编发,这项有着千年历史的发型传统,对许多黑人女性来说既是仪式,也是负担。直到今天,仍有大量黑人女性和女孩需要在美发椅上一坐就是十二个小时,任由发型师一丝一缕地编织发辫。这个过程耗时耗力,长期以来都是纯手工完成的难题。
新冠疫情期间,Yinka Ogunbiyi独自被困在伦敦公寓里,尝试自己给自己编发,结果花了整整四天时间。这段亲身经历让这位拥有哈佛大学工程学硕士学位和MBA学位的创业者开始重新审视编发这件事——将其视为一个有待解决的技术问题。
经过多年研究,Ogunbiyi于近日正式推出机器人初创公司HaloBraid。该公司的首款产品计划于今年晚些时候面世,定位为专业发型师的编发辅助设备,旨在帮助美发沙龙大幅提升编发效率。此次HaloBraid完成了一轮700万美元的种子轮融资,由Reddit联合创始人Alexis Ohanian的风险投资机构Seven Seven Six领投。
关于这款设备的具体细节,Ogunbiyi因专利申请尚在审批中而未作详细披露,但她解释了基本工作原理:发型师先完成编发的起始步骤,随后将剩余部分交给HaloBraid设备处理,后者能在数秒内完成一根发辫的编织。她强调,该产品对发质温和,目前支持无结辫和箱式辫两种主流编发风格。
在研究过程中,Ogunbiyi发现全球每年用于编发的时间估计高达800亿小时。她对2000名受访者进行调查后发现,95%的人表示,如果编发所需时间更短,他们会更频繁地选择这一发型。与此同时,发型师们也长期承受着高强度工作带来的健康隐患,腕管综合征和关节炎等职业病在这一群体中并不少见。
对领投方Ohanian而言,这一市场的规模与回报潜力显而易见。他的妻子正是黑人网球明星塞雷娜·威廉姆斯,后者以赛场上的各种编发造型闻名。他还有两个孩子同样常梳编发发型。"我亲眼见证了这些编发所花的时间,"他说,"我大女儿头几个小时还挺享受这个过程,但到了第九个小时,所有人都已经精疲力竭了。"
Ohanian还指出,戴森等品牌已在发型工具领域实现了颠覆性创新,但针对卷曲发质的专属技术依然几乎是一片空白,"尽管这一消费群体对高品质产品有着强烈的购买意愿"。他将这次投资与此前押注的火箭公司Stoke和小行星采矿公司AstroForge并列,认为"自动编发设备完全具备落地的可行性,这款产品有真正的差异化优势,市场路径也清晰明确"。
本轮种子融资的其他投资方还包括AlleyCorp和Bling Capital。HaloBraid将把此次所得资金用于产品开发、生产制造以及拓展美发沙龙合作伙伴关系。
目前,编发设备市场的竞争者寥寥无几,较具代表性的仅有Braidiant一家。Ogunbiyi坦言,这一领域长期难以出现技术突破,根本原因在于头发本身极难处理,在编发这种精细工序中尤为如此。她表示,头发是"世界上最难操控的材料之一",为此她不得不跨界借鉴材料科学乃至喷墨打印等不同领域的方法,才得以推动这款设备的研发。
拿到融资、获得市场验证之后,HaloBraid的下一关是顺利完成产品发布。目前公司团队规模约为15人,Ogunbiyi透露,团队已在着手规划下一款产品——一款能够快速拆解发辫的设备,因为拆辫所耗费的时间往往与编辫不相上下。
"HaloBraid是我们的第一款产品,但我们更大的愿景是开发突破性技术,让卷曲发质的日常护理变得更快速、更便捷、更舒适、更愉悦。"Ogunbiyi说。
Q&A
Q1:HaloBraid的编发辅助设备是怎么工作的?
A:发型师先完成编发的起始步骤,然后将剩余部分交由HaloBraid设备处理,设备能在数秒内完成一根发辫的编织。该设备对发质温和,目前支持无结辫和箱式辫两种主流编发风格。具体技术细节因专利申请尚在审批中,暂未完全对外披露。
Q2:HaloBraid这轮融资有多少钱,投资方是谁?
A:HaloBraid完成了700万美元的种子轮融资,由Reddit联合创始人Alexis Ohanian创立的风险投资机构Seven Seven Six领投,其他参与投资方还包括AlleyCorp和Bling Capital。融资资金将主要用于产品开发、生产制造以及拓展美发沙龙合作伙伴关系。
Q3:全球编发市场的规模有多大?
A:据HaloBraid创始人Ogunbiyi的研究估算,全球每年用于编发的时间高达800亿小时。她对2000名受访者的调查显示,95%的人表示如果编发耗时更短,会更频繁地选择这一发型,说明市场需求极为旺盛。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。