专注于改变人工智能模型如何谈论品牌的初创公司Unusual今日宣布,已完成360万美元早期融资。
本轮投资方包括BoxGroup、Long Journey Ventures、Y Combinator、Instacart联合创始人Max Mullen以及Phosphor Capital。
公司成立于2024年,由首席执行官Will Jack和总裁Keller Maloney创立。Unusual帮助客户了解AI模型和服务如何"谈论"他们的公司,提供透明度洞察。Jack是一位连续创业者,拥有自2014年以来的深厚AI研究背景,曾在麻省理工学院和SpaceX工作。Maloney自2019年起就有与AI模型合作的经验,曾在Gatsby Inc.和Eight Partners LLC等公司任职。
"这些模型不像搜索引擎——细节决定成败,"Jack在接受采访时表示。他认为,品牌现在必须管理自己在长时间咨询对话中的形象塑造,而不仅仅是关注关键词排名。
Unusual专注于AI模型的"品牌对齐"和可见性。通过与品牌方合作并理解AI模型的内部运作机制,该公司可以帮助企业建立在线形象,确保准确的品牌呈现。
Jack表示,关键在于现代模型越来越多地展示其工作过程:"它们会揭示每次回应时的推理过程和所做的研究。"
这得益于推理模型的普及,这些模型在处理查询时会"大声思考"。这包括模型如何处理特定类型的问题、收集了哪些信息以及使用了什么来源。
Unusual利用这一点进行大规模品牌属性探测,检查模型依赖的来源,并将误解转化为内容、论证点和第三方验证策略。这些庞大的研究知识可以转化为可执行的内容改进和品牌可以影响的外部来源,如案例研究和媒体报道。
当前市场上有多家初创公司协助企业进行AI品牌对齐,但许多公司的方法类似于搜索引擎优化。答案引擎优化和生成引擎优化——这些新兴策略旨在将内容带入AI驱动的搜索结果——专注于提供简洁直接的答案,可以被Google的AI概览、OpenAI的ChatGPT和Perplexity AI轻易采用。
该公司通过AI模型审讯超越了这一点。虽然AEO/GEO倾向于基于公司或品牌是否在结果中排名靠前来判断成功,但Unusual检查公司的多轮对话呈现,确保与公司或服务想要代表的形象相匹配。
"其他人把AI模型当作下一代搜索引擎,而我们更像是把它们当作人类影响者,"Maloney说。
客户认知的变化趋势
麦肯锡公司今年的一项调查显示,50%的Google搜索已经有AI摘要,预计到2028年这一比例将上升到75%。客户也继续涌向AI模型进行新产品的研究和发现。
Jack表示,品牌报告有机搜索流量发生了重大变化,他将其形容为"燃眉之急"的问题。这一趋势对拥有复杂或细分产品的公司产生了重大影响,因为买家希望获得咨询指导。
由于类人对话的出现,人们将AI模型视为事实上的真相来源,就像对待其他人一样。公众认知的这种根本性转变,以及AI模型在搜索和日常生活中的快速采用,意味着品牌不能忽视其对知名度的影响。
Unusual与多个客户合作,主要是品牌方,也包括公关和营销公司。客户包括AI驱动的文档解析公司Reducto Inc.和预算应用Monarch Money Inc.。
在Reducto的案例中,Unusual发现AI模型认为该公司质量很高,但处于"成长阶段",还没有为企业做好准备。这意味着决策者可能被AI驱动的答案悄悄引导走向其他选择,导致营销机会减少和行业形象不准确。
Jack表示,Unusual认为未来需要向AI模型提供关于公司的最佳信息,以便答案能够正确反映品牌和服务。随着AI模型成为主要信息来源,这将影响从发现到客户支持的行业各个环节。
"你要确保无论别人问你什么问题,无论多么详细,无论你的客户有什么细微差别或担忧,模型都能恰当地代表你,"Jack说。
Q&A
Q1:Unusual公司是做什么的?
A:Unusual是一家专注于改变人工智能模型如何谈论品牌的初创公司,帮助客户了解AI模型和服务如何"谈论"他们的公司,提供透明度洞察,确保品牌在AI模型中得到准确呈现。
Q2:为什么企业需要关注AI模型中的品牌形象?
A:因为50%的Google搜索已经有AI摘要,预计到2028年将上升到75%,客户越来越多地使用AI模型进行产品研究。人们将AI模型视为事实来源,错误的品牌呈现可能影响营销机会和企业形象。
Q3:Unusual的服务与传统搜索引擎优化有什么不同?
A:传统优化方法关注关键词排名和是否在结果中出现,而Unusual检查品牌在多轮对话中的完整呈现,通过AI模型审讯技术,确保品牌形象与企业期望相匹配,更像是把AI模型当作人类影响者来管理。
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。