Lio公司的联合创始人深知企业采购这一购买供应商服务的流程往往成为瓶颈。公司联合创始人兼CEO Vladimir Keil在大公司工作时以及创建第一家初创公司时都亲身经历过这一问题。
"当我们销售企业软件时,我们自己也要经历采购流程,看到了这个过程仍然是多么手动化和分散化,"他告诉TechCrunch。Kiel和他的团队构建了一个由智能体组成的自动化平台,这些软件可以代表人类完成任务,帮助修复一些分散的流程。
周四,Lio宣布完成由Andreessen Horowitz领投的3000万美元A轮融资。SV Angels、Harry Stebbings和YC也参与了本轮融资(Lio是2023年春季批次的一员)。该公司迄今已筹集了3300万美元资金。Keil表示,新资金将用于在美国扩展公司业务,并增强Lio智能体的能力,这些智能体旨在为企业客户完成整个采购流程。
采购是企业支出的核心,公司需要购买从原材料到专业服务的各种产品。每个采购订单都需要专注和投入:通常需要打开某种企业资源规划(ERP)软件,检查合同管理系统,搜索供应商数据库,进行合规检查,交叉引用预算,查阅电子邮件等等。
"即使有现代电子采购软件,大部分实际工作仍然是手动完成的,"Keil告诉TechCrunch。公司被迫建立大型内部团队或外包这项工作,导致流程缓慢且昂贵。Keil有一个想法——如果采购流程主要涉及非结构化数据和重复性工作流程,那么这肯定是智能体非常适合处理的任务类型。
他与朋友Lukas Heinzman和Till Wagner合作,2023年,三人推出了Lio,一个虚拟采购团队。Lio运营着一个具有智能体基础设施的AI原生平台,可以完成整个采购流程。
"之前每一代采购技术都建立在同样的假设上,即人类会完成工作,技术会帮助他们做得更快,"Keil说。"我们采取了根本不同的方法。Lio不是构建软件来帮助人类更快地完成采购工作,而是部署执行工作流程的智能体。"
这些Lio智能体在企业系统之上和跨系统运行,阅读文档,评估供应商,谈判条款,完成交易。"曾经需要数周时间的流程现在可以在几分钟内完成,"Keil说,并补充说这家初创公司已经在帮助公司管理数十亿美元的企业支出。"在一个案例中,一家全球制造商能够在六个月内自动化其75%的之前外包的采购操作。"
Lio是许多利用智能体AI能力彻底重新定义企业软件的公司之一,这种智能体AI能够从根本上改变企业应用软件的运作方式。
Keil认为Lio的竞争对手是传统采购软件供应商(如SAP Ariba和Oracle)、业务流程外包(BPO)提供商,以及帮助公司进行这些操作的咨询公司。
"团队不再需要花费大部分时间处理请求和文书工作,而是可以进行更多谈判,分析更多供应商,抓住原本会错过的节约机会,"Keil说。"从长远来看,我们认为这将采购从后台功能转变为企业绩效的更强大杠杆。"
Q&A
Q1:Lio是什么?它能做什么?
A:Lio是一个虚拟采购团队平台,运营着具有智能体基础设施的AI原生平台,可以完成整个企业采购流程。它的智能体能够跨企业系统运行,阅读文档、评估供应商、谈判条款并完成交易,将原本需要数周的流程压缩到几分钟内完成。
Q2:Lio和传统采购软件有什么区别?
A:传统采购技术都建立在人类完成工作、技术辅助提速的假设上,而Lio采取根本不同的方法,直接部署智能体来执行整个工作流程,而不是构建软件来帮助人类更快地完成采购工作。
Q3:Lio的效果如何?有实际案例吗?
A:Lio已经帮助公司管理数十亿美元的企业支出。在一个实际案例中,一家全球制造商能够在六个月内自动化其75%的之前外包的采购操作,显著提高了效率并降低了成本。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。