科技行者 2月28日 北京消息:近日,云端 Office 办公软件石墨文档宣布完成 B+轮数千万美元融资,由宽带资本和方广资本共同领投,蔚来资本和华创资本跟投,Scale Partners 担任独家资本顾问。官方称,本轮融资将主要用于石墨云端 Office 办公产品的进一步完善和性能提升,及新产品的开发,以更好的满足广大用户及企业客户的需求。

石墨文档 2014 年创立于武汉,是中国第一款支持实时协作的云端 Office 办公软件。可以实现多人同时在同一文件上进行编辑和讨论,同步响应速度达到毫秒级。目前拥有文档、表格、幻灯片、表单、专业文档、思维导图、白板、团队空间等多条产品线,并将逐步开放脚本平台能力,偕同合作伙伴以更好服务企业客户。公司已累计完成五轮融资,历史投资方包括明势、九合、涌铧、山行、初心、心元、华创、量子等众多国内知名投资机构。
自新冠肺炎疫情发生以来,石墨文档迅速启动远程隔离办公,武汉员工至今无一人感染。疫情期间,石墨文档为@wuhan2020、@阿夏桑 团队在内的众多志愿者组织全力提供产品及技术支持,并免费开放企业高级版的所有功能供社会公益组织使用。临近复工,石墨文档又成立 40 多人的专项小组,在春节假期期间连夜开发远程办公版,该版本不限制使用人数且完全免费,供中小企业及个人使用。
石墨文档以简洁、安静、不打扰的独特气质获得了用户的青睐。公司成立近六年时间,注册用户数已超过 2800 万,企业用户数超 37 万家。石墨文档月 PV 超过 3.6 亿,超过 1000 亿文字已编写于石墨文档。活跃用户每周平均浏览、创建、编辑、评论超过 50 份文件。
在 2019 年,石墨文档升级一系列企业安全相关功能,发布了企业高级版,以满足对管理及安全具有更高需求的企业客户。同年,推出了跨表格引用、数据透视表、合并工作表、XLOOKUP 等一系列新功能,其中 XLOOKUP 和 XMATCH 函数,是国内首家支持该函数的在线表格。
伴随产品性能的不断优化,石墨文档的商业化也取得了巨大发展,2019 年增长近 7 倍,金额续费率超过 120%。据悉,以用户体验带动增长著称的美国知名 SaaS 公司 Slack,其续费率为 130%。石墨文档已接近全球 SaaS 行业续费率的顶级水平。
除了 SaaS 版本,满足于企业本地存储文件需求的私有部署版本也已服务于众多大中型企业。目前石墨文档的用户广泛分布于互联网、教育、房地产、制造业、新零售等 30 多个行业,标杆客户包括滴滴出行、龙湖地产、格力、有赞、猿辅导、CSDN、新世相、斐乐等。石墨文档帮助企业实现多人多地实时及异步协作、搭建灵活可变的业务流程、建立与共享企业知识库、安全管控公司数字资产。
基础 Office 办公软件从全球来看,其技术门槛非常高,需要持续的技术和资金投入。基于过去 6 年的沉淀,石墨文档为用户提供行业内最优秀的产品体验,在持续深耕云 Office 的基础上,也在积极探索新型的协同办公应用,致力于为中国用户做一款属于国人的下一代协同办公平台。
宽带资本合伙人周耘表示,在企业不断数字化转型的大趋势下,爆发出了大量的协作办公新场景和新痛点亟待满足。石墨文档通过6 年多的精耕细作,目前已经成长为国内产品技术最领先、对云化办公场景理解最深刻的云原生协作基础办公软件。
方广资本合伙人钱昱和投资总监惠成峰表示:“持续看好企业级云服务未来的发展,在线协作是该方向受众最广泛的领域,石墨深入打磨产品多年,用户积累深厚,是专注该领域最头部的创业公司。期望石墨不断提升产品,未来成为中国版的Google Docs。”
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。