前NASA和字节的人组了个团队,做了个让「零人公司」也能运转的AI系统
项目分享 4 次阅读

前NASA和字节的人组了个团队,做了个让「零人公司」也能运转的AI系统

Soloco项目封面

前NASA和字节的人组了个团队,做了个让「零人公司」也能运转的AI系统

今天聊一个有意思的初创公司。叫Soloco,刚拿了千万元级种子轮融资,领投的是原子创投。产品和它的名字一样简洁——做的是「AI原生组织的操作系统」。

啥意思呢?就是让一个公司里没人也能运转起来。

别觉得我在说科幻,他们在做的事情实际上是让AI Agent代替人类完成企业运营中的各种具体工作。不是简单的自动化,而是有一套图论和多Agent编排的底层架构。

团队背景挺硬

核心团队来自NASA、华为、字节跳动这些机构,还有哥伦比亚大学、港大、牛津、清华的学术背景。覆盖的方向包括图论、多Agent编排、AI基础设施。从这段位来看,这不是那种几个人搭个草台的团队,技术底子是有的。

他们产品的切入点也很有意思——「本地化零人公司运行场景」。先拿那些不需要太多人的本地业务来试水。比如便利店运营、本地服务调度这类场景,人工成本高、管理链条长,最适合让AI去操盘。

多Agent系统到底在做什么

现在市面上讲Agent的公司不少,但大多数做的是单Agent——就是一个AI帮你干一件事。但Soloco做的是多Agent编排,多个AI Agent之间要能分工协作、互相通信、共同完成一个复杂的目标。

这比单Agent难多了。打个比方,单Agent就像一个人值夜班,能干好前台工作就不错了。多Agent系统是一整个团队同时值夜班——有人做运营、有人做客服、有人管物流、有人分析数据。最难的不是让每个人干好自己的活,而是怎么让这一群人步调一致、不相互打架。

Soloco用图论的思路来处理这个问题。把每个Agent看作图里的一个节点,Agent之间的关系就是节点之间的边。这个结构的好处是,能清晰地定义谁跟谁通信、什么情况下谁接管、数据怎么流转。

为什么选这个时间点入场

其实早几年也有人做过类似的事,但那时候的大模型能力不够,Agent做出来的东西跟人工智障似的。现在不一样了。GPT级别的模型在理解上下文、执行多步推理方面已经达到了能用的水平。

再加上开源模型的兴起,部署成本大幅下降。一个本地生活服务商家,以前想搞一套智能运营系统,光定制化开发就要几十万。现在基于Agent编排平台,可能几千块钱一个月就能跑起来。

Soloco这个融资也算是踩在了点上。千万元级种子轮,在现在的市场环境下不算大,但对于一个技术驱动型的早期项目来说,够他们把核心产品打磨到能跑通商业闭环了。

说点实在的

这种「零人公司」的概念,短期内肯定是噱头成分大于实际。但方向是对的。

AI Agent在企业管理层面的应用,这两年从客服、单据处理这些简单的场景逐步扩大到运营决策、流程编排,路径越来越清晰。Soloco的核心价值不在于宣称自己能做「零人公司」,而在于那套多Agent编排的底层能力——这套东西做好了,以后各种垂直场景都能往里套。

说到底,这轮融资做的不是给投资人看一个PPT,而是得真刀真枪地跑通几个实际场景才行。融了钱,招好人,把产品打磨出来,才是真本事。

我挺关注这个方向的后续进展的。毕竟谁能先把多Agent系统的「团队协作」问题解决好,谁就有可能在下一波AI落地的大潮里吃上肉。

分享

评论 (0)

评论通过后显示

暂无评论,来写第一条吧 ✍️