由 Accel 领投,现有投资者 Xeed Ventures、Waterbridge Ventures 和 Flipkart 联合创始人 Binny Bansal 等也参与其中。
Gupta 表示,Posha 将利用这些资金继续开发产品。具体来说,公司希望增加更多食谱选项,并赋予用户提出食谱创意的能力,由生成式 AI 将这些创意快速转化为操作说明并整合进设备中。
该公司于 2025 年 1 月推出了 Posha 机器人,目前首批产品已售罄,第二批产品现正接受预订。
Gupta 说,“如果你看看微波炉、洗碗机、冰箱,在某个时间点,这些设备最初都是台面设备,但随着时间的推移,它们在消费者家庭中变得不可或缺,以至于建筑商开始在房屋中直接预装这些设备。我们相信,Posha 在不久的将来也会拥有相同的命运。”
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。