Wilmington, Del., 21. August 2025-definitiv, eine KI-native Datenplattform mit vollem Stapel, kündigte heute eine von Costanoa angeführte Saatgut-Runde in Höhe von 10 Millionen US-Greenback mit Teilnahme von ACREW Capital und Strategic Angels an.

Die Finanzierung wird die Produktentwicklung und die Einstellung von Markteinstellungen als eindeutige Skalen-Einführung unter Unternehmen beschleunigen.

St. Louis, 7. August 2025-Kapazität, die KI-angetriebene Help-Automatisierungsplattform für Contact Facilities, hat mehr als 92 Millionen US-Greenback in Investitionen angekündigt. Darüber hinaus kündigte das Unternehmen Akquisitionen von an Rufen Sie Kriterien an Und Verbio -TechnologienErweiterung der Fähigkeiten der Kapazität in Voice AI, Qualitätssicherung (QA) Automatisierung und Sprachanalyse.

Die neuen Kapazitätsinvestitionen umfassen 50 Millionen US -Greenback von Chicago Atlanticein privates Investmentunternehmen für Märkte und eine Runde der Serie D mit 42,6 Millionen US -Greenback. Das Unternehmen kündigte zuvor in seiner Serie D -Runde eine erstklassige Spendenaktion in Höhe von 26 Millionen US -Greenback an, die überzeichnet wurde. Die Kapazität wird im Rahmen einer zusammengesetzten Startup -Strategie fortgesetzt, um das Wachstum und die Produktinnovation fortzusetzen.

„Die Unterstützung ist für Marken in Branchen wichtiger denn je, aber Level Options können komplexe Probleme nicht effektiv lösen“, sagte David Karandish, CEO, Capability. „Neue Finanzierung ermöglicht es uns, die besten Technologien in unserer Branche zusammenzubringen, um eine vollständige, mit KI betriebene Help-Automatisierung zu erstellen, die den Kontaktzentren hilft, über Kanäle hinweg mithilfe gemeinsamer Kenntnisse zu arbeiten.“

Mehr als 20.000 Unternehmen verlassen sich auf die KI -Help -Automatisierungsplattform der Kapazität, um den Umsatz zu steigern, die Kosten zu senken und die Kundenzufriedenheit über Kanäle hinweg zu verbessern. Kapazität hat tiefgreifende Erfahrung in der Automatisierung von Wissensmanagement und Contact Heart. Die Akquisitionen von Name-Kriterien und verbio Technologien signalisieren ein erhebliches Engagement für die Bereitstellung der voll integrierten Tech-Stapel-Unternehmen, die groß angelegt werden müssen, um überlegene Unterstützung zu bieten.

„Unternehmen stehen unter dem Druck, Kundenerlebnisse zu verbessern und gleichzeitig die Kosten zu senken. Bei Anrufkriterien und verbio -Technologien stärken wir unsere Plattform, um eine schnellere, personalisiertere und vollständig automatisierte Unterstützung zu bieten“, sagte Karandish.

Name Standards bietet QA -Automatisierungswerkzeuge, die die Interaktionen des Contact Facilities mithilfe von Sprachanalysen und generativer KI analysieren, um Unternehmen dabei zu helfen, Teaching -Möglichkeiten zu identifizieren, die Compliance zu verbessern und die Agentenleistung zu erhöhen.

„Die traditionelle QA ist langsam und subjektiv“, sagte Ryan Stomel, CEO von Name Standards. „Zusammen mit der Kapazität automatisieren wir die QA, um in jeder Kundeninteraktion aussagekräftige Verbesserungen voranzutreiben.“

„Name -Kriterien haben starke Sprachanalysen und generative KI -Technologien aufgebaut, mit denen Name -Zentren einen klaren Weg zur Verbesserung der Agentenleistung schaffen können. Wenn die Instruments von Name -Kriterien vollständig in unsere Plattform integriert sind, haben die Kapazitätskunden Zugang zu erweiterten Fähigkeiten zur Unterstützung von Agenten, die die Kosten erhöhen, die Einhaltung der Einhaltung erhöhen und vor allem die Kundenzufriedenheit verbessern – Karandish.

Verbio -Technologien mit Sitz in Barcelona, Spanien, hilft Unternehmen dabei, das Kundenbindung mit intelligenten virtuellen Agenten zu verändern. Diese virtuellen Agenten wurden entwickelt, um natürliche, personalisierte Gespräche zu führen, und verwalten Kundeninteraktionen, beheben Probleme und verringern die Notwendigkeit einer Stay -Agent -Intervention – und verbessert sowohl die Kundenzufriedenheit als auch die betriebliche Effizienz.

„Voice bleibt der kritischste Kanal für Kundenerfahrung und Loyalität“, sagte Alejandro Terradas, Co-CEO von Verbio-Technologien. „Integration unserer Sprachfunktionen in KapazitätDie Plattform entsperren das Kundenbumsing der nächsten Ebene. „

Terradas wird nach dem Erwerb der Kapazität beitreten.

„Verbio Applied sciences hat nicht nur eine Sprachlösung mit beispiellosen Konversationsfunktionen erstellt, sondern auch für Unternehmensmaßnahmen erstellt. Zusammen wird die Kapazitätsplattform mit einer größeren Sprach -AI -Technologie optimiert, die personalisiert und automatisiert“, sagte Karandish.

Die Kapazität hat im Jahr 2025 ein erhebliches Wachstum erzielt und ist jetzt mit 60 Millionen US -Greenback an jährlichen wiederkehrenden Einnahmen profitabel.

Die Kapazität hat in mehreren Finanzierungsrunden und anderen Anlagen mehr als 155 Millionen US -Greenback an Eigenkapital und Schulden gesammelt. Neben der Investition von Chicago Atlantic beinhaltete die Serie D -Finanzierungsrunde unter anderem Investitionen von TVC Capital und Toloka.vc.

Anrufkriterien und verbio Technologien sind die 10. und 11. Akquisitionen der Kapazität in den letzten Jahren. Expertise beider Unternehmen werden sich dem Kapazitätsteam mit quick 250 Teammitgliedern auf der ganzen Welt anschließen.

Die Bedingungen der Anrufkriterien und der verbio Technologien Transaktionen sind vertraulich.

Die Kapazität wird von David Karandish geleitet, der das Unternehmen mitbegründet hat und seit Beginn der CEO tätig ist.

San Sebastian, Spanien – 12. Juni 2025: Multiverse Computing hat Compactifai entwickelt, eine Komprimierungstechnologie, die die Größe von LLMs (Großsprachenmodelle) um bis zu 95 Prozent reduzieren kann und gleichzeitig die Modellleistung beibehalten wird, so das Unternehmen.

Das Unternehmen kündigte heute auch eine Investitionsrunde in Höhe von 189 Mio. € (215 Millionen US -Greenback) an.

LLMs werden in der Regel auf spezialisierten, cloud-basierten Infrastrukturen ausgeführt, die die Kosten für die Rechenzentren steigern. Traditionelle Komprimierungstechniken – Quantisierung und Beschneiden – werden diese Herausforderungen angehen, aber ihre daraus resultierenden Modelle unterdurchschnittlich die ursprünglichen LLMs. Mit der Entwicklung von Compactifai entdeckte Multiversum einen neuen Ansatz. Compactifai-Modelle sind hochkomprimierte Versionen von führenden Open-Supply-LLMs, die die ursprüngliche Genauigkeit beibehalten, 4x-12x schneller sind und eine Reduzierung der Inferenzkosten um 50 bis 80 Prozent ergeben. Diese komprimierten, erschwinglichen und energieeffizienten Modelle können in der Cloud, in privaten Rechenzentren oder im Fall von Extremely-komprimierten LLMs-direkt auf Geräten wie PCs, Telefonen, Autos, Drohnen und sogar Himbeer-Pi ausgeführt werden.

Compactifai wurde unter Verwendung von Tensor Networks erstellt, einem quanteninspirierten Ansatz zur Vereinfachung der neuronalen Netze. Tensor Networks ist ein spezialisiertes Studienfeld, das von Román Orús, Mitbegründer und Chief Scientific Officer bei Multiverse, Pionierarbeit ist. „Zum ersten Mal in der Geschichte können wir die inneren Funktionsweise eines neuronalen Netzwerks profilieren, um Milliarden von falschen Korrelationen zu beseitigen, um wirklich alle Arten von KI -Modellen zu optimieren“, sagte Orús. Komprimierte Versionen von Prime -Modellen von Prime Lama, Deekseek und Mistral sind ab sofort erhältlich, wobei bald zusätzliche Modelle kommen.

„Die vorherrschende Weisheit ist, dass das schrumpfende LLMs mit Kosten einhergeht. Das Multiversum ändert das“, sagte Enrique Lizaso Olmos, Gründerin und CEO von von Enrique Multiverse Computing. „Was als Durchbruch bei der Modellkomprimierung begann, erwies sich schnell als transformativ-unverzüglich neue Effizienzen beim KI-Einsatz und die schnelle Akzeptanz für seine Fähigkeit, die Hardwareanforderungen für den Betrieb von KI-Modellen radikal zu reduzieren. Mit einem einzigartigen Syndikat für fachkundige und strategische globale Investoren an Vorstand und Bullhound-Kapital können wir die leitende Leistung mit minimaler Leistung mit der Las-Fokussierung von Kompress-AI-Modellen, die jetzt die Auslagerung von Las-Fokus zu bieten. Infrastruktur. “

Laut Roman, Mitbegründer und geschäftsführender Companion Bullhound Capital, stellt das Compactifai von Multiversum materielle Änderungen in die KI-Verarbeitung ein, die sich mit dem globalen Bedarf an einer größeren Effizienz in der KI befassen, und ihr Einfallsreichtum ist, dass sich die europäische Souveränität beschleunigt. Römisch-Orus hat uns überzeugt, dass er und sein Workforce der Ingenieure. Ich bin auch erfreut zu sehen, dass so viele hochkarätige Investoren wie HP und Forgepoint sich für die Teilnahme beschlossen haben, ihre Teilnahme zu begrüßen.

Die Serie B wird von BullHound Capital mit Unterstützung von Weltklasse-Investoren wie HP Tech Ventures, SETGEPOPPE CAPITAL, CDP Enterprise Capital, Santander Local weather VC, Toshiba und Capital Riesgo de Euskadi-Grupo Spri geleitet. Das Unternehmen hat diesen Vorstoß mit einer Reihe internationaler und strategischer Investoren weit verbreitet. Die Investition wird die weit verbreitete Akzeptanz beschleunigen, um die massiven Kosten zu berücksichtigen, die die Roll -of -Groß -Language -Modelle (LLMs) verbieten, wodurch der KI -Inferenzmarkt von 106,03 Milliarden US -Greenback revolutioniert wird.

Tuan Tran, Präsident für Technologie und Innovation, HP Inc., kommentierte: „Bei HP sind wir bestrebt, die Zukunft der Arbeit zu leiten, indem wir Lösungen anbieten, die das Geschäftswachstum vorantreiben und die berufliche Erfüllung verbessern. Unsere Investition in Multiverse -Laptop unterstützt diesen Ambition. Durch die Erreichung der AI -Anwendungen, die AI -Anwendungen besser zugänglich machen.

Damien Henault, Geschäftsführer von Forgepoint Capital Worldwide, sagte: „Das Multiverse-Workforce hat ein zutiefst komplexes Drawback mit umfassenden Implikationen gelöst. Das Unternehmen ist intestine positioniert, um eine grundlegende Schicht des KI-Infrastruktur-Stacks zu sein. Multiversum stellt einen Quantumsprung für den globalen Einsatz und die Anwendung von AI-Modellen dar.

Insbesondere diejenigen, die neu auf dem Gebiet sind, denken häufig, dass Datenwissenschaft nur darum geht, Daten aus Datenbanken zu sammeln, mit Algorithmen zu arbeiten und Modelle bereitzustellen.

Es ist jedoch mehr als das. Datenanalyse und Visualisierung sind wesentliche Aspekte der Datenwissenschaft, die Ihnen helfen, komplexe Daten zu verstehen, dies zu verstehen und umsetzbare Erkenntnisse zu schaffen.

In meinen frühen Tagen in der Datenwissenschaft habe ich nie die Notwendigkeit einer Datenvisualisierung gesehen, und das lag daran, dass ich das Wissen und die geeigneten Instruments zur effektiven Bekämpfung von Visualisierungsaufgaben nicht ausgesetzt battle und sie kennengelernt habe.

Ich erinnere mich noch an die Frustration, Stunden in Excel -Blättern vergraben, Pivot -Tische manuell zu aktualisieren und das Format der Tabelle endlos anzupassen, um etwas zu erstellen, das die Geschichte, die ich wollte, immer noch nicht erzählte.

Versteh mich nicht falsch, Excel ist großartig, aber manchmal schneidet es es einfach nicht.

Als Informatik -Hauptfach mit wachsendem Interesse an Daten wusste ich, dass es einen besseren Weg geben musste – aber ich wusste noch nicht, was das battle.

Mein erster wirklicher Kampf kam während eines Universitätsprojekts, bei dem ich die Leistungsdaten der Schüler in mehreren Semestern analysieren musste.

Ich weiß, was du denkst; Das sollte ganz einfach sein.

Ja, das ist es.

Aber für mich damals battle es nicht so.

Ich hatte Reihen mit Reihen von Punktzahlen, Anwesenheitsraten, Kurscodes usw., aber all diese Daten in sinnvolle Erkenntnisse zu verwandeln, fühlten sich an, als würde ich versuchen, Tony Stark zu lehren, demütig zu sein.

Ich habe alles ausprobiert: Excel -Formeln, bedingte Formatierung und habe mich sogar ein wenig mit Matplotlib getroffen, um einige Parzellen zu erzeugen. Nichts geklickt; Es battle überwältigend.

Zu diesem Zeitpunkt erwähnte ein hochrangiger Kollege Microsoft Energy Bi.

Für diejenigen, die es nicht wissen, ist Energy BI eine Datenvisualisierung und Enterprise Analytics Das von Microsoft entwickelte Instrument, mit dem Sie Daten herstellen, transformieren, analysieren und vor allem Daten visualisieren können.

Zuerst klang es nur ein weiteres Instrument auf einer langen Liste von Software program, die ich nicht ganz gemeistert hatte. Additionally musste ich persönlich lesen.

Ich habe in die Hände „Energy BI -Kochbuch: Erstellen von Enterprise Intelligence -Lösungen für analytische Datenmodelle, Berichte und Dashboards “, ein Buch von Brett Powell, und das battle der Beginn feinerer Dinge.

Es ist nicht nur ein Buch, es ist eher ein umfassender Leitfaden zum Verständnis des gesamten Konzepts, interaktive Visualisierungen mithilfe von Energy BI zu erstellen.

Nach ein paar Tagen, in denen ich die Funktionsweise von Energy BI gelernt hatte, hatte ich meinen Datensatz importiert, mit Energy -Abfrage gereinigt und mein erstes interaktives Dashboard erstellt.

Für mich sah ich es als etwas mehr als ein technisches Improve an. Es battle eine Denkweise, von der ich nicht wusste, dass ich mich in die Datenwissenschaft eingehen musste. Es änderte, wie ich über Daten selbst nachdachte.

Wenn ich mich in diesen Artikel voranmachtete, werde ich mächtige Wege mit Energy BI in meinem geholfen Datenanalyse und Visualisierungsreise sowie persönliche Geschichten und umsetzbare Imbissbuden, mit denen Sie als Datenwissenschaftler in Professionalität wachsen können.

---

An dem Tag, an dem ich aufgehört habe, kopieren

Ja, es battle ein so großer Durchbruch.

Als ich anfing, Daten zu analysieren, sah mein Workflow wie ein chaotisches Relais -Rennen aus: Ich öffnete eine Excel -Datei, kopierte Daten, öffnete ein neues Fenster in ein anderes Blatt, kreuzte meine Finger und betete zum Himmel, dass nichts brach.

Und raten Sie mal, etwas bricht immer.

Nachdem ich von einer Datei in die andere kopiert und eingefügt hatte, hatte ich Ordner, die mit Dateien gefüllt waren, die mit den genannten Dingen wie wie Sales_Q4_FINAL_final2.xlsxund doch konnte ich immer noch nicht alles im Auge behalten.

Die Fähigkeit von Energy BI, Daten aus buchstäblich abzurufen überallDatenbanken, Tabellenkalkulationen und sogar Cloud -Dienste bedeuten, dass ich keine Daten Tetris mehr spielen muss. Mit nur wenigen Klicks habe ich meine Excel -Blätter, SQL -Datenbank, APIs und sogar Datendateien angeschlossen, die ich lokal gespeichert habe.

Machen Sie sich keine Sorgen, wenn Sie Herausforderungen beim Importieren Ihrer Datensätze hatten oder etwas nicht so funktioniert, wie Sie erwartet hatten. Es ist einfach, vertrau mir, du brauchst nur mehr Übung.

Spielen Sie mit dem Dashboard und verstehen Sie, was die Style tut und wie sie verwendet werden. Es gibt diese Zufriedenheit, die damit einhergeht, dass Sie sich umgehen.

Beim ersten Mal, als ich alle meine Daten reside -Replace sah, lehnte ich mich einfach zurück und lächelte. Kein Kopierpasten, kein Chaos, nur saubere und verbundene Daten.

Intuitive Visualisierungen mit Anpassungsoptionen

Wie ich zu Beginn sagte, unterschätzen die meisten Menschen die Kraft guter Bilder, insbesondere im Umgang mit Daten. Ich finde das absurd, denn seien wir ehrlich, Rohdaten erzählen nicht immer eine Geschichte.

Laut einer in der Zeitschrift veröffentlichten Studie InformationsvisualisierungMenschen verarbeiten visuelle 60.000 -mal schnellere als Textual content.

Wenn das nicht für Sie tut, schlägt auch das MIT vor, dass das menschliche Gehirn Bilder identifizieren kann 13 Millisekunden.

In praktischer Hinsicht bedeuten diese Studien, dass Ihr Dashboard -Visuals absorbiert und interpretiert wird, bevor jemand Ihren Diagramm -Titel abschließt oder sogar die Zahlen ansieht, die Sie Stunden knirschen.

Mein Lieblingsmerkmal von Energy BI muss das interaktive und Fortgeschrittene sein Datenvisualisierung Fähigkeiten. Mit seiner intuitiven Drag-and-Drop-Schnittstelle können Sie die langweiligsten Datensätze (so sehr ich es liebe, wie ich es liebe, es sieht manchmal langweilig aus) in dynamische Dashboards.

Mit einer Vielzahl von Visualisierungsoptionen, die von:

• Matrix & Desk -Visuals
• Messgerät und KPI -Bilder
• Slicer und Filter
• Zersetzungsbaum
• Wasserfalldiagramm
• Karte visuelle

Es gibt noch viel mehr andere, aber ich betrachte diese als meine persönlichen Favoriten.

Datenwissenschaftler und Analysten müssen die Fähigkeit benötigen, Daten erfolgreich zu interpretieren, Traits zu identifizieren und Unternehmen zu helfen, bessere Entscheidungen zu treffen.

Als Informatik Pionier, Ben Schneidermanzu Recht setzen:

„Visualisierung gibt Ihnen Antworten auf Fragen, von denen Sie nicht wussten, dass Sie es hatten.“

Energy Question: Die stille MVP hinter meinen sauberen Daten

Sie könnten fragen, was ist Energy -Abfrage?

Energy -Abfrage ist ein Datentransformationsassistent in integriert in Energy Bi. Es ist eine wundervolle Funktion, mit der Sie Daten reinigen, umformieren und vorbereiten können, bevor Sie es in Ihr Modell zur Analyse und Visualisierung laden.

Ich sehe es als die Motor, die die Datenvorbereitung in Energy BI durchführt.

Daten sind chaotisch. Das ist nur ein Teil des Jobs. Mit Unternehmen und Unternehmen werden immer mehr Daten gesammelt. Für die meisten Datenwissenschaftler und Analysten ist es eine große Herausforderung, große Mengen von Rohdaten zu erhalten.

Erinnerst du dich an die Herausforderung, die ich mit meinem Universitätsprojekt hatte?

Es stellte sich heraus, dass einer der Gründe, warum ich es schwierig fand, eine Analyse durchzuführen, battle, dass meine Datensätze alle chaotisch waren.

Ich wurde gebeten, die Leistung der Schüler zu analysieren, die Daten von drei verschiedenen CSVs mit jeweils mit ihren Macken zog. Einer hatte Zulassungscodes anstelle von Namen, ein anderer verwendete inkonsistente Datumsformate, und der dritte hatte Kursentitel in allen Kappen aufgeführt (schrie mich an).

Mit Energy -AbfrageHier ist, wie ich einen vollständigen Workflow erstellt habe:

• Ersetzte Zulassungscodes durch lesbare Namen
• Konvertierte Datumsformate
• Standardisierte Textformatierung
• Verschmolzen alles in einen organisierten Tisch

Die Datenvorbereitung dauert bis zu 80% der Zeit eines Datenanalysten. Stellen Sie sich vor, wie viel Zeit Sie sparen würden und wie produktiv Sie werden, wenn Sie sich die ganze Zeit und die Gehirnleistung darauf konzentrieren, bessere Erkenntnisse zu generieren. Zeit für Kaffee und ja, echte Analyse.

Zusammenarbeit gemeinsam und Cloud -Zugänglichkeit

Ich glaube, die Zusammenarbeit ist ein wichtiger Akteur in der Information Science-Branche, und hier ist der Grund, warum: NICHT einzelne Particular person verfügt über das gesamte Fachwissen, das erforderlich ist, um ein Projekt von Rohdaten zu realem Projekt zu nehmen.

Bleib bei mir.

Betrachten Sie Information Science als einen Prozess. Es umfasst das Sammeln von Daten, das Speichern in einer Datenbank und das Erstellen von Algorithmen und Modellen, die die Datenqualität, Analyse, Visualisierung und andere wichtige Wesentliche verbessern.

Um Daten effektiv zu behandeln, werden diese Stufen häufig von verschiedenen Fachleuten behandelt, die sich auf verschiedene Bereiche spezialisiert haben und alle zu einem gemeinsamen Ziel zusammenarbeiten. Daher Zusammenarbeit.

Mit Energy BI, der eine Cloud-basierte Plattform, können Sie Ihre Analyseberichte mit anderen Datenfachleuten veröffentlichen und weitergeben.

Anstatt Excel -Dateien per E -Mail zu senden (was ich sicher ein- oder zweimal gemacht habe), konnte ich mit ein paar Klicks ein Dashboard veröffentlichen und einen Dwell -Hyperlink mit meinem Crew teilen. Sie können Änderungen vornehmen, ihre Gedanken teilen oder die Datenquelle in Echtzeit sogar aktualisieren.

In einer abgelegenen/hybriden Arbeitswelt ist diese Artwork von nahtloser Zusammenarbeit ein echter Sport-Changer für Datenwissenschaftler.

---

Anwendbare Imbissbuden

Wenn Sie jemals die Datenanalyse und Visualisierung ausprobiert haben, aber es schwierig oder komplex fanden, es zu verstehen, haben Sie möglicherweise nicht die richtigen Instruments verwendet.

Energy BI hat mir nicht nur geholfen, die Probleme anzugehen, die ich als ich anfing, mit Daten zu arbeiten, sondern ich transformierte, wie ich mich an die Daten näherte.

Die meisten von uns sind bereits mit Energy BI vertraut, während es ein neues Abenteuer für andere ist. Unabhängig davon, in welche Kategorie Sie sich einlassen, fördern ich das ständige Erlernen des Instruments sehr und wie man seine Funktionen maximiert.

Ich empfehle dringend, sich anzusehen Mann in einem Würfel Auf YouTube unterrichtet er Energy BI durch seine informativen Movies.

Für verbale Lernende erhalten Sie einen riesigen Teil von Informationen aus Brett Powells Buch. Ich habe es bei der Einführung erwähnt, und persönlich ist es für mich das beste Buch zur Datenvisualisierung, die ich je gelesen habe.

Machen Sie sich mit diesen Funktionen vertraut und verbessern Sie Ihre Datenanalyse- und Visualisierungs -Workflow.