私募股权投资依赖于判断力,而判断力恰恰是最难规模化的能力。数十年积累的交易备忘录、承销模型、合伙人笔记和投资组合数据分散在各个系统中,这些系统从未被设计成可以相互沟通。
每当新交易出现时,分析师都要从零开始,即使他们最迫切问题的答案就埋藏在公司自己的历史记录中。
这正是Rowspace要解决的问题。这家旧金山初创公司带着5000万美元融资从隐身模式中走出,提出了一个大胆的主张:为私募股权打造的AI不仅能辅助决策,还能真正学习机构的思维方式。
该公司公开发布时已完成由红杉资本领投的种子轮融资,以及由红杉资本和Emergence Capital共同领投的A轮融资,Stripe、Conviction、Basis Set、Twine以及一批专注金融领域的天使投资人参与了投资。
早期客户虽未透露名称,但被描述为管理着数千亿至近万亿美元资产的知名私募股权和信贷公司,这些客户已经在平台上开展业务,约有十家顶级公司签订了七位数的年度合同。
阵容
Rowspace由Michael Manapat和Yibo Ling创立,两人在麻省理工学院读研究生时相识,之后走上了截然不同的职业道路。Manapat在Stripe构建了处理数十亿笔交易的机器学习系统,随后作为Notion的首席技术官推动了该公司向AI领域的扩张。
Ling则选择了金融路线,他曾两次担任首席财务官,在Uber和币安领导财务团队,多年来一直通过手动整合分散系统中的数据来做投资决策。当ChatGPT在2022年底推出时,Ling在尽职调查任务中测试了它,但立即遇到了同样的障碍。
"显然潜力很大,但就是行不通,"他告诉《财富》杂志。"你需要在正确的上下文中获得正确的信息。"AI的潜力与金融领域混乱、专有、特定机构数据现实之间的这一差距,成为了公司的创立理念。
联合创始人兼首席运营官Ling直言不讳地说:"大多数科技工具对金融来说不够全面或细致。而大多数金融工具需要提高技术上限。我们打算两者兼顾。"
Q&A
Q1:Rowspace是什么公司?它要解决什么问题?
A:Rowspace是一家旧金山初创公司,专门为私募股权行业打造AI系统。它要解决的核心问题是:私募机构数十年积累的交易备忘录、模型、笔记等数据分散在各个系统中无法互通,导致每次新交易时分析师都要从零开始,即使答案就在公司历史记录中。Rowspace的AI能学习机构的思维方式,让这些数据真正发挥价值。
Q2:Rowspace获得了多少融资?投资方有哪些?
A:Rowspace获得了5000万美元融资,包括由红杉资本领投的种子轮,以及由红杉资本和Emergence Capital共同领投的A轮。参与投资的还有Stripe、Conviction、Basis Set、Twine以及一批专注金融领域的天使投资人。目前已有约十家管理数千亿至近万亿美元资产的顶级私募机构成为客户,签订了七位数年度合同。
Q3:Rowspace的创始人是谁?他们有什么背景?
A:Rowspace由Michael Manapat和Yibo Ling创立。Manapat曾在Stripe构建处理数十亿笔交易的机器学习系统,后担任Notion首席技术官推动AI扩张。Ling则有深厚的金融背景,曾两次担任首席财务官,在Uber和币安领导财务团队。两人在麻省理工学院读研究生时相识,技术与金融的互补背景促成了Rowspace的诞生。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。