Air Street Capital 领投 LATO 470 万美元种子轮,用 AI 智能体做专家访谈调研
Our investment in LATO
Air Street Capital 领投 LATO 470 万美元种子轮,YC 及 ElevenLabs、Vercel、Snowflake、Rogo 联合创始人等天使参投。
在最近的一次投资机会中,我需要了解一家公司的产品在竞争对手资金雄厚的市场中究竟有何特别之处。而且我需要快速完成。两天内,我与来自美国、亚洲和欧洲的12位品类专家、买家和 技术负责人进行了14小时的对话。只不过,这些电话我一个都没有亲自打。
正如我在MAD Podcast上与Matt Turck分享的那样,我的Codex代理和LATO共同设计了这项研究。它们利用我已经完成的工作来完善我需要检验的假设。LATO招募了专家,其语音代理对他们进行了访谈。随后,我的代理与LATO合作分析转录文本,并为后续访谈修改问题。我可以直接从引起我兴趣的发现跳转到其背后的对话,亲耳听到那个人实际说了什么。
如果你是AI深度用户,你会看出这走向何方。一个能从你的品味和反馈中学习的递归研究系统,可以在你每次使用时承担更多工作。
这就是为什么我很高兴地分享,Air Street Capital领投了LATO的470万美元种子轮,YC以及包括ElevenLabs、Vercel、Snowflake和Rogo联合创始人在内的天使投资人也参与其中。
你能联系到谁通电话?
投资世界依靠一手研究运转。你想了解为什么客户选择了某一款产品而非另一款,他们如何权衡取舍,以及什么会让他们改变主意。能给出最佳答案的人可能离你只有三层人脉,可能在另一个时区工作,可能说你不会说的语言,或者根本联系不上。行动太慢可能意味着错过交易。信息不充分则更糟。
有了LATO,我可以在还不知道该联系谁之前就从假设出发。它的代理帮助找出哪些问题能带来最大的alpha,然后寻找并访谈专家,而我可以继续处理其他所有事情。如果两位客户意见相左,我可以听取双方意见,再决定接下来问谁。随着语音代理和前沿模型的进步,这些访谈可以更好地挖掘细微差别、察觉不确定性,并对表面化的回答进行追问。
探究AI基础设施建设
在其首份公开研究Ear to the Ground中,LATO询问了承诺的AI基础设施中有多少能在需要时准备就绪。仅Anthropic一家就披露了约9010亿美元的未来付款承诺,几乎全部用于算力和基础设施。LATO采访了29位建设、供电、供应和融资数据中心的人士,并审阅了261份出版物。
一家开关设备制造商的销售总监告诉LATO,较新的制造商通过承诺一年内交付,赢得了他所见投标中约四分之一的份额。老牌制造商则报价十三个月。一些新进入者获得了风险投资或私募股权支持。到目前为止,你可以看到投资论点正在浮现。
但接着你问他们从哪里获得零部件。据这位总监说,他们都从同样的少数几家供应商购买中压断路器,包括Square D、Siemens和ABB,交付需要42到50周。他说,这些供应商也在争夺成品订单,并在零部件稀缺时优先考虑自己的项目。他预计新进入者的交付时间会比承诺晚三到六个月。
如果我考虑在这里投资,我会希望在承销一家公司在交付上击败现有企业的能力之前进行那次对话。现在我有了一项具体的假设,可以与创始人及其供应商一起检验。
电力又带来了另一重等待。北弗吉尼亚的一位施工经理描述了两栋40兆瓦的建筑,其设备安装后闲置了近四个月,工人们在此期间对房间进行加热和除湿。你在社交媒体卫星图片上看到的已完工建筑,可能仍需数月才能为客户提供服务。
这些延迟叠加在原本就长达数年的工期之上。对于一个约100兆瓦的站点,九位专家中有六位的回答可供比较,他们估计从首次申请到通电至少需要两年。对于500兆瓦或以上,七人中有三人估计超过三年。一人说五到七年。想想看,在你等待站点通电的这段时间里,会有多少代AI模型和芯片来来去去……
在12位对在建产能发表看法的人中,有11位预计大部分产能将会建成。对于2027年和2028年到期但尚未开工的项目,五份预测中有四份将取消率定为20%。第五份来自一位从事得克萨斯州电网接入工作的人,将取消率定为50%。
一位设备贷款方描述了较新的AI云提供商所面临的挤压。一年前,他们可以借到设备的全部购买价款,并在四到五年内偿还。到2026年11月,他们只能融资60%,且需在两到三年内偿还。对于一笔1亿美元的订单,这意味着在单块GPU产生任何收入之前,还需从别处筹集4000万美元。
为什么不采访所有人呢?
投资者与专家的每一次对话都会提供新的假设可供检验。但一旦智能体能够完成这项工作,如果50次采访能提供更多信号,为什么要止步于10次?你可以寻找持不同意见的人,提出后续问题,并在六个月后回访客户。这些对话需要花钱,但它们可以在你睡觉时跑遍全世界。你可以决定自己想多了解多少。这个机会的扩展空间远不止于投资者。
如果我经营一家科技公司,我会想与每一个正在经历我们试图解决的问题之痛的人交谈。他们今天如何应对?是什么让他们的变通办法足够好?我会在确定下一季度的产品路线图之前,采访我们的客户、竞争对手的客户以及我们流失的买家。
如果我是一位有限合伙人,我会用LATO来了解我的经理们不断告诉我将推动其回报的公司。采访它们的客户以及现任或前任员工。弄清楚人们为什么购买、他们的支出是否在增加,以及业务发生了怎样的变化。
一座思想的博物馆
我认为AI可以成为一座思想的博物馆。想想博物馆如何为子孙后代保护文明的文物。以此类推,采访人们让我们得以保存他们的专业知识以及他们的思维方式。他们注意到了哪些别人错过的东西?他们为什么做出了当时看起来错误的决定?是什么改变了他们的想法?
LATO 能以任何专业面试官都无法企及的规模做到这一点。想象一下,采访数百个领域中最优秀的人,请他们攻克难题,并在他们意见相左之处继续追问。在获得他们许可的情况下,我们可以用这些对话来教会 AI 这些专家是如何推理的。
我认为从那里有一条通往 AGI 的路径。向最优秀的人类专业知识学习,然后在强化学习环境中检验这些方法,让模型能够行动并从结果中学习。再加上开放式探索,让它发现需要解决的新问题,以及递归式自我改进,让它改进自己的学习方式。这就是我在 LATO 正在构建的东西中看到的更长期的机会。
重新思考研究的合适团队
Tymek Staniszewski 在增长和私募股权领域工作了六年。他的联合创始人 Tien Chu 是他在华沙读高中时结识的朋友,在 AI 和软件工程领域工作了八年。作为用户、如今又是投资者,我觉得他们敏锐、友善、雄心勃勃得惊人,而且合作起来非常有趣。
自 7 月底他们的第一项研究以来,LATO 已在 40 多个国家为管理着近 5000 亿美元资金的基金完成了 1000 多次专家访谈,并在不到 100 天内实现了超过 100 万美元的年化运行收入。而我们才刚刚开始!
如果你要做的决策能从中受益,或者想帮助构建它,请联系 hi@latolabs.io。
来源:Air Street Press · press.airstreet.com