人工智能媒体代理公司Multiply Technology Inc.今日宣布获得950万美元融资,并推出其称之为"自学习广告"的平台。
该平台利用人工智能分析企业内部数据,持续自我优化,避免公司所说的"衰减广告"问题。静态广告在受众面前展示时间越长,吸引注意力的可能性就越小。
本轮融资由Mayfield领投,Sorenson Capital、Instacart联合创始人Max Mullen、谷歌公司Gemini负责人、谷歌实验室负责人Josh Woodward,以及来自HubSpot Inc.、Braze Inc.和Brex Inc.等公司的高管参与投资。
Multiply由首席执行官Matt Jayson和首席技术官Ashish Warty共同创立。Jayson此前曾在谷歌和AI驱动的金融公司Brex工作,Warty曾担任HackerOne Inc.工程高级副总裁和Dropbox Inc.工程负责人。
公司表示,他们使用客户洞察AI智能体来提取真实的客户语言和其他数据以个性化广告。通过使用转录记录、客户关系管理日志、广告平台表现、受众指标和其他具体数据,AI系统开发出符合买家选择该公司而非竞争对手原因的新创意信息。
正如公司名称所暗示的,Multiply会尝试数百个结构化实验来优化受众、文案和创意设计,使广告活动能够每周持续改进。
"这些系统使Multiply能够比任何传统代理模式更快地迭代,"Warty表示。
他强调,智能体并非在真空中运行。"品牌安全至关重要,"Warty补充道。每个广告活动都需要管理层的人工审批,并保持与设计、主题和意图的合规性。
该公司首先在谷歌和LinkedIn广告平台上推出,但其基础设施设计为可与ChatGPT新兴的AI驱动广告平台兼容。Multiply已经在为客户准备OpenAI Group PBC的广告革命,该革命将把广告引入聊天机器人输出中。
OpenAI于今年2月开始在美国为部分用户在其ChatGPT聊天机器人服务上测试广告,最初影响使用公司免费版和Go版本的登录成人用户。参与广告商的初始费用至少为20万美元。OpenAI的竞争对手Anthropic PBC迅速回应称永远不会在其Claude平台上投放广告,而谷歌公司对在其Gemini聊天机器人服务上投放广告的可能性持开放态度。
着眼未来,该公司表示打算扩展为B2B公司的全渠道广告采购商。它将允许企业在单一系统上启动和优化所有主要平台的广告。
其发展路线图包括每日创意变更、AI在广告渠道间的预算分配,以及统一了解受众来源的方式——社交媒体帖子、电子邮件、搜索以及即将到来的AI聊天机器人。
Q&A
Q1:Multiply的"自学习广告"平台有什么特点?
A:Multiply的平台利用人工智能分析企业内部数据,持续自我优化,避免"衰减广告"问题。该平台使用客户洞察AI智能体提取真实客户语言和数据来个性化广告,通过数百个结构化实验优化受众、文案和创意设计,使广告活动每周持续改进。
Q2:Multiply平台如何保证广告内容的安全性?
A:虽然平台使用AI智能体自动优化广告,但并非完全自动化运行。公司强调品牌安全至关重要,每个广告活动都需要管理层的人工审批,并保持与设计、主题和意图的合规性。
Q3:Multiply未来有什么发展计划?
A:公司计划扩展为B2B企业的全渠道广告采购商,允许企业在单一系统上启动和优化所有主要平台的广告。发展路线图包括每日创意变更、AI预算分配以及统一的受众来源分析,覆盖社交媒体、电子邮件、搜索和AI聊天机器人等渠道。
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。