IR Zen

(SeaPRwire) –   在麻省理工学院（MIT）研究生院相识后，Michael Manapat和Yibo Ling走上了不同的职业道路。Manapat曾在 和Notion担任首席技术职务，而Ling则在Uber和Binance领导财务团队。不过，两人都面临着一个相似的挑战：如何整合碎片化数据，以便在资本配置、工作流程等方面做出重要决策。

2022年11月OpenAI发布ChatGPT时，Ling测试了它执行基本尽职调查任务的能力。他很快发现这个新AI工具受到一个常见问题的困扰：数据。“显然它有很大的潜力，但就是无法正常工作。你需要在正确的语境下获得正确的信息，”他告诉。

这一认识促使Manapat和Ling联手打造Rowspace——一个能让私募股权公司、对冲基金等金融机构将其多年专有数据转化为alpha的AI平台。该公司今日正式发布，共获得5000万美元融资，其中包括此前未公开的由Sequoia领投的种子轮，以及由Sequoia和Emergence Capital共同领投的A轮，Basis Set Ventures、Stripe、Conviction等其他公司和天使投资者也参与了投资。

在人们对大型语言模型和基础模型是否会让软件过时感到焦虑不安、市场动荡之际，Sequoia合伙人兼联合管理人Alfred Lin告诉，Rowspace是那种能在这个勇敢的AI赋能新世界中蓬勃发展的应用的典型例子。

“人们现在讨论的是，边际代码的生成成本非常低，”Lin说。“我们现在在几乎所有公司中寻找的是产品速度，以及产品速度如何快速产生其他成为护城河的东西，比如网络效应和人们日常使用你的产品。”

寻找Alpha

Manapat将Rowspace描述为位于公司数据之上的智能层。该平台整合了机构的所有结构化和非结构化数据——无论是文档、会计系统还是旧的PowerPoint——并提前进行推理。“我们专注于如何确保理解所有底层数据，以推动实际决策，”他说。

Rowspace的数据处理方法听起来与Claude Cowork等流行的新型消费工具非常相似，后者可以查询计算机文件并创建演示文稿或研究备忘录。Manapat表示，Rowspace在关键方面有所不同。首先，它不占有公司的数据，而是在客户自己的云系统内进行处理。

在更深层次上，Manapat表示，像Anthropic这样的基础模型擅长最后一公里任务，比如在PowerPoint中格式化推介材料或构建现金流模型，这些任务通常通过实时搜索方法完成。

“这不是我们的重点，”Manapat说。他解释道，无法确保智能体查看了所有可用信息，或者在得出结论前花时间进行推理——这既耗时又昂贵。相反，Rowspace的任务是对数据进行更深入的分析，比如能够从公司多年的财务数据中发现细微细节。这将始终使该平台比世界上更通用的Anthropic等模型具有优势。

“基础模型无法满足不同行业中人们想要做的每一件事，”Lin说。“这将留给像Rowspace这样的参与者，特别是他们专注的垂直领域。”

Manapat承认，纯软件或用户界面将难以捍卫，尤其是在基础模型快速发展的情况下。但他表示，这就是为什么Rowspace更专注于以安全的方式编译和综合公司数据，并且由具备金融知识的团队来完成。其工程团队成员既来自Notion和Stripe等科技优先公司，也来自私募股权和信贷领域。“金融服务领域没有一刀切的解决方案，因为从某种意义上说，每家公司的alpha都来自其自身的方法，”Manapat说。“我们试图帮助你从自己的数据、知识和方法中学习，并放大这种优势。”

虽然Rowspace拒绝透露其估值或早期客户，但Manapat表示，这些客户包括长期存在的知名私募股权和信贷公司，以及同时在公开和私人市场运作的交叉型公司。他补充说，Rowspace正在与约10家顶级公司合作，这些公司的年度合同价值达到七位数。

“客户使用这个工具来赚钱，这才是关键所在，”Lin说。“如果我们通过我们的工具持续帮助人们利用AI做出更好的决策，他们就会赚钱，而且会比其他人做得更好。”