图片系AI生成

文 | 阿尔法公社

约一年前，OpenAI发布了强大的基础模型GPT-4，这催生了一批基于GPT-4打造应用的创业公司，其中就有法律AI领域的领头羊Harvey。

在这个阶段，获得巨额融资的OpenAI和Anthropic们，其产品除了基础模型和围绕基础模型的服务外，在应用方面多为针对个人用户的AI聊天机器人，Character.ai和Inflection则另辟蹊径，推出针对情感的个人AI助理。

法律和营销是AI应用融资最热的两个赛道，诞生了一批明星公司，例如Harvey、Even Up、Synthesia、Typeface等。但它们基本都是利用AI模型的某一项能力来单点突破。处理复杂任务的企业级AI应用，在当时还不成熟。

从AI个人应用发展到企业级应用，需要解决以下问题：

1.AI模型需要具有处理复杂推理和大量数据的能力，目前通过MoE（混合专家模型），具有复杂推理能力和长上下文窗口的新模型部分解决了问题。

2.AI需要帮助企业解决模型和私有数据被窃取和泄露的风险，现在无论是从模型层面，还是AI安全工具层面，都有更先进的解决方案。

3.企业需要自己使用的AI工具是安全可靠且合规的，不能输出影响自己商业信用的“胡说八道”内容。

最近，一批企业级的AI应用集中获得融资，它们的创始人背景强大，有OpenAI董事会主席Bret Taylor，Transformer论文的主要作者Ashish Vaswani和Niki Parmar，以及Cloudera的前CEO Rob Bearden。它们在一定程度上解决了以上几个问题。在产品形式上，以Agent（AI代理）和企业级AI应用搭建平台为主。

企业级AI助手（Agent）

1.用企业级AI Agent赋能客户体验的Sierra

官方网站：sierra.ai

融资信息：第一轮获Benchmark投资的2500万美元融资，此后获得红杉资本（Sequoia Capital）投资的8500万美元融资，累计融资1.1亿美元。

Sierra是面向企业的人工智能平台，目前它主要利用AI Agent来优化客户体验场景。

与传统AI客服相比，它最大区别是可以利用企业客户的内部知识来直接“行动”，例如安排交付、更新订阅或预订，而不只能自动回复一些设定好的内容；当它遇到无法回复的问题时，不会“胡说八道”，而会收集关键信息并向客户的人工客户服务团队提供详细摘要，为他们有效处理升级问题做好准备。

在Agent之外，Sierra还有叫Agent OS的Agent搭建平台，通过这个平台搭建的Agent能够处理复杂的多步骤工作流程，可以安全地访问外部系统以收集数据并采取行动，还能保持品牌一致性和主题相关性。当然，对于企业客户，Sierra提供的监控和过滤器，审计和检查功能是更让他们放心的工具。

Sierra由Bret Taylor和Clay Bavor在2023年联合创立。Bret Taylor先后创立过FriendFeed、Quip等创业公司；此后他担任Salesforce联合首席执行官，并于2023年加入OpenAI董事会，担任董事长。Clay Bavor曾领导谷歌AR/VR工作。

2.Transformer主要作者创立用AI Agent辅助决策的Essential AI

官方网站：essential.ai

融资信息：获得5650万美元A轮融资，由March Capital领投，谷歌、英伟达、AMD等科技巨头以及Franklin Venture Partners、KB Investment和Thrive Capital（OpenAI的早期投资人）等专业投资机构参投。

Essential AI专注在AI Agent，它为企业用户提供现成可用的AI产品,从而省去他们为专门任务自行构建AI工具的麻烦。

据介绍，它的产品能够迅速学习企业的资料，并将耗时且单调的工作流程自动化，从而提高企业的整体生产力。

例如，它的AI Agent可以将数据分析师的工作效率提高10倍，并为商业用户提供工具，使他们自己成为独立的数据驱动型决策者。它还可以加快金融分析师的工作步伐，使他们能够从更多公司获取数据进行分析。

目前，Essential的核心团队有七人，其中Ashish Vaswani和Niki Parmar是Transformer论文的主要作者，他们此前和谷歌前AI总监David Luan共同创立了Adept AI（20亿美元估值独角兽）。公司其他核心成员包括工程师、研究人员、设计师、销售和产品专家。

3.企业AI工作助手平台开发商Glean

官方网站：www.glean.com

融资信息：获得Kleiner Perkins和Lightspeed Venture Partners共同领投的2亿美元D轮融资，参投方包括Sequoia Capital、Databricks Ventures、Citi、General Catalyst、ICONIQ Growth等，累计融资额达到3.55亿美元，估值为22亿美元。

Glean在2023年推出对话式AI助手，该AI助手使用RAG技术（搜索和检索增强生成）的大语言模型来检索并基于每个企业独特的知识图生成个性化答案。

此外，Glean还推出了其低代码和无代码集中式AI平台，允许公司基于其知识构建定制的生成式AI助手。Glean的平台允许企业客户完成跨应用的、个性化的搜索，在Glean上可以查到企业数据，完成部分高频工作。Glean希望像ChatGPT那样，成为AI时代的入口型产品。

在安全性上，Glean让用户可以通过运行DLP报告以发现过度暴露的敏感内容，Glean会进行用户访问审查以执行最小特权原则，同时对所有的数据都进行了安全加密。

Glean由Arvind Jain（CEO）、Vishwanath T R、Piyush Prahladka和Tony Gentilcore共同创立。这四位联合创始人拥有名校背景和大厂经历，其中有三位都在Google拥有10年及以上的工作经验，Arvind Jain还联合创立了云数据管理领域的公司Rubrik。

AI应用搭建平台

1.企业级AI Agent搭建平台Sema4.ai

官方网站：sema4.ai

融资信息：获得由Benchmark、Mayfield和Canvas Ventures等知名投资机构领投的3050万美元融资。

Sema4.ai想要简化知识工作者复杂的端到端工作流程，而不像传统企业自动化工具那样只解决简单、重复、点对点的任务。

Sema4.ai基于先进AI大模型的强大理解和推理能力，既可以理解用户以自然语言“布置”的复杂任务，又能执行这些任务，他们的AI Agent是以语义理解和自动行动为核心的。

Sema4.ai还发布新的AI Actions框架，企业可以基于这个框架和自有的数据，创建个性化的AI Agent。

Sema4.ai的创始团队由Rob Bearden、Ram Venkatesh、Suds Menon和Paul Codding组成，他们在数据管理、分布式系统、应用程序开发方面有深厚知识和丰富经验。其中Rob Bearden曾是Cloudera的CEO。

2.为企业提供交互式AI平台的Rasa

官方网站：rasa.com

融资信息：完成由PayPal Ventures和StepStone Group共同领投的3000万美元C轮融资，参投方包括a16z、Accel和Basis Set Ventures。目前，Rasa的累计融资额超过7000万美元。

Rasa提供一个开放且适应性强的AI聊天机器人搭建平台，它由先进的AI模型与用户友好的低代码UI相结合，并与企业的业务逻辑完美契合。

这个平台的核心技术CALM系统将LLM的创造性与传统基于NLU聊天机器人的控制和确定性相结合，确保用户交互保持连贯和自然。

它有两种产品Rasa Pro和Rasa Studio，Rasa Pro是开放核心对话式AI框架，公司客户可以通过模板框架按需定制对话助手。Rasa Studio通过拖放设置增加了自定义选项，用于设计生成式AI驱动的聊天机器人。Rasa还提供了完备的安全和测试和部署等功能，确保企业用户的AI应用是安全可控的。

Rasa由Alex Weidauer（CEO）和Alan Nichol（CTO）于2016年共同创立，Alex Weidauer曾创立云生产力工具开发公司treev，Alan Nichol是他这次创业的伙伴。Alan Nichol博士毕业于剑桥大学。

3.企业级AI助手搭建服务商Kore.ai

官方网站：kore.ai

融资信息：获得FTV Capital领投，英伟达等投资者参投的1.5亿美元D轮融资。

Kore.ai是企业级无代码AI应用搭建平台，企业用户可以自定义搭建对话式AI应用或部署预构建的“域训练”聊天机器人。Kore.ai的目标客户包括银行、医疗保健和零售等行业的公司。

Kore.ai的AI能力由经过微调的AI模型支持，与从头训练一个AI模型相比，这样只需要非常少的企业数据，并能提供更高的效率、更好的准确性、更快的响应速度，最重要的是减少了延迟和成本。”

Kore.ai由Raj Koneru创立于2013年。Raj Koneru是一名经验丰富的连续创业者，曾先后创立云数字应用开发商Kony Inc、离岸外包咨询公司iTouchPoint等企业。

AI应用从“玩具”进化成生产力工具

企业级AI应用的出现，代表着什么？

代表着大模型的应用进入了另一个阶段，从一个吸引大众的“玩具”，变成了生产力工具。大模型时代的企业AI工具不仅能够达到某一部分流程的自动化，而且能够深入企业的业务，对企业业务的影响更深刻。它不是固定的完成某些“死板”的任务，而是真的理解业务，能够做更复杂的复合任务。

AI从“玩具”变成生产力工具的前提是AI大模型能力的提升，以及围绕模型的一系列技术生态的成熟。例如现在的AI大模型，在复杂推理，人类常识，数学能力，编码能力方面都有长足进步，并且能够一次性处理更多数据，这些都让它能够支持AI企业应用完成比之前更复杂的任务。

对于AI应用的安全，现在有了越来越多的领先创业公司正在优化这一方面，例如HiddenLayer、ProtectAI等。还有一些AI芯片公司致力于降低模型的训练和推理成本，才让AI企业应用落地，否则无论是企业客户，还是创业公司，都很难完成收益和成本的平衡。

随着模型能力的进步，尤其是多模态大模型的进步，AI应用的边界还将被拓宽。模态的拓宽，代表AI可以进一步处理更复杂，更复合的任务。无论是在个人应用上还是在企业应用上，这对于懂技术，懂场景有产业经验的优秀创业者是很大的机会。