在过去两年中,RPA和AI领导者UiPath的年度经常性收入(ARR)从800万美元增长至2亿美元以上,估值从1.1亿美元增至70亿美元。
近日,全球领先的机器人流程自动化(RPA)平台UiPath,宣布完成5.68亿美元的D轮融资,投资后估值为70亿美元。本轮融资由Coatue领投, Dragoneer、Wellington、Sands Capital和T. Rowe Price Associates跟投。此外,牵头了A轮和B轮融资的Accel,领投C轮融资的CapitalG和Sequoia,以及包括IVP和Madrona Venture Group在内的其他现有投资者,均参与了本轮融资。如今,估值70亿美元的UiPath是全球增长最快、价值最高的AI企业软件公司之一。
UiPath于2017年4月完成A轮融资,之后迅速取得了一系列里程碑式的成就,比如:
UiPath联合创始人兼首席执行官丁澹然(Daniel Dines)表示:“我们正处时代的转折点。如今,全球各地的商业领袖都在利用软件机器人来扩充劳动力,极大地推动了整体业务的数字化转型,并让员工能够将时间花在更有价值的工作上。身处其中的UiPath正在引领这场生产力革命。我们的核心目标是推动RPA技术的普及,最终实现人类社会’人手一台机器人‘的愿景。让我感动的是,UiPath的客户、合作伙伴和投资人均给予了我们极大的支持。这激励着我们更加努力,不仅要把RPA发展成一个能够挖掘人工智能潜能的平台,更要发挥其他新兴技术的价值。以此为开端,我们将不断向成功迈进。”
UiPath近期新增的客户包括美国富达(American Fidelity)、BankUnited、CWT(前身为Carlson Wagonlit Travel)、金霸王、谷歌、日本交易所集团(JPX)、 LogMeIn、麦当劳、NHS共享业务服务、日本生命保险公司、NTT通信公司、Orange(法国电信)、理光有限公司、罗杰斯通信、新生银行、Quest Diagnostics、优步、美国海军、Voya金融、维珍媒体和世界燃料服务公司。
长期以来,UiPath致力于为客户提供最优秀的RPA解决方案,并建立了一支强大、开放和透明的团队,这一点得到了广泛的认可:
与此同时,UiPath的成长与价值也受到了越来越多客户和投资人等各方的认可。Coatue Management创始人Philippe Laffont表示:“UiPath正在以前所未有的方式帮助企业实现业绩增长,提升效率和运营水平。公司过去两年的快速发展表明,UiPath正在重新塑造企业的资源管理方式。RPA为全球采用人工智能技术的企业带来了巨大的机会,推动人们步入一个生产力、效率和工作满意度的全新时代。”
T. Rowe Price Associates公司副总裁Greg Dunham表示:“UiPath提供了许多企业必须的关键能力,能够帮助企业提升绩效,让员工更好地专注于核心业务工作。UiPath所引领的RPA行业,之所以能在如此短的时间内实现快速增长,其主要原因在于RPA正在成为世界上几乎每个行业推动数字化转型所必须掌握的核心工具。”
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。