北京
Levi Fawcett把他的核心班底從新西蘭搬到了美國得克薩斯州奧斯汀。
這位曾在火箭實驗室寫代碼的工程師，2020年創辦了Partly，一家用AI改造汽車配件交易的公司。5月20日，他宣布公司完成5000萬美元B輪融資，投后估值5億美元，領投方是DST Global——這家機構也是Anthropic、Meta和Airbnb的早期投資者。
與此同時，Partly正式啟動美國業務，瞄準的是一個超過1000億美元、擁有約25萬家維修廠的碰撞修復市場。Fawcett給出的理由是，這幫修車師傅至今沒有趁手的AI工具。
他所說的“趁手工具”，核心是一款名為Interpreter的基礎模型，專門為汽車配件識別訓練。
為什么要專門訓練？原因是通用大模型分不清汽車零部件的細微差異。不同制造商把零件目錄組織成幾十種結構，同一個螺絲釘在不同車型、不同年款里可能有完全不同的編號和描述。Partly花了超過4年、投入超過1000萬美元，才訓練出一個能讀懂這些混亂信息的模型。
這種“窄”定位是故意的。Fawcett解釋：“模型架構極其微妙，通用模型解決不了這個問題，也是我們能在這里保持AI前沿的原因。”
Interpreter是多模態的。它能讀技術圖紙、損壞照片和維修描述，然后把它們映射到一個統一標準：車輛如何拆分為總成，總成內的零件該叫什么名字。
為了讓模型看懂這些，Partly的訓練數據來源很雜。政府記錄、獲得授權的制造商數據源、公司自己進行的整車拆解，最后再由人工標注員手工標記零件信息。目前有超過50家制造商的協議在持續喂養模型，Partly稱Interpreter現已覆蓋銷量前58家車廠的91%的車型。
如果你在修車鋪工作，日常大概是這樣的：師傅把撞癟的翼子板照片發來，你翻遍好幾個品牌的電子目錄，一個個肉眼比對零件圖，找到可能匹配的型號，再手工下單。慢，錯也多。一個零件認錯，意味著退貨、維修延期、追加保險理賠。
Partly說，用了Interpreter的修理廠，零件訂購速度加快9倍，退貨率降至原來的2.4分之一。這不是幫他們省了點時間，而是直接切掉了返工和賠償的成本。
美國是這次融資的靶心。Fawcett認為，這個市場里25萬修理者當中，還沒有人用過專門針對這一行的AI。他們的方案不是通用模型套個殼，而是花5年搭建了一個行業缺失的AI基礎設施層。
所以B輪的錢要花在組建美國團隊上。公司在奧斯汀設了新總部，核心管理層已搬過來，正在招聘工程師、商務拓展和產品經理。從團隊背景看，離開新西蘭奔向得州的這批人里，有谷歌、蘋果的前員工，也有Fawcett老東家火箭實驗室的同事。
這場美國擴張距離公司的起點已相當遙遠。2022年底，Partly完成了當時新西蘭史上最大的一筆A輪融資，由Octopus Ventures領投，募得3700萬新西蘭元（約2100萬美元），估值1.8億新西蘭元。加上這次的DST Global入場，它正從一個南半球小團隊的試驗品，變成想啃下美國千億維修市場的闖入者。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
