随着企业加速部署AI代理以自动化工作流程,被困于复杂格式中的文档信息成为主要瓶颈。Unsiloed AI宣布完成750万美元种子轮融资,由硅谷风险投资公司Felicis领投,Y Combinator、Orange Collective、Uncorrelated Ventures以及天使投资人Aarthi Ramamurthy和Beth Turner参投。

商业文档常包含表格、图表及复杂版式,导致AI系统解读困难。对于银行、医院或律所等高度依赖此类文档的行业,错误信息的代价高昂。Unsiloed通过专用软件拆解复杂文档,提取关键元素并转化为AI代理可用的结构化数据,同时保留信息来源以供验证,避免盲目采信AI输出。

技术架构与客户落地

Unsiloed由Aman Mishra和Adnan Abbas联合创立,两人曾就读于印度理工学院坎吉普尔分校,并于2025年秋季加入Y Combinator。Mishra指出,大语言模型的概率性本质易引发偏差和幻觉,对下游应用造成负面影响。

为解决这一问题,Unsiloed采用“双流”视觉模型,分别处理文本和图像数据,并结合“基于热力图的块分割”技术识别文档重点。该架构将更多计算资源分配给图形、数字和图表区域,并利用专用解码器区分行业特定术语。

目前,Unsiloed已在金融、法律服务和医疗保健领域获得客户。一家银行利用其技术处理文档,某律师事务所将其部署在本地服务器以处理合同和旧案卷。语音AI初创公司Bolna AI也是其客户,用于构建语音代理的知识库。

性能基准与商业规划

在一项涉及542份财务文件的测试中,Unsiloed在约8.4万个数据点中提取准确率达99.78%,优于主要AI模型、微软Azure Document Intelligence及客户内部工具,但该结果尚未经独立验证。此外,在Allen AI开发的olmOCR-Bench基准测试中,Unsiloed得分88.0,高于Reducto的66.0和Unstructured的39.9。

Unsiloed起步价为每页1美分。Mishra表示,通过将计算资源集中于关键部分而非均匀处理,该方法有助于降低成本。这家总部位于旧金山的7人团队计划利用新资金招聘研究人员和工程师,扩大销售规模,并开发专有数据集以迭代技术。