AI智能体预计将很快开始代表人类自主做出购买和调度决策。
但加州大学伯克利分校计算机科学毕业生、前CareRev机器学习工程师Michael Fanous认为,这些智能体目前缺少一个关键环节:真正理解所服务人群所需的完整背景信息。
Fanous声称,机器目前难以识别一个人在LinkedIn上的职业档案、Instagram上的活动以及公共政府记录是否都属于同一个人。
为了解决这个问题,他与父亲Emad Fanous(一位资深首席技术官)合作创建了Nyne,这家初创公司旨在成为帮助智能体理解人类整个数字足迹的智能层。
周五,Nyne宣布获得了530万美元的种子轮融资,由Wischoff Ventures和South Park Commons领投,包括Applied Semantics联合创始人、Google AdSense先驱Gil Elbaz在内的多位天使投资人参与投资。
虽然Nyne解决的问题似乎已经被经典机器学习解决了——考虑到Google广告定位在识别用户方面的有效性——但首席执行官Michael Fanous持不同观点。他说,Google的"秘密武器"是其对用户搜索历史和跨平台活动的独家访问权,这种数据优势科技巨头永远不会与外部智能体分享。
对其他所有人来说,"这是一个异常难以解决的问题",支持这笔交易的独立风险投资基金Wischoff Ventures创始人Nichole Wischoff解释道。
Michael告诉TechCrunch,Nyne通过在互联网上部署数百万个智能体来分析公共数字足迹,然后将机器学习技术应用于这些数据来解决这个问题。
Nyne可以通过查看不仅是Instagram、Facebook和X等主要社交网络,还包括SoundCloud和Strava等应用上的活动来三角定位一个人的信息。
随着更多面向消费者的公司部署AI智能体,它们可以转向Nyne来为这些智能体提供对现有和潜在客户更深入的现实世界理解。
"我可以提供关于一个人的任何信息,这些信息对做出正确的下一步行动可能有用,"Michael说。"一旦你建立了所有这些连接,你就可以相当深入地了解一个人,他们的兴趣、爱好,以及他们对非常具体事物的看法。"
根据Wischoff的说法,这种数据的市场是巨大的,对任何使用AI智能体接触客户的公司都很有价值。
"我如何知道你怀孕了,并尽早向你销售A、B或C产品?"她说。
虽然前几代广告技术公司能够收集一些这类数据,但Nyne打算以更高的精度为智能体世界做到这一点。
至于父子二人如何合作,首席执行官表示他与身为首席技术官的父亲有着理想的合作关系。
"我认为对于联合创始人来说,当事情不顺利时很容易走开,"Michael说。"如果我必须在凌晨三点联系他完成产品发布,我知道他第二天仍然会爱我。"
Q&A
Q1:Nyne是什么公司?它主要解决什么问题?
A:Nyne是由父子档Michael Fanous和Emad Fanous创立的初创公司,旨在成为帮助AI智能体理解人类整个数字足迹的智能层。它主要解决AI智能体缺乏完整人类背景信息的问题,让智能体能够识别和关联同一个人在不同平台上的活动。
Q2:Nyne的技术原理是什么?
A:Nyne通过在互联网上部署数百万个智能体来分析公共数字足迹,然后将机器学习技术应用于这些数据。它可以查看Instagram、Facebook、X等主要社交网络,以及SoundCloud和Strava等应用上的活动,通过三角定位来获取一个人的完整信息。
Q3:Nyne最近的融资情况如何?
A:Nyne刚刚宣布获得了530万美元的种子轮融资,由Wischoff Ventures和South Park Commons领投,包括Applied Semantics联合创始人、Google AdSense先驱Gil Elbaz在内的多位天使投资人参与了投资。
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。