出售鞋履品牌及资产约一个月后,Allbirds宣布正式转型AI赛道。由于"Allbirds"这一鞋履品牌已作为资产出售的一部分,公司同步启动了更名计划。周三,公司通过投资者关系网站正式宣布,新品牌名称定为"NewBird AI",定位为"全面整合的GPU即服务与AI原生云解决方案提供商"。
与此同时,这家完成品牌重塑的AI公司还宣布,已获得一家未披露机构投资者以可转换融资额度形式提供的5000万美元投资。
客观而言,Allbirds摇身变为AI公司确实颇具喜剧色彩——并非因为企业转型本身罕见,而在于此次转型的跨度实在惊人。这家曾深受硅谷科技圈追捧的鞋履制造商,如今将以GPU供应商的身份重新出发。这一选择听起来有些荒诞,风险也不容忽视,但其商业逻辑并不难理解:完成品牌与资产剥离后,Allbirds得以保留上市公司的壳资源(其股票至今仍在纳斯达克以代码"BIRD"交易),并借此进入炙手可热的AI领域。
这一操作让人联想到2017年长岛冰茶公司转型区块链的往事——更名后股价一度暴涨约275%。然而好景不长,随着比特币热潮退去,该股票于次年遭纳斯达克摘牌。如今的NewBird AI显然希望走出一条截然不同的道路。
公司表示,此次融资及资产出售事项仍需股东大会审议批准,相关会议计划于5月18日召开。若交易获批,股东将于第三季度收到一笔特别股息。Allbirds品牌及资产的新主人——美国交易集团(American Exchange Group)——将继续为Allbirds原有客户提供产品。
与此同时,NewBird AI计划利用新获融资收购GPU资产,并向有AI算力需求的客户提供相关服务。展望未来,公司还希望通过合作伙伴关系乃至战略并购来持续扩展服务版图——前提是合适的机会出现。
Q&A
Q1:Allbirds为什么要出售鞋履业务转型AI?
A:Allbirds以3900万美元出售了鞋履品牌及相关资产后,选择保留上市公司的壳资源(纳斯达克股票代码"BIRD"),转而进入AI领域。这一决策的商业逻辑在于:通过资产剥离换取资金和战略空间,借助已有的上市平台切入当前热度极高的AI赛道,并已获得5000万美元可转换融资支持。
Q2:NewBird AI主要提供什么服务?
A:NewBird AI定位为"全面整合的GPU即服务与AI原生云解决方案提供商",计划利用新融资收购GPU资产,向有AI算力需求的客户提供计算资源服务。未来公司还计划通过合作与并购进一步拓展服务范围。
Q3:Allbirds转型AI的股东大会结果何时揭晓?
A:根据公司公告,此次融资及资产出售事项仍需股东批准,股东大会计划于5月18日召开。若交易获批,股东将在第三季度收到特别股息,Allbirds品牌的新主人美国交易集团将继续为原有客户提供产品。
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。