应用AI研究公司Fundamental Research Labs(前身为Altera)今日宣布完成3300万美元A轮融资,由Prosus领投,Stripe联合创始人兼CEO Patrick Collison参与投资。
该公司拥有独特的组织架构,同时在多个不同领域开发AI应用。在种子轮融资时,Fundamental Research Labs主要开发能够与用户一起玩《我的世界》的机器人。
如今,该公司设有游戏团队、消费者应用开发团队、核心研究团队和平台团队。公司创始人Robert Yang博士是MIT前教师,他表示Fundamental Research Labs希望成为一家"历史性"公司,而不拘泥于传统的初创公司架构。
在Fundamental Research Labs提供的产品中,有一款名为Fairies的通用消费者助手。该应用允许用户与AI机器人聊天、连接各种应用程序,并在这些应用的知识库中提问,然后让它在日历上安排约会。该应用还能为用户安排工作流程,重复执行某些任务。Yang表示,这款应用让公司工程师能够测试他们正在开发的各种模型和平台技术能力。
公司还提供一款基于电子表格的智能体Shortcut,已被分析师用于创建不同的财务模型并进行分析。该公司表示,这个智能体的工作方式类似初级分析师,能够自主完成工作。公司让它看起来像Excel,并努力为高级用户保留大量功能。
Prosus投资合伙人Sandeep Bakshi在邮件中告诉TechCrunch:"我们见过许多早期初创公司,但这里突出的是一个小而高度使命驱动的团队,专注于具有实际用例的数字人类。他们最近推出的Fairies和Shortcut不仅仅是演示;它们已经展示了AI如何以有意义的方式增强人类劳动力。"
他补充说:"Fundamental Research Labs突出的不仅是愿景的雄心,更是推动这一愿景的团队素质。他们能够吸引世界上一些最聪明的人才,并将这些人才转化为现实世界的产品,这使其成为对我们来说独特且引人注目的投资机会。"
该公司去年完成了900万美元种子轮融资,由First Spark Ventures和Patron共同领投,a16z Speedrun和Eric Schmidt参投。迄今为止,该公司已累计融资超过4000万美元。
Yang表示,公司愿意尝试各种应用模式,最终还想制造机器人。
"我们现在专注于生产力应用,因为这是创造最大价值的地方。你可以通过这个赚很多钱,并建立你的团队和技术。最终,我们想解决物理问题,朝着具身智能的方向发展,"Yang说道。
Yang还透露,公司已经在七天试用期后开始向用户收费,并产生了收入。
Q&A
Q1:Fundamental Research Labs是什么公司?主要做什么?
A:Fundamental Research Labs是一家应用AI研究公司,专注于在不同领域开发AI智能体。公司拥有独特架构,设有游戏团队、消费者应用开发团队、核心研究团队和平台团队,同时开发多个AI应用产品。
Q2:Fairies和Shortcut这两个产品有什么功能?
A:Fairies是通用消费者助手,可以与AI机器人聊天、连接应用程序、跨知识库提问并安排日历约会。Shortcut是基于电子表格的智能体,类似初级分析师,能够自主创建财务模型并进行分析,界面类似Excel。
Q3:Fundamental Research Labs未来有什么发展计划?
A:公司创始人Yang表示,目前专注于生产力应用以创造价值并建立团队技术,但最终目标是解决物理问题,朝着具身智能方向发展,甚至制造机器人。公司愿意尝试各种应用模式。
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。