Levi Fawcett把他的核心班底从新西兰搬到了美国得克萨斯州奥斯汀。

这位曾在火箭实验室写代码的工程师，2020年创办了Partly，一家用AI改造汽车配件交易的公司。5月20日，他宣布公司完成5000万美元B轮融资，投后估值5亿美元，领投方是DST Global——这家机构也是Anthropic、Meta和Airbnb的早期投资者。

打开网易新闻 查看精彩图片

与此同时，Partly正式启动美国业务，瞄准的是一个超过1000亿美元、拥有约25万家维修厂的碰撞修复市场。Fawcett给出的理由是，这帮修车师傅至今没有趁手的AI工具。

他所说的“趁手工具”，核心是一款名为Interpreter的基础模型，专门为汽车配件识别训练。

为什么要专门训练？原因是通用大模型分不清汽车零部件的细微差异。不同制造商把零件目录组织成几十种结构，同一个螺丝钉在不同车型、不同年款里可能有完全不同的编号和描述。Partly花了超过4年、投入超过1000万美元，才训练出一个能读懂这些混乱信息的模型。

这种“窄”定位是故意的。Fawcett解释：“模型架构极其微妙，通用模型解决不了这个问题，也是我们能在这里保持AI前沿的原因。”

Interpreter是多模态的。它能读技术图纸、损坏照片和维修描述，然后把它们映射到一个统一标准：车辆如何拆分为总成，总成內的零件该叫什么名字。

为了让模型看懂这些，Partly的训练数据来源很杂。政府记录、获得授权的制造商数据源、公司自己进行的整车拆解，最后再由人工标注员手工标记零件信息。目前有超过50家制造商的协议在持续喂养模型，Partly称Interpreter现已覆盖销量前58家车厂的91%的车型。

如果你在修车铺工作，日常大概是这样的：师傅把撞瘪的翼子板照片发来，你翻遍好几个品牌的电子目录，一个个肉眼比对零件图，找到可能匹配的型号，再手工下单。慢，错也多。一个零件认错，意味着退货、维修延期、追加保险理赔。

Partly说，用了Interpreter的修理厂，零件订购速度加快9倍，退货率降至原来的2.4分之一。这不是帮他们省了点时间，而是直接切掉了返工和赔偿的成本。

美国是这次融资的靶心。Fawcett认为，这个市场里25万修理者当中，还没有人用过专门针对这一行的AI。他们的方案不是通用模型套个壳，而是花5年搭建了一个行业缺失的AI基础设施层。

所以B轮的钱要花在组建美国团队上。公司在奥斯汀设了新总部，核心管理层已搬过来，正在招聘工程师、商务拓展和产品经理。从团队背景看，离开新西兰奔向得州的这批人里，有谷歌、苹果的前员工，也有Fawcett老东家火箭实验室的同事。

这场美国扩张距离公司的起点已相当遥远。2022年底，Partly完成了当时新西兰史上最大的一笔A轮融资，由Octopus Ventures领投，募得3700万新西兰元（约2100万美元），估值1.8亿新西兰元。加上这次的DST Global入场，它正从一个南半球小团队的试验品，变成想啃下美国千亿维修市场的闯入者。