专注于文档结构化处理的初创公司 Unsiloed 宣布完成 750 万美元种子轮融资。本轮融资由 Felicis Ventures 领投,Y Combinator、Orange Collective 和 Uncorrelated Ventures 跟投,投资者 Aarthi Ramamurthy 与 Beth Turner 亦参与其中。

随着企业加速部署人工智能代理以自动化工作流程,非结构化数据的处理成为关键瓶颈。商业文件通常包含表格、图表及复杂布局,通用 AI 系统往往难以准确解析。对于银行、医院及律师事务所等依赖文档进行日常运营的行业而言,解析错误可能导致严重后果。
Unsiloed 旨在通过软件解决这一痛点。其技术核心在于分解复杂文档,从表格、图表及其他元素中提取信息,并将其转化为 AI 代理可使用的结构化数据。此外,该技术具备溯源功能,能够显示提取信息在原始文档中的具体位置,使企业能够验证结果,而非盲目信任 AI 输出。
“LLM(大语言模型)的问题在于其本质上是概率性的,”Unsiloed 联合创始人兼首席执行官 Aman Mishra 表示,“这会导致偏差并产生幻觉,从而对下游应用造成巨大的负面影响。”
Mishra 与联合创始人 Adnan Abbas 共同创立了该公司。在投入时间开发核心技术后,两人带领 Unsiloed 进入了 Y Combinator 2025 年秋季批次。
据 Mishra 向 TechCrunch 透露,Unsiloed 目前已在金融、法律服务和医疗保健领域开展客户合作。一家银行正利用其技术处理文件,一家律师事务所则在本地服务器上部署该系统,用于处理合同及旧案卷宗。此外,语音 AI 创业公司 Bolna AI 也是其客户之一,该公司使用 Unsiloed 获取知识库以构建语音代理。
这家总部位于旧金山的初创公司面临激烈的市场竞争,对手包括 Reducto 和 Unstructured 等专业文档处理初创公司,以及 Microsoft 和 Amazon 的相关产品。同时,部分企业也直接使用通用 AI 模型从文档中提取信息,构成了另一类竞争威胁。
Unsiloed 的核心优势在于其对复杂文件的处理能力。该创业公司采用所谓的“双流视觉模型”,将文本数据和图像数据分开处理。“在一个流中处理文本令牌,在另一个流中处理精确的图像令牌,这是我们花费大量时间设计的架构,”Mishra 解释道。
这种技术架构将更多的计算资源分配给图形、数字和图表等领域。Unsiloed 还使用了专门的解码器,结合特定行业的术语库,以帮助系统区分在不同业务环境中含义不同的词汇。
为佐证其技术实力,Mishra 引用了一项由企业客户提供的测试数据。该测试涉及 542 份财务文件,根据初创公司分享的技术简报,Unsiloed 在约 84,000 个提取的数据点中实现了 99.78% 的准确率。此次测试将 Unsiloed 与主要 AI 模型、Microsoft Azure 文档智能以及客户内部提取工具进行了对比,但需指出的是,这些结果尚未得到独立第三方验证。
在公共基准测试方面,Unsiloed 声称在艾伦人工智能研究所开发的 olmOCR-Bench 上表现优于竞争对手。在其进行的测试中,涵盖 1,403 个 PDF 页面、重点考察表格、数学表达式、扫描文档及复杂布局处理能力的场景下,Unsiloed 得分为 88.0,而 Reducto 的代理系统得分为 66.0,Unstructured 得分为 39。
在定价策略上,Unsiloed 的费用为每页一美分。Mishra 声称,该公司的方法还能进一步降低成本,因为它能将计算能力集中在需要重点关注的内容区域,而不是以同等方式处理文档的每一部分。
目前,Unsiloed 团队规模为七人。公司计划利用新筹集的资金招聘更多研究人员和工程师,扩大销售团队,并开发专有数据集以持续改进其技术。





