专注于企业采购自动化的初创公司Procure AI今日宣布完成1300万美元种子轮融资,由Headline领投,C4 Ventures、Futury Capital以及采购行业的多位天使投资人参投。
Procure AI正在利用人工智能智能体来自动化企业采购运营,声称能够实现可衡量的成本削减和效率提升,从而改善企业盈利能力。该公司开发了一个"完整的AI原生采购平台",涵盖采购和销售基本供应品的各个方面,而不是仅针对孤立工作负载的单点解决方案。
Procure AI的平台并不取代现有采购软件系统,而是简单地与它们集成,收集所有生成的数据来支持超过50个智能体。公司开发了三种类型的AI智能体:用于独立执行采购相关任务的自主智能体、协助人类决策的协作智能体,以及为人类团队提供主动支持的环境智能体。该公司表示,这使得采购、合同、购买和发票管理等每项采购任务都能实现完全自动化。
面临的挑战与机遇
该公司指出,采购自动化现在比以往任何时候都更加必要,因为许多团队被要求用越来越有限的资源做更多的事情。Proxima Group的研究显示,90%的公司正在面临采购团队人员有限、预算限制和技能差距等问题。此外,随着美国对进口商品征收的关税增加,企业还面临着国际贸易不确定性增加和常规供应链中断的问题。
尽管面临这些挑战,采购对大多数企业仍然至关重要。Hackett Group的研究表明,外部供应商成本占财富500强公司平均收入的60%到75%,因此即使是效率和成本削减方面的适度收益也能转化为数十亿美元的利润。
显著的效率提升
Procure AI声称能够在生产力、质量和成本节约方面实现大幅改善。例如,其自主现货采购和战术采购智能体据说能将采购时间减少约40%,同时在每个采购项目上实现3.7%到5.2%的节约,而其报价到订单接收智能体能使多达60%的请求自主完成。
Procure AI联合创始人兼联席首席执行官Konstantin von Büren表示,企业不能依赖手动、人员密集型的采购运营流程。"我们的企业客户告诉我们,他们需要在人员数量持平或下降的情况下处理三倍的采购活动量,"他说。"唯一的出路是通过能够自主运行同时保持采购所需的严格性和合规性的AI智能体。"
客户成功案例
在过去12个月中,Procure AI发展迅速,收入增长了四倍。该公司在伦敦、巴黎和法兰克福设有办事处,德国能源供应商EnBW Energie Baden-Württemberg AG和制造业巨头凯驰等客户表示,该软件帮助他们实现了约30%的处理时间缩短和约5%的成本节约,平均节约约235万欧元(270万美元)。
联席首席执行官Yves Bauer表示,公司最大的优势之一是客户无需彻底改革现有采购系统重新开始。"我们的平台位于碎片化数据环境之上,使其变得易于理解——丰富现有内容而不是取代它,"他解释道。"这就是为什么我们能在几个月而不是几年内实现投资回报,以及为什么我们的客户将我们视为真正的合作伙伴而不是另一个供应商。"
未来发展规划
Procure AI的下一步是从德国、奥地利和瑞士的核心市场扩展到欧洲其他地区,特别是英国、法国、低地国家和斯堪的纳维亚。公司还将专注于扩大工程团队和扩展其智能体自动化功能。
Headline合伙人Dominic Wilhelm表示,现有的采购AI工具过于专注于解决孤立问题,而不是修复整个运营。"Procure AI解决了困扰采购运营的碎片化数据和手动流程问题,在整个工作流程中提供可衡量的投资回报,"他说。
Q&A
Q1:Procure AI是什么类型的公司?它主要做什么?
A:Procure AI是一家专注于企业采购自动化的初创公司,利用人工智能智能体来自动化企业采购运营。该公司开发了完整的AI原生采购平台,涵盖采购、合同、购买和发票管理等各个环节,能够实现可衡量的成本削减和效率提升。
Q2:Procure AI的智能体技术有什么特点?
A:Procure AI开发了三种类型的AI智能体:自主智能体用于独立执行采购相关任务,协作智能体协助人类决策,环境智能体为人类团队提供主动支持。该平台拥有超过50个智能体,能够与现有采购系统集成而不是取代它们。
Q3:使用Procure AI能带来多大的效率提升?
A:根据该公司数据,其自主现货采购和战术采购智能体能将采购时间减少约40%,同时在每个采购项目上实现3.7%到5.2%的成本节约。报价到订单接收智能体能使多达60%的请求自主完成,客户平均能节约约235万欧元。
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。