Gọi vốn

Unsiloed AI huy động 7,5 triệu USD vốn hạt giống để mở rộng nghiên cứu, kỹ thuật và kinh doanh

Evan Mercer
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhUnsiloed AI đã huy động được 7,5 triệu đô la trong vòng gọi vốn hạt giống do Felicis…
Xem thêm
  • Unsiloed AI đã huy động được 7,5 triệu đô la trong vòng gọi vốn hạt giống do Felicis dẫn đầu để chuyển đổi tài liệu doanh nghiệp thành dữ liệu có cấu trúc.
  • Trình phân tích cú pháp của công ty đạt 88,0 điểm trên olmOCR-Bench trong đánh giá tháng 5 năm 2026 của chính công ty so với các công cụ đối thủ.
  • Unsiloed phải chuyển đổi các triển khai ban đầu và kết quả độ chính xác tự báo cáo thành việc áp dụng rộng rãi hơn trong doanh nghiệp để cạnh tranh với các nền tảng lớn hơn.

TechCrunch đưa tin ngày 18 tháng 11 năm 2026 rằng Unsiloed AI đã huy động được 7,5 triệu USD trong vòng gọi vốn hạt giống do Felicis dẫn dắt để phát triển công nghệ chuyển tài liệu doanh nghiệp thành dữ liệu có cấu trúc cho các tác nhân AI.

Y Combinator, Orange Collective và Uncorrelated Ventures cũng tham gia vòng gọi vốn, cùng với các nhà đầu tư thiên thần Aarthi Ramamurthy và Beth Turner. CEO Aman Mishra cho biết số tiền huy động được sẽ được dùng để tuyển thêm nhân sự nghiên cứu và kỹ thuật, mở rộng hoạt động kinh doanh và xây dựng các bộ dữ liệu độc quyền nhằm cải thiện công nghệ.

Hồ sơ công ty của Y Combinator giới thiệu Unsiloed là một công ty có trụ sở tại San Francisco, thành lập năm 2025 và thuộc khóa mùa thu năm 2025 của tổ chức này. Hồ sơ ghi Mishra là nhà sáng lập kiêm CEO, còn Adnan Abbas là nhà sáng lập kiêm CTO; hai cựu bạn học tại IIT Kharagpur đã phát triển công nghệ trước khi tham gia khóa này.

Phân tích, trích xuất và xác minh

Tổng quan sản phẩm của Unsiloed mô tả một nền tảng chuyển PDF, hình ảnh và bảng tính thành JSON và Markdown cho các mô hình ngôn ngữ lớn và tác nhân AI. Nền tảng có ba thao tác: Phân tích, giúp giữ nguyên cấu trúc tài liệu trong Markdown; Trích xuất, trả về các trường được yêu cầu theo một lược đồ JSON; và Tách, chia các tệp chứa nhiều tài liệu thành từng tài liệu riêng, đồng thời phân đoạn tài liệu dài thành các phần có thể truy xuất.

Các trường được trích xuất có thể bao gồm điểm độ tin cậy và trích dẫn chỉ rõ vị trí của chúng trong tài liệu gốc, giúp người đánh giá kiểm tra các giá trị chưa chắc chắn trước khi sử dụng ở các bước tiếp theo. Nền tảng kết nối với S3, SharePoint, Drive, Snowflake và các hệ thống quản lý tài liệu, đồng thời cung cấp tùy chọn triển khai cho doanh nghiệp trên đám mây riêng ảo, tại chỗ hoặc trong môi trường cách ly mạng.

Các nhà sáng lập mô tả một kiến trúc hai luồng: nội dung được trích xuất nằm trong một luồng, còn bố cục và thứ bậc của tài liệu nằm trong luồng kia. Sau đó, bộ giải mã áp dụng thuật ngữ chuyên ngành và tạo đầu ra JSON hoặc Markdown. Các bản đồ nhiệt được định hướng bằng cơ chế chú ý tập trung quá trình xử lý vào các cột số liệu, ô gộp và tiêu đề mục, đồng thời giữ nguyên các bảng trải dài nhiều trang và mối liên hệ giữa các điều khoản.

Mishra mô tả mối lo ngại cốt lõi về độ tin cậy: “Vấn đề với các mô hình ngôn ngữ lớn là về bản chất chúng hoạt động theo xác suất. Chắc chắn sẽ có một mức độ sai lệch nhất định. Chắc chắn sẽ xảy ra hiện tượng tạo thông tin sai lệch, và điều đó gây tác động tiêu cực rất lớn ở các bước tiếp theo.”

Các bài kiểm tra độ chính xác do công ty thực hiện

Trong đợt đánh giá tháng 5 năm 2026 do chính Unsiloed thực hiện, bộ phân tích của công ty đạt 88,0 điểm trên olmOCR-Bench, một bộ tiêu chuẩn đánh giá khả năng phân tích tài liệu, so với 66,0 điểm của Reducto Agentic và 39,9 điểm của Unstructured. Đợt đánh giá sử dụng 8.413 bài kiểm thử đơn vị trên 1.403 trang PDF và phiên bản 0.4.27 chưa chỉnh sửa của công cụ chấm điểm olmocr; các bài kiểm thử bao quát bảng biểu, ký hiệu toán học, thứ tự đọc, văn bản dài hoặc rất nhỏ và bản quét bị xuống cấp.

Unsiloed cũng lưu ý rằng việc đối chiếu chuỗi ký tự nghiêm ngặt có thể đánh dấu những khác biệt vô hại về định dạng hoặc ký hiệu, trong khi các bộ tiêu chuẩn hướng đến học thuật có thể chưa phản ánh đầy đủ biểu đồ, biểu mẫu và những thành phần khác thường gặp trong tài liệu thực tế.

Trong một thử nghiệm riêng do công ty công bố trên 542 tài liệu tài chính, độ chính xác đạt 99,78% trên khoảng 84.000 điểm dữ liệu được trích xuất. Các tài liệu này đến từ một khách hàng doanh nghiệp; phép so sánh bao gồm những mô hình AI lớn, Azure Document Intelligence của Microsoft và công cụ trích xuất nội bộ của khách hàng. Kết quả chưa được xác minh độc lập.

Khách hàng ban đầu và cạnh tranh trên thị trường

Mishra cho biết Unsiloed đang hợp tác với khách hàng trong các lĩnh vực tài chính, dịch vụ pháp lý và chăm sóc sức khỏe. Một ngân hàng không được nêu tên đang dùng phần mềm để xử lý tài liệu, còn một công ty luật vận hành phần mềm trên máy chủ riêng để xử lý hợp đồng và hồ sơ vụ án cũ. Công ty khởi nghiệp AI giọng nói Bolna AI dùng phần mềm để nạp các cơ sở tri thức nhằm xây dựng tác nhân giọng nói.

Các đối thủ của công ty gồm những startup chuyên xử lý tài liệu như Reducto và Unstructured, các sản phẩm của Microsoft và Amazon, cùng những mô hình AI đa dụng mà doanh nghiệp sử dụng để trích xuất dữ liệu. Mishra cho biết giá bắt đầu từ một xu mỗi trang. Ông cho rằng công ty kiểm soát chi phí bằng cách tập trung tính toán vào những phần tài liệu cần được chú ý nhiều nhất, thay vì xử lý đồng đều mọi phần.

Unsiloed đang theo đuổi thị trường này với đội ngũ bảy nhân viên. Vòng gọi vốn hạt giống mang lại nguồn lực để công ty mở rộng; thách thức trước mắt là biến các đợt triển khai ban đầu và kết quả độ chính xác do công ty công bố thành mức độ ứng dụng rộng rãi hơn trong doanh nghiệp, qua đó cạnh tranh với các nhà cung cấp chuyên biệt và những nền tảng lớn hơn nhiều.

Evan Mercer là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên đưa tin về các công ty khởi nghiệp AI, vốn đầu tư mạo hiểm và các động lực tài trợ định hình thế hệ tiếp theo của các công ty công nghệ. Bản tin của anh tập trung vào đổi mới giai đoạn đầu, dòng vốn, và các quyết định chiến lược mà các nhà sáng lập và nhà đầu tư thực hiện khi các công ty AI mở rộng từ ý tưởng đến tác động toàn cầu.

Với góc nhìn chiến lược và phân tích, Evan xem xét các vòng tài trợ, vị trí thị trường và các xu hướng mới nổi trong hệ sinh thái khởi nghiệp AI. Anh theo dõi cách vốn đầu tư mạo hiểm, đầu tư doanh nghiệp và thị trường chứng khoán đại chúng giao thoa với những đột phá trong trí tuệ nhân tạo, tách biệt các tín hiệu bền vững khỏi sự thổi phồng ngắn hạn.

Các bài viết do Evan Mercer viết được tạo ra bởi AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác, ngữ cảnh và việc đưa tin có trách nhiệm về bối cảnh đầu tư AI toàn cầu