18 个月收入增 15 倍 a16z 领投 1.3 亿美金，服务即软件时代已来

上周我介绍了一下 a16z 领投的 Hebbia，不过当时融资信息还没正式公开。今天 Hebbia 正式公布了融资信息，此次 B 轮融资金额达到了 1.3 亿美金，由 a16z 领投，Index、Google Ventures 和 Peter Thiel 跟投。

估值仍然没有公布，但 Bloomberg 说在 7 亿美金左右。在过去的 18 个月里，Hebbia 的收入增长了 15 倍，员工增长了 5 倍。仅仅 Hebbia 一家，其每天的交易量占到了 OpenAI 整体交易量的 2%。

【2024 年 7月 10日 更新：根据 TC 最新的消息，Hebbia 的 ARR 已经达到了 1300 万美金，并且已实现了盈利，这意味着 7 亿美金的估值相当于 54 倍 ARR】

我之前曾对其做过详细介绍，它可以同时查看数十亿份文件，包括 PDF、PPT、图像、邮件、音频、视频剪辑、电子表格和记录稿等几乎任何文档类型，并返回具体的答案。

a16z 在其官方博客里说，我们正在进入新的 SaaS 时代，从软件即服务（Software-as-a-Service）转向服务即软件（Service-as-a-Software）。

合伙人 Alex Immerman 说了两者的一些区别，旧 SaaS：软件可提高工作效率，通常按席位定价。而新的 SaaS：软件端到端地完成离散的工作，并且可以按任务定价。

旧的 SaaS 定价为生产率提高 10-30%，而新的 SaaS 针对员工或外包劳动力进行定价（可以获得差不多 100% 收益）。 财务分析软件每个席位的成本可能为 ~5-15 美元，但员工的薪水可能高达六位数。

在旧 SaaS 时代，许多垂直行业“太小”，这主要对于 VC 而言。尽管会有消费者过剩，但这些垂直领域在新 SaaS 时代的机会要大得多。我们正处于早期过渡期——这不会是一个硬性的过渡，而是从一个逐渐过渡到另一个。

这和今年年初 Sequoia 红杉发表的观点非常类似《红杉 AI 大会：AI 最大的机会之一，是用软件取代服务》，也和 Benchmark 合伙人 Sarah Tavel 所说的 Sell work，Not software《当下 AI 的 4 个浪潮，以及 AI 时代的一种新型商业模式》一样。在这点上，Sequoia、a16z 以及 Benchmark 可以说已经形成了共识。

Hebbia 做的事情我非常看好，因为它瞄准的是海量的非结构化数据这块，Hebbia 在一篇博客里说，Google 只索引了全球 4% 的数据，而 Hebbia 想处理的就是剩下的那 96% 的数据。

我之前曾分享过 Box 创始人 Aaron Levie 的一个观点，他说他非常看好 AI 的原因就在于非结构化数据的处理。特别是在企业内部，非结构化数据可能占到了 90% 以上《Box 创始人：我疯狂看好 AI 的原因在于非结构化数据的处理》。

Levie 认为，

当你能够了解企业的内部内容（如合同、发票或数字资产）并提取其结构化数据时，你几乎可以自动化任何工作流程；

有史以来第一次，生成式 AI 实际上让我们与非结构化数据对话。我们进入了一个世界，你的数字信息将成为你最宝贵的资源之一。

而 Hebbia 做的事情基本上就是 Levie 所说的这种情况，它希望通过改变我们与非结构化数据的交互方式来改变我们的工作方式，因此我将其定义为一个瞄准海量非结构化数据的 AI 搜索引擎。

Hebbia 声称其 AI 可以读取并理解没有被接触到的非结构化私人数据，它可以同时查看数十亿份文件，包括 PDF、PPT、图像、邮件、音频、视频剪辑、电子表格和记录稿等几乎任何文档类型，并返回具体的答案。

创始人兼 CEO George Sivulka 说 Hebbia 的系统执行的是一套复杂的工作流程，而不仅仅是来回的聊天。因此我在之前文章里说 Hebbia 的解决方案和吴恩达之前所说的 Agent Workflow 非常类似《吴恩达谈 Agent 4个模式：Agent 工作流可实现 GPT-3.5 > GPT-4》。

其最新发布的 Matrix 这个产品，实现了跨多个文件和格式摄取结构化和非结构化数据，在提示时检索信息，并通过引用提供答案，所有这些都以熟悉的电子表格格式进行。对于每个文档（行！），你可以获得一组问题（列！）的答案，并查看每个代理的单独输出（相应的单元格！）。

除了总结每个查询之外，Matrix 还显示了得出结论所需的来源和各个步骤，并考虑到完全透明。下面是 Matrix 的一个演示视频：

Matrix 的第一步是对问题进行拆解，当用户提出问题时，Matrix 会将复杂的任务分解为可以使用代理执行的单个步骤。 这使得它能够立即分析文档中包含的所有信息，并以结构化形式准确提取所需的内容。

它使模型能够对任何数量（数百万到数十亿文档）和任何形式的数据进行推理，同时还提供相关引用来帮助用户跟踪每一个操作并了解平台到底是如何得出最终答案的。

Sivulka 说有了世界级的拆解，就不会有太复杂的问题了（No question is too complex），也不会有太大的数据集。因此 Hebbia 一直坚信