Mill公司也许是从家庭用户起步,但联合创始人兼首席执行官马特·罗杰斯表示,这家食物垃圾处理初创公司一直有扩展到商业客户的雄心。
"这从我们A轮融资的计划书开始就是我们计划的一部分,"罗杰斯告诉TechCrunch。
如今,随着与亚马逊和全食超市正式达成合作协议,这家公司通过处理他人食物垃圾来盈利的计划变得更加公开了。
全食超市将从2027年开始在其每家杂货店部署Mill公司商业级食物垃圾处理设备。这些设备将研磨和脱水农产品部门产生的垃圾,减少昂贵的垃圾填埋费用,同时还为该公司的鸡蛋生产商提供饲料。两者都能削减公司的管理费用。
与此同时,Mill的设备将收集数据,帮助全食超市了解什么被浪费了以及为什么被浪费,帮助这家杂货商进一步控制成本。"最终,我们的目标不仅是让他们的垃圾处理操作更加高效,还要从源头上减少食物浪费,"罗杰斯说。
该公司几年前开始向家庭销售食物垃圾处理设备。正如人们对制造Nest恒温器团队的期望,这些设备设计精良,套用硅谷的陈词滥调,使用起来可能会令人愉悦。在测试第一代和第二代产品时,我的孩子们对这些设备很感兴趣。
"从消费者开始是非常有意的,因为你建立了概念验证,你建立了数据、品牌和忠诚度,"罗杰斯说。当两家公司开始洽谈时,全食超市团队的许多成员已经在家中使用Mill了。
"这实际上是我们企业销售策略的一部分,"罗杰斯继续说道。"我们与各个理想客户的高级领导层进行对话,如果他们还没有在家使用过Mill,我们会说,'嘿,在家试试Mill,看看你的家人怎么想。'这是让人们兴奋的可靠方法。"
这家初创公司大约一年前开始与全食超市进行对话,罗杰斯说。在随后的几个月里,全食超市在其一些门店试用了消费者版本。Mill利用全食超市的反馈来改进其商业模式。
但真正促成这笔交易的是Mill能够在食物被浪费之前精确定位食物垃圾的能力。Mill开发了一种AI系统,使用一系列传感器来判断进入垃圾桶的食物是否应该仍然在货架上。最小化"损耗"——行业术语,指通过浪费或盗窃造成的销售损失——可以让杂货商在激烈的市场竞争中获得优势。
大语言模型的进步是关键,罗杰斯说。当他和Mill联合创始人哈里·坦嫩鲍姆在Nest工作时,需要数十名工程师和"谷歌级别的预算"花费一年多时间来训练Nest摄像头识别人员和包裹。借助新的大语言模型,Mill只需要少数几名工程师和更少的时间就能提供更优秀的结果,罗杰斯表示"AI是一个巨大的推动力"。
AI的使用让Mill能够更快地交付商业版本,使其客户群和收入来源多样化。
"如果你是单一渠道、单一客户的业务,你就很脆弱,"罗杰斯说。"我在苹果iPod时代长大,"他说。"当时苹果是单一业务支柱的公司。iPod占公司收入的70%左右。这就是我们开发iPhone的原因。史蒂夫(乔布斯)在iPhone上对我们施加了很大压力,因为他担心像摩托罗拉这样当时正在开发智能手机的公司会开始在iPod业务上抢走我们的生意,那会压垮我们。我们需要建立另一个支柱。"
看起来Mill还没有完成为其比喻性的凳子添加支腿。罗杰斯说公司也在努力建立市政业务。
"我们继续为凳子增加更多支腿,为业务增加更多多样性,"他说。
Q&A
Q1:Mill的食物垃圾处理设备有什么特别之处?
A:Mill的设备不仅能研磨和脱水食物垃圾,还配备了AI系统和传感器,能够在食物被浪费之前识别哪些食物本应继续销售,帮助商家减少损耗并提供数据分析。
Q2:Mill是如何成功与全食超市合作的?
A:Mill采用了独特的企业销售策略,先让全食超市高管在家中试用消费者版本,建立信任后再进行商业合作洽谈。同时,Mill利用AI技术的优势,能够快速开发出满足商业需求的产品。
Q3:大语言模型对Mill的产品开发有什么帮助?
A:相比之前在Nest开发图像识别功能需要数十名工程师和巨额预算花费一年多时间,现在借助大语言模型,Mill只需少数工程师和更短时间就能实现更好的AI识别效果。
好文章,需要你的鼓励
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
这项由多伦多大学领导的研究首次系统性地揭示了分词器选择对语言模型性能的重大影响。通过训练14个仅在分词器上有差异的相同模型,并使用包含5000个现实场景测试样本的基准测试,研究发现分词器的算法设计比词汇表大小更重要,字符级处理虽然效率较低但稳定性更强,而Unicode格式化是所有分词器的普遍弱点。这一发现将推动AI系统基础组件的优化发展。
人工智能安全公司Cyata发现LangChain核心库存在严重漏洞"LangGrinch",CVE编号为2025-68664,CVSS评分达9.3分。该漏洞可导致攻击者窃取敏感机密信息,甚至可能升级为远程代码执行。LangChain核心库下载量约8.47亿次,是AI智能体生态系统的基础组件。漏洞源于序列化和反序列化注入问题,可通过提示注入触发。目前补丁已发布,建议立即更新至1.2.5或0.3.81版本。
北京大学研究团队提出NExT-Vid方法,首次将自回归下一帧预测引入视频AI预训练。通过创新的上下文隔离设计和流匹配解码器,让机器像人类一样预测视频下一帧来学习理解视频内容。该方法在四个标准数据集上全面超越现有生成式预训练方法,为视频推荐、智能监控、医疗诊断等应用提供了新的技术基础。