瑞典智能体运营初创公司Kovant(正式名称为Kovan AB)今日在全球推出其平台,此前该公司完成了由J12 Ventures领投的150万美元种子前融资。
本轮融资还获得了Ampli、Green Ventures以及多位知名天使投资人的参与。
总部位于斯德哥尔摩的Kovant表示,希望帮助工业企业找到部署人工智能智能体的方法,从而自动化各种业务功能并提高生产力,同时确保完全合规并不会将敏感数据暴露于不必要的风险中。
这家初创公司创建了一个专注于管理"智能体工作团队"的平台。该公司认为,这是一种比微软公司和Salesforce公司等科技巨头部署的高度专业化、一次性副驾驶和机器人更加雄心勃勃的智能体AI方法。相反,它创建了一个管理整个专业化AI智能体群的平台,这些智能体可以自主执行采购、库存管理、供应链运营、客户成功、营销和合规等各个功能领域的核心业务任务。
为了实现这一目标,它开发了一种新颖的架构,就像AI聊天机器人式的礼宾服务。企业可以基于小语言模型而非更加资源密集型的大语言模型来部署和管理整个智能体群。
其每个小语言模型都经过训练,擅长一个特定功能,而不像大语言模型那样设计用于执行许多不同类型的任务。例如,在采购方面,它为协调供应商、自动化工作流程以及管理支出、风险和绩效构建了单独的智能体。同时,对于销售和报价运营,它提供专门处理复杂请求、招标和此类工作其他方面的智能体。
Kovant表示,通过使用小语言模型,它可以减少AI幻觉的风险。其每个智能体都在明确定义的护栏内运行,使它们合规,提高准确性并确保完全可审计性。然而,尽管体积较小,这家初创公司表示,它们也能够在运行时持续学习,随着时间推移提高准确性。
J12 Ventures创始合伙人Emmet King表示,Kovant的方法更适合工业企业,因为它们仍然极度依赖碎片化系统和手动流程。他说:"这些环境的刚性和孤岛化性质使得AI部署变得非常困难,这就是为什么大多数企业从这项技术中看到的投资回报率很少的原因。Kovant有一条可信的路径来改变这种状况,并对企业运营产生真正的可扩展影响。"
Kovant迄今为止可能没有吸引太多资金,因为150万美元与投资在其他一些AI初创公司的数十亿美元相比只是沧海一粟,但它声称也不需要大量资金。自一年前以隐身模式推出以来,它已经在瑞典、挪威和丹麦等国家签下了多家企业客户,迄今为止获得了超过100万美元的收入。
其创始团队在AI行业也有丰富的资历。联合创始人兼首席执行官Ali Sarrafi此前领导了一家名为Silo AI的初创公司,该公司后来被Advanced Micro Devices公司收购。在此之前,他负责Spotify公司的许多AI计划,而其团队的其他成员包括来自Meta Platforms公司、Amazon.com公司和Google公司的资深人士。
King说:"该团队在大公司构建数据产品和数据基础设施以及用AI转型企业方面拥有出色的先前经验,他们以罕见的速度和精确度前进,已经在塑造企业如何运营AI并从中获得巨大价值。"
Saraffi解释说,企业需要一个AI处理任务执行的系统,这样人们就可以专注于需要人类判断力和创造力的事情。他说:"重要的是......真正的损益影响,而不是构建更多智能体或运行无休止的概念验证。[我们正在构建]可以在几周而不是几个月内实现的东西。这笔资金是为了将这种方法扩展到更大的规模,并表明企业可以从AI中获得真正的、可衡量的结果。"
最终,Saraffi希望将Kovant发展成瑞典众多"独角兽"中的下一个,这些公司的估值已超过10亿美元,并强化了该国作为某种"硅谷瓦尔哈拉"的声誉。但要做到这一点,它需要扩展到目前服务的北欧市场之外。虽然它正在全球推出其平台,但其最初的营销努力将专注于在欧洲扩展,特别是在瑞士、比利时和荷兰。
Q&A
Q1:Kovant的智能体工作团队平台有什么特点?
A:Kovant创建了一个管理整个专业化AI智能体群的平台,这些智能体可以自主执行采购、库存管理、供应链运营、客户成功、营销和合规等各个功能领域的核心业务任务。与传统方法不同,它基于小语言模型而非大语言模型来部署智能体。
Q2:为什么Kovant选择使用小语言模型而不是大语言模型?
A:每个小语言模型都经过训练擅长一个特定功能,而大语言模型设计用于执行许多不同类型的任务。通过使用小语言模型,Kovant可以减少AI幻觉的风险,每个智能体都在明确定义的护栏内运行,使它们合规,提高准确性并确保完全可审计性。
Q3:Kovant目前的市场表现如何?
A:自一年前以隐身模式推出以来,Kovant已经在瑞典、挪威和丹麦等国家签下了多家企业客户,迄今为止获得了超过100万美元的收入。该公司刚刚完成了150万美元的种子前融资,正准备全球推出其平台。
好文章,需要你的鼓励
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
YouTube Gaming宣布推出Playables Builder开放测试版,允许特定创作者使用基于Gemini 3的原型网页应用制作小型游戏,无需编程知识。该工具类似于Google Labs的Disco和GenTabs项目,通过自然语言输入生成交互式内容。尽管AI助手能帮助用户无需技术知识即可创作,但优秀游戏需要技巧、迭代和专业知识才能打造真正有趣的体验。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。