国内领先的智能销售SaaS服务提供商探迹科技宣布完成1.2亿元B轮融资,由红杉资本中国基金领投,启明创投跟投,山景资本担任本轮独家财务顾问。探迹科技创始人兼CEO黎展表示,本轮融资资金将用于产品研发、市场拓展和品牌建设等,持续用大数据和AI赋能销售。
探迹科技成立于2016年,是一家致力于用大数据和AI技术来全面提升To B企业销售效率和业绩的公司。此前,探迹科技曾获得由阿里巴巴、启明创投联合投资的A轮融资。
以大数据和AI技术全面赋能销售场景
以国内最完善的企业知识图谱为基础,探迹科技目前已形成了完整的SaaS产品矩阵,构建了全方位的智能销售产品生态闭环,并以NLP、机器学习算法模型等多项核心技术领跑中国智能销售服务赛道。
探迹科技创始人兼CTO陈开冉表示:“目前我们拥有市场上最全的企业知识图谱,并在此基础上结合NLP、机器学习等技术,为企业提供从线索挖掘、商机触达、客户管理到成单分析的全流程智能销售服务。我们既有能快速部署应用且标准化的SaaS产品探迹智能销售云平台,又拥有强大商业化的智能销售解决方案。”
有别于市场上的其他产品,探迹智能销售云平台涵盖拓客、集客、触达、CRM等服务于不同销售阶段的产品,而且各个产品之间所有数据高度融合、打通,既可以打破互联网的数据孤岛,又可以通过信息的不断流转,让数据变得更加“智慧”。此外,平台上拥有的不仅仅是工商信息,还有许多高价值的业务分析维度,为客户提供更多高价值的商业信息。
成立以来,探迹科技保持持续高速发展势头,目前员工超过400人,总部设在广州,并在北京、上海、深圳、佛山等地设立分公司。目前服务超过4000家企业客户,其中包括阿里巴巴、中国移动、分众传媒等行业巨头。
智能销售市场崛起 顶级资方看好
红杉资本中国基金董事总经理翟佳表示:“To B领域正成为中国市场越来越重要的增
长点,传统To B销售模式已经逐渐到达天花板,智能销售将成为企业发展的突破点。尤其是伴随着中国企业数据不断开放和AI技术的成熟,数据智能在To B领域的场景化应用将会越来越受欢迎。在国外,通过大数据赋能销售主动获客是被成功验证的商业模式,探迹科技目前是在国内这一领域的领先者,我们非常看好它未来的发展前景。”
启明创投合伙人叶冠泰表示,“启明创投非常看好国内SaaS行业未来几年的投资机会,尤其看好像探迹科技这样的’大数据+AI驱动’来帮助企业做商业决策的SaaS2.0产品公司。主动获客是To B企业增长的核心引擎,高效地完成销售业绩是每家To B产品公司重中之重的目标。探迹科技通过自己的智能销售SaaS平台,利用AI和大数据对客户做精准的线索搜索和推荐,让销售人员能够有效地缩短销售周期和提高效率。我们很荣幸在两年前就投资了探迹科技,并且在新的一轮融资中持续加码来支持公司的发展。”
据了解,日前一家探迹科技对标的美国SaaS企业ZoomInfo在纳斯达克IPO上市,挂牌首日盘中一度大涨100%,创下了自疫情以来首个也是最大规模的科技股IPO交易,目前市值已超过190亿美元。与ZoomInfo一样,探迹科技深耕智能销售领域,同时又拥有更完善的服务链条、更庞大的数据库、更广阔的市场空间。
谈及未来的发展规划,黎展表示:“未来我们一方面将回归商业本质,以产品和服务驱动业务持续发展,另一方面将利用这笔资金继续夯实基础,广泛吸纳人才,巩固竞争优势。与此同时,我们也将会不断基于企业知识图谱和AI能力构建更加完善的SaaS产品生态体系,不断为客户创造价值,开启智能销售SaaS新纪元。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。