返回新聞
產業AI Understanding 簡報

Magentic 為工業人工智慧代理商籌集了 1800 萬美元的 A 輪融資

Magentic 獲得了 Felicis 領投的 1800 萬美元 A 輪融資,用於部署自主人工智慧代理,用於大型工業公司的採購和供應鏈運營。

6 min readRead the linked source
Source-provided image accompanying Magentic raises $18M Series A for industrial AI agents
來源參考來源記錄
出版商
unite.ai
來源連結
unite.aihttps://www.unite.ai/magentic-raises-18m-series-a-to-build-an-ai-workforce-for-industrial-operations/
來源類型
連結來源-主要來源狀態尚未確定。
背景60 秒內了解這一點

從這裡開始

關鍵術語

大語言模型(LLM)
在海量文本語料庫上訓練來產生和分析文本的語言模型。
人在環
人類審查、指導或涵蓋人工智慧輸出的工作流程。
人工智慧代理
一種可以觀察、推理並採取行動來實現目標的軟體系統,通常使用工具和記憶體。
測試一下自己AI 代理測驗

發生了什麼事

Magentic 是一家總部位於倫敦和紐約的新創公司,在 A 輪融資中籌集了 1800 萬美元,用於擴展其用於工業採購和供應鏈管理的人工智慧代理平台。此輪融資由 Felicis 領投,現有投資者紅杉資本和 The Westly Group 跟投。繼大約一年前啟動 550 萬美元種子輪融資後,該公司報告的總融資額達到 2,350 萬美元。該公司由首席執行官 Robin Van Aeken 和首席技術官 Odhran O’Donoghue 創立,正在開發“數位員工”,旨在跨分散的企業系統執行複雜的操作任務,例如核對發票、識別合同外支出以及管理供應商通信,而不僅僅是提供對話幫助。

Magentic 已完成由 Felicis 領投的 1,800 萬美元 A 輪融資,紅杉資本和 The Westly Group 也參與其中。這項投資使該公司的籌集資金總額達到 2,350 萬美元,較大約一年前啟動的 550 萬美元種子輪融資有了顯著擴張。該公司總部位於倫敦和紐約,由前麥肯錫顧問 Robin Van Aeken 執行長和 OpenAI 校友 CTO Odhran O’Donoghue 創立。

該公司的平台旨在部署被稱為「數位工人」的人工智慧代理,這些代理在現有企業基礎設施中運行,而不是取代它。這些代理商旨在處理複雜的採購和供應鏈工作流程,包括審查支出、檢查合約、計算節省和準備供應商溝通。與產生內容或回答問題的傳統人工智慧助理不同,Magentic 的代理程式旨在跨 ERP、電子表格和電子郵件平台等系統執行端到端操作任務。

該技術架構包括一個統一的資料層,該層從各種來源(包括 PDF、合約和資料庫)獲取碎片資訊。該系統旨在根據具體任務選擇不同的底層人工智慧模型,而不是依賴單一的大型語言模型。這種方法允許代理商在混亂的現實資料環境中工作,其中供應商名稱、價格和合約條款在不同部門或遺留系統中可能不一致。

Magentic 報告稱,一位客戶正在透過其數位工作人員處理超過 120 萬份訂單,而另一項部署則節省了 400 萬美元。該公司聲稱,在其全球 500 強客戶群中,節省了大約 2% 到 5%,數據品質平均提高了 60%。值得注意的是,這些是公司報告的數據,未經獨立審計。該公司表示,其代理商可以跨支出、採購、合約和發票進行操作,提供採購作業的全面視圖。

來源詳情: unite.ai ↗

為什麼這很重要

這筆資金凸顯了企業人工智慧從被動分析工具到能夠執行高風險財務和營運工作流程的自主代理的重大轉變。透過瞄準以數據分散和財務影響大為特徵的採購領域,Magentic 解決了人工智慧錯誤可能造成直接金錢後果的關鍵差距。該公司的方法涉及與現有 ERP 系統集成,並使用具有人工檢查點的多代理審查機制,為在受監管的工業環境中部署高度自治的人工智慧提供了實用模型。由於基礎設施成本上升和勞動力限制,全球製造商面臨越來越大的優化供應鏈的壓力,因此這項措施尤其重要,使得複雜、數據密集型流程自動化的能力成為關鍵的競爭優勢。

這筆資金凸顯了企業人工智慧向能夠執行自主工作而不僅僅是協助人類的代理系統發展的更廣泛趨勢。採購是這項技術的高價值目標,因為它涉及重大的財務風險和複雜的資料密集型流程,這些流程通常分散在多個系統中。透過自動化這些工作流程,公司可以在不按比例增加員工數量的情況下應對不斷增長的工作量,Hackett Group 預測 2026 年採購工作量將增加 8%,這凸顯了這一挑戰。

該公司的數據整合方法以其實用主義而聞名。 Magentic 的代理商旨在在現有的分散環境中工作,並根據需要逐步組織訊息,而不需要進行大量的前期資料清理(這是企業採用人工智慧的常見障礙)。這減少了通常與大型企業轉型專案相關的實施摩擦。

考慮到與自主決策相關的財務風險,安全性和合規性是 Magentic 價值主張的核心。該公司在其代理商工作流程中實施了人工審核點,確保關鍵行動(例如啟動供應商談判)需要高階主管批准。此外,Magentic 還通過了 SOC 2 Type II 和 ISO 27001 認證,符合 GDPR 並符合歐盟人工智慧法案。它還指出,客戶資料不會用於訓練共享或公共模型,從而解決關鍵的企業安全問題。

這一發展是人工智慧應用於實體經濟的更大基礎設施週期的一部分。高盛估計 2026 年至 2031 年間與人工智慧相關的累積資本支出將達到 7.6 兆美元,管理由此產生的設備、材料和合約的需求是巨大的。 Magentic 專注於工業運營,使其處於代理人工智慧和實體基礎設施建設的交叉點,為人工智慧在推動實體經濟的領域提供實際應用。

Interactive Mechanism

互動機制:它實際上是如何運作的

以互動方式探索這項發展背後的基礎技術。

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
互動式概念檢查+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

接下來看什麼

投資者和產業觀察家應監控 Magentic 擴大代理自主權的能力,同時維持財務營運的嚴格準確性。值得關注的關鍵指標包括公司報告的節省數據(全球 500 強客戶為 2-5%)和數據品質改進,這些數據目前由公司報告,未經獨立審計。此外,其工作流程涵蓋範圍從最初的採購任務擴展到更廣泛的供應鏈營運將決定其長期生存能力。隨著其在國際市場上的擴展,其人機互動保障措施的有效性以及對歐盟人工智慧法案和 GDPR 標準的遵守也將至關重要。

Magentic 的主要風險是其自主代理在高風險金融環境中的準確性。錯誤的決定,例如發送錯誤的供應商資訊或批准合約外採購,可能會立即產生財務後果。隨著公司規模的擴大,其多代理審查機制和人機互動保障措施的有效性對於減輕這些風險至關重要。

投資者應密切注意該公司驗證其報告的業績指標的能力。雖然 Magentic 提到了顯著的節省和數據品質的改進,但這些數字是自我報告的。需要進行獨立審核或其他客戶的案例研究,以確認該平台的現實影響和可擴展性。

Magentic 工作流程涵蓋範圍的擴展是另一個值得關注的關鍵領域。該公司計劃利用 A 系列資金來擴大其代理商可以管理的採購和供應鏈任務的範圍。這一領域的成功將決定Magentic能否成為工業運作的綜合平台,還是僅限於特定的採購功能。

隨著 Magentic 的國際擴張,監管合規性也將成為一個重要因素。它與歐盟人工智慧法案和 GDPR 的一致性是一個強有力的起點,但持續遵守不斷發展的人工智慧法規對於維持與企業客戶的信任和避免法律風險至關重要。

相關指引和測驗

人工智慧代理AI 倫理測試你所知道的—嘗試免費的人工智慧測驗在我們的詞彙表中尋找人工智慧術語關注 AI 資金追蹤器
覺得有用嗎?