大型科技公司不仅利用人工智能生成或总结内容，还希望用户在购物时也能使用它。OpenAI、Google、Amazon 均在 AI 助手领域投入大量资源，旨在辅助用户研究新品类并推荐合适商品。
与此同时，Perplexity、Daydream 和 Cherry 等初创公司也围绕 AI 构建产品发现业务。这些努力促使消费者在购物时更频繁地使用 AI。以 AI 驱动的家具购物平台 Onton（前身为 Deft）为例，其月活跃用户已从 5 万增长至超 200 万，处理了数百万次搜索及图像生成请求。
完成750万美元融资，计划拓展新品类
受此增长推动，Onton 今日宣布完成新一轮 750 万美元融资，由 Footwork 领投，Liquid 2、Parable Ventures 和 43 等参投。本轮融资后，公司总融资额达约 1000 万美元。
公司计划利用这笔资金扩展至服装等新类别，并最终进军消费电子领域。今年早些时候，因原名易造成混淆且难以获取优质域名，Deft 正式更名为 Onton。
神经符号架构解决电商痛点
Onton 联合创始人 Zach Hudson 指出，虽然大语言模型（LLMs）擅长推测意图，但尚未完全解决电商领域的诸多问题，消费者做出购买决策的平均时间反而有所增加。
核心技术方面，Onton 采用“神经符号架构”。Hudson 表示，该方法能消除 LLMs 的幻觉问题，提供更精准、符合逻辑的搜索结果；同时，模型还能学习产品描述中未包含的现实世界信息。
“例如寻找宠物友好型家具时，我们的工具知道含聚酯纤维的物品更耐污渍和抓痕。这种知识通过每次搜索不断学习，使工具变得更智能。”Hudson 补充道，针对同一产品在不同网站名称各异的情况，该公司的 AI 模型也能在呈现结果时予以优化。
多模态交互提升转化率
为辅助用户进行短期及长期决策，Onton 增加了多种输入方式。用户可上传图片或添加提示词生成房屋/办公室布置效果，系统会据此匹配合适家具。此外，平台还提供无限画布功能，支持添加现有图片、构思产品及房间照片，让 AI 协助布置。
相比单一聊天功能，这些特性为消费者提供了更多选择，即便无法完美描述需求也能获得满意结果。数据显示，凭借底层数据的可信度，Onton 客户转化率是传统电商网站的 3-5 倍。
团队扩张与未来展望
Hudson 认为，技术与界面的改进将使服装品类上线更加顺畅。目前公司正构建该品类目录并计划近期推出，届时将面临 Daydream、Aesthetic 和 Style.ai 等平台的竞争。
人员方面，公司已从 2023 年的 3 名全职员工增至目前的 10 人，并计划通过招聘工程师和研究人员将团队扩充至 15 人。