由前Meta员工Mina Fahmi和Kirak Hong创立的初创公司Sandbar,去年凭借其笔记记录可穿戴设备Stream戒指备受关注。该公司现已完成2300万美元A轮融资,由Adjacent和Kindred Ventures领投。
该公司的智能戒指专注于记录功能,类似于Plaud或Omi的产品,而非像Oura产品那样进行健康追踪。戒指配备麦克风,默认关闭状态,可通过顶部平坦的触敏面板激活。用户可按住触控面板录制笔记、与配套手机应用中的AI助手对话,以及控制媒体播放、暂停、切换歌曲和调节音量。
值得注意的是,戒指上的麦克风似乎针对近距离使用进行了调优,因此用户需要将手举到脸部附近才能记录笔记。
曾在CTRL-Labs和Magic Leap等初创公司工作过的Fahmi表示,Sandbar已经研发这款戒指超过两年,在经过朋友和早期用户的测试阶段后,于去年正式亮相。
"市场反响比我们预期的要热烈得多,这真的很令人鼓舞和有意义,"Fahmi告诉TechCrunch。"很多人说他们能看到自己会佩戴这个产品。"
Fahmi表示,该初创公司从早期用户那里看到了令人鼓舞的使用情况,去年第一批戒指预订已售罄,这促使Sandbar开放第二批订购以满足需求。他说一些用户每天使用戒指超过50次,用于规划演示、旅行或用餐等任务。
该初创公司计划今年夏天开始发货智能戒指。Sandbar表示正专注于完善应用体验和用户对录制笔记的处理方式。公司正在开发网页平台,改进用户界面,并减少模型响应延迟。长远来看,公司希望实现智能体工作流,让用户能够利用笔记采取行动。
Fahmi指出,Sandbar正在将对话交互功能集成到产品中,因为许多用户会向应用的AI助手询问他们未能完整录制的笔记内容。
"我们认为必要的是来回对话。与许多你只需说一个命令就能转录或通过智能音箱执行的体验不同,Stream在迭代任务方面表现出色,这些任务可能始于对话或编辑笔记,但希望扩展到多轮对话,就像你在终端中使用Claude编程并通过语音澄清事情一样,"Fahmi说。
Sandbar的手机应用目前只能与Stream戒指配合使用,但公司表示正在考虑向没有戒指的用户开放访问权限。当戒指充电或遗失时,应用可以独立使用来记录笔记。
Sandbar目前有15名员工,他们此前曾在亚马逊、Fitbit、Equinox、谷歌和苹果等公司工作。通过这轮新融资,公司计划将软件和机器学习团队规模扩大一倍,并招聘市场营销人员。
笔记记录硬件设备类别正在增长。Plaud等公司生产可用于会议记录的设备,Pebble计划今年推出75美元的廉价戒指。还有像Taya这样的初创公司,通过将产品设计成珠宝来采取高端路线,以吸引更广泛的用户群体。
Adjacent的Nico Wittenborn在投资语音相关初创公司方面有经验——他在Insight Venture Partners时曾投资过能够总结整本书籍的Blinkist。他认为Sandbar的Stream比其他笔记记录设备有更好的外形设计,举手记录笔记的动作表明了私人使用的意图,不像其他可能录制周围对话的记录设备。
Wittenborn还认为市面上的一些硬件只迎合"技术宅",而Sandbar的外形设计使其适合广泛采用。
该初创公司此前在去年11月从True Ventures获得1300万美元融资。迄今为止,Sandbar已筹集3600万美元资金。
Q&A
Q1:Stream戒指是什么产品?有什么功能?
A:Stream戒指是Sandbar公司开发的智能可穿戴设备,专注于记录功能。它配备麦克风和触控面板,用户可以录制笔记、与AI助手对话,还能控制媒体播放。戒指需要举到脸部附近使用,麦克风默认关闭以保护隐私。
Q2:Stream戒指什么时候能买到?价格如何?
A:Sandbar计划今年夏天开始发货Stream戒指。公司表示第一批预订已售罄,目前正在接受第二批订购。不过文章中没有透露具体价格信息,只提到竞品Pebble计划推出75美元的戒指产品。
Q3:Sandbar公司的发展规划是什么?
A:公司正专注于完善应用体验,开发网页平台,改进用户界面并减少响应延迟。长期目标是实现智能体工作流,让用户能够利用笔记采取行动。通过新融资,公司计划扩大软件和机器学习团队规模,并招聘市场营销人员。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。