OpenAI已收购个人理财初创公司Hiro Finance,该公司创始人Ethan Bloch于周一宣布了这一消息,OpenAI也向TechCrunch证实了此次收购。Hiro曾获得顶级金融科技风投机构Ribbit、General Catalyst以及Restive的投资支持。
此次收购的具体条款未予披露,Hiro此前融资金额同样从未对外公开。由于Hiro表示将于4月20日关闭所有业务,并于5月13日删除服务器上的全部数据,业界普遍认为这是一次以人才并购为主要目的的收购。
Bloch在其发文中表示,Hiro的员工将随他一同加入OpenAI。他未具体说明涉及员工人数,但领英上显示该公司约有10名相关人员。Bloch未回应媒体的置评请求。
Hiro成立于2023年,约五个月前正式推出其AI工具。该公司面向消费者提供AI驱动的财务规划服务。用户可输入薪资、债务、月度支出等财务信息,应用程序随即模拟多种假设情景,帮助用户做出财务决策。
Bloch在产品演示中表示,Hiro经过专项训练,能够精准处理金融计算,其中还包含一项允许用户验证计算准确性的功能。过去几年间,前沿大语言模型在各类数学运算上的表现已大幅提升,但从历史来看,这并非它们的强项。
此次收购有几点值得关注。Bloch此前曾创立数字银行Digit,该平台帮助用户实现自动存款,并于2021年以逾2亿美元的价格出售给Oportun。
此外,这并非OpenAI首次收购金融类应用。鉴于OpenAI将ChatGPT定位为企业财务团队的得力工具,可以理解其为何希望在这一方向持续引进人才。至于OpenAI是否计划将理财规划打造为更专业化的独立应用,目前尚需观察。
另有一点颇为有趣:Bloch曾向Business Insider透露,Hiro是他创业以来推出的第15个项目,他从13岁起便开始了科技创业之路。前13个项目均以失败告终。第14个项目——2009年推出的社交媒体SaaS工具Flowtown——以450万美元售出,Digit则以约2.3亿美元完成出售。如今,他又将最新创业公司卖给了OpenAI。OpenAI是一家在增长速度与融资规模上屡创纪录的公司,其IPO或许同样将书写新的历史。
Q&A
Q1:OpenAI收购Hiro Finance的目的是什么?
A:OpenAI此次收购Hiro Finance被认为主要是一次人才并购。由于OpenAI将ChatGPT定位为企业财务团队的实用工具,收购Hiro有助于引进具备金融AI产品经验的专业人才。此外,OpenAI是否会将个人理财规划发展为独立专项应用,目前尚不明朗。
Q2:Hiro Finance是一款什么样的产品?
A:Hiro Finance是一款面向消费者的AI理财规划工具,成立于2023年,约五个月前正式上线。用户可输入薪资、债务、月度支出等财务数据,应用会模拟多种假设情景,辅助用户制定财务决策。该产品还经过专项训练以提升金融计算精准度,并提供准确性验证功能。
Q3:Hiro Finance的创始人Ethan Bloch有什么背景?
A:Ethan Bloch是一位连续创业者,13岁便开始创业,Hiro是他的第15个项目。他此前创立的社交媒体SaaS工具Flowtown以450万美元出售,数字银行Digit则以约2.3亿美元卖给了Oportun。此次将Hiro出售给OpenAI,是他又一次成功的创业退出。
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。