典型的并购流程既耗时又昂贵,即使对于人员配备齐全的大型私募股权公司也是如此。除了花费无数小时与潜在目标公司的高级管理人员会面并建立财务结果模型外,这些集团还要在外部顾问上花费数百万美元:会计师、律师和管理咨询师。
由于如果交易失败,外部顾问的费用不会得到补偿,私募股权公司会等到确定自己的兴趣后,才会聘请昂贵的专家,如来自麦肯锡、波士顿咨询或贝恩咨询的顾问,对市场和目标公司进行广泛的商业研究。
DiligenceSquared是YC 2025年秋季孵化项目中的一家初创公司,该公司表示,在AI的帮助下,它可以以传统成本的一小部分提供顶级咨询质量的商业研究。
这家初创公司的联合创始人Frederik Hansen和S?ren Biltoft在私募股权尽职调查方面拥有深厚的专业知识。Hansen曾是黑石集团的负责人,在那里他为多项数十亿美元的收购委托了这些报告。与此同时,Biltoft在波士顿咨询私募股权业务部门工作了七年,负责领导这类尽职调查工作。
Hansen告诉TechCrunch,自10月推出以来,Hansen和Biltoft的行业经验帮助DiligenceSquared为全球几家最大的私募股权公司和中端市场基金完成了多个项目。
这种早期的市场吸引力说服了前Index Ventures合伙人Damir Becirovic通过他的新风投公司Relentless领投了DiligenceSquared的500万美元种子轮融资。
这家初创公司不依赖昂贵的管理咨询师,而是使用AI语音智能体对私募股权公司考虑收购的公司客户进行访谈。
DiligenceSquared正在应用与消费者研究初创公司如Keplar、Outset和Listen Labs相同的AI访谈模式,后者在1月份以5亿美元的估值筹集了6900万美元。但Hansen和Biltoft认为,他们的尽职调查流程和最终产出与这些初创公司生产的消费者研究在根本上是不同的。
Hansen表示,私募股权公司可以支付50万到100万美元给麦肯锡、贝恩或波士顿咨询,让他们访谈数十名企业客户,包括C级高管,并制作200页的报告,将这些见解与专有市场数据综合起来。为了确保分析的质量,DiligenceSquared会让资深的人工咨询师参与验证最终输出的准确性和商业见解。
由于AI承担了大量基础工作,该初创公司声称它可以仅以5万美元的价格提供分析。
"我们正在将这些以前只为重大决策保留的重要见解变得更加容易获得,"Hansen说。由于价格较低,私募股权公司现在更愿意在流程早期就与DiligenceSquared合作,远早于他们对交易有高度信心的时候。
DiligenceSquared并不是唯一一家试图颠覆尽职调查市场的公司。其主要竞争对手Bridgetown Research在2026年2月由Accel和Lightspeed共同领投了1900万美元的A轮融资。
除了Hansen和Biltoft之外,DiligenceSquared还由前谷歌工程师Harshil Rastogi共同创立。
Q&A
Q1:DiligenceSquared是什么?它能做什么?
A:DiligenceSquared是一家利用AI技术为私募股权公司提供商业研究服务的初创公司。它使用AI语音智能体来访谈目标公司的客户,以传统成本的一小部分提供顶级咨询质量的尽职调查报告。
Q2:AI访谈能替代传统的管理咨询吗?
A:不能完全替代。虽然AI承担了大量基础工作,但DiligenceSquared仍然让资深的人工咨询师参与验证最终输出的准确性和商业见解,确保分析质量达到传统咨询公司的标准。
Q3:使用DiligenceSquared的服务成本是多少?
A:传统上,私募股权公司需要支付50万到100万美元给麦肯锡、贝恩或波士顿咨询进行尽职调查。而DiligenceSquared声称可以仅以5万美元的价格提供同等质量的分析服务。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。