❯ Temporal 完成 5.5 亿美元 E 轮融资，七个月估值升至 125.5 亿美元
[七个月再融] Temporal 完成 5.5 亿美元 E 轮，估值 125.5 亿美元，由 Lightspeed 领投，Wellington Management、高盛另类投资增长股权团队与 Tiger Global 共同领投。它让开发者用普通代码编排跨系统、长时间运行的流程，并自动保存状态、从故障处恢复。公司称，新资金将扩大全球运营、底层组件、可靠性和安全投入。
[估值跃迁] 这轮距离 2026 年 2 月的 3 亿美元 D 轮只有约七个月；当时估值 50 亿美元，如今已升至原来的 2.51 倍。Temporal 并非在生成式 AI 热潮后才换方向：两位创始人此前在亚马逊、微软和 Uber 做过分布式工作流系统，2019 年才把相关技术独立成公司。变化在于，过去由它托住的多是支付、开户和履约流程，如今客户要求智能体连续工作数天、数周甚至数月，故障恢复从工程优化变成生产前提。
[生产数据] 公司的底气来自真实负载。其年度化收入运行率同比增长超过 200%，净收入留存率自 2 月以来维持在 200% 以上；8 月平台处理 1.9 万亿次计费动作，同比增长逾 350%。Temporal 现有超过 4300 家付费客户，包括 OpenAI、Snap 和英伟达；开源安装量突破 4300 万次。Snap 每天有 4.14 亿条 Stories 经由该平台运行，OpenAI 的使用量一年内增长 60 倍，团队过去一年也翻倍至 570 人。
[可靠性溢价] 模型能力越来越容易买到，企业真正不敢省的是失败恢复、权限和长流程状态。资本给“智能体不掉线”开出了基础设施价格：Temporal 的估值提升并非只靠智能体标签，而是付费客户、留存和计费动作同时上行。对新的智能体编排公司来说，竞争门槛会从“能不能做出演示”抬到“出错后能不能接着跑”，而后者需要多年分布式系统积累。
▪ SIGNAL当智能体开始碰支付、审批和履约，可靠执行会从开发工具预算进入企业基础设施预算。
❯ Impulse Space 获 3.08 亿美元 D 轮追加，单轮累计 8.08 亿美元
[追加资本] 公司公告显示，航天器公司 Impulse Space 获得 3.08 亿美元 D 轮追加融资，令本轮总额达到 8.08 亿美元，137 Ventures、BANNER VC、DFJ Growth、Linse Capital、Lux Capital 与 Valor Equity Partners 等老股东参投。它制造火箭发射后的轨道运输工具，把卫星从初始轨道送往目标轨道，并执行部署、交会和近距离操作。资金将用于产品、团队和设施扩张。
[合同催化] 追加融资发生在基础 D 轮完成后约 三个月，也跟在一串政府合同后面。过去一年公司员工数翻倍，并在全美扩大场地。其 Helios 高能上面级进入美国太空军国家安全太空发射第三阶段第一通道，成为首个获得该项目席位的上面级主承包商；Mira 航天器相关 VICTUS SALO 任务又拿到 2800 万美元合同扩展。资本赶在车辆研发、客户合同和产能同时拉升时继续加码。
[产品组合] Impulse Space 不是只押一型飞行器。已经飞行验证的 Mira 精密变轨，Helios 用 Deneb 发动机把载荷从近地轨道快速送往中高轨、地球同步轨道乃至月球方向，Caravan 提供拼车任务；新公布的 Electra 电推进又补上长期高效率运输。创始人 Tom Mueller 曾是 SpaceX 推进系统核心负责人，团队现在同时服务商业、民用和政府客户，并新设首席财务官岗位管理快速扩大的资本基础。
[硬件耐心] 这笔钱买的是发射之后的“轨道物流层”。火箭把进入太空的单价打下来后，载荷仍要跨轨道移动、等待任务窗口并快速响应；这里既吃发动机和飞控积累，也吃政府采购认证。8.08 亿美元的单轮规模表明，投资人愿意为长研发周期提前铺产能，但回报将更多受合同兑现、飞行频率和制造爬坡约束，不能照搬软件公司的估值逻辑。
▪ SIGNAL商业航天的资金正在从“能否发射”继续下沉到“入轨后如何高效移动和响应”。
❯ Ridgeline 完成 2.5 亿美元 E 轮融资，客户参投、估值达 14.25 亿美元
[客户入股] Ridgeline 完成 2.5 亿美元 E 轮，由创始人兼董事长 Dave Duffield 领投，公司一手公告给出的估值为 14.25 亿美元。Motley Fool Ventures、Smead Capital Management 关联人士和 Patrick O’Shaughnessy 等客户与行业人士参投。它用一套云平台统一投资机构的交易、组合会计、合规、对账、报告与客户服务，并在同一数据模型上部署可审计的 AI 智能体。
[旧系统换代] Duffield 在创办 PeopleSoft 和 Workday 后，于 2017 年从零搭建 Ridgeline，瞄准资管机构长期依赖的本地部署拼装系统。这轮采取 受邀制，特别之处不是机构名单，而是使用产品的客户也拿钱入股。公司称，客户平均可合并 六至九套旧系统；在资管费率承压、个性化策略增加的当下，管理人很难再让人员、系统和成本随资产规模同步膨胀，前中后台共用数据才有条件让智能体安全接手操作。
[资产承诺] Ridgeline 已获得超过 7500 亿美元管理或服务资产承诺。统一数据让智能体不止回答问题，还能准备客户会议、完成账户对账，并执行交易前后合规检查，同时保留权限、审计和人工监督。公司把软件、智能体工作流与托管服务放在一起，客户参投提供了比试用数量更硬的验证。本轮资金将扩展 AI 能力和托管服务，进入加拿大与欧洲，并继续推动产品研发。
[预算迁移] 资本押注的是资管核心系统的替换，而不是一个附加聊天框。当 AI 需要行动，数据权限、账簿准确性和审计链就比模型回答更重要。Ridgeline 的机会在于把原本分散给多家供应商的预算收进一套系统；风险也同样清楚：替换核心系统周期长、迁移成本高，估值能否继续抬升，要看承诺资产能否按期上线并转成经常性收入。
▪ SIGNAL客户亲自参投，把产品满意度变成资本信号，也把未来上线与续约表现推到估值检验台前。
❯ Cornelis 获 2.05 亿美元融资，押注开放式 AI 集群网络挑战封闭架构
[融资配新品] 公司公告显示，高性能网络公司 Cornelis Networks 获得 2.05 亿美元融资，由 IAG Capital Partners 支持，并同步推出 Active Compute Fabric。它为 AI 与高性能计算集群提供网卡、交换机、线缆和软件，让加速器之间低延迟交换数据；新架构进一步把可编程计算放进网络，在数据移动时处理集体通信。资金将用于量产、客户部署和下一代横向、纵向扩展产品。
[从英特尔独立] Cornelis 在 2020 年从英特尔相关业务独立，此前于 2022 年宣布 2900 万美元 B 轮，IAG 当时也参与支持。如今它从数据中心间的横向扩展网络进入机架内部的纵向扩展市场，因为大模型集群的瓶颈已经从单颗芯片速度转向数万颗加速器能否同步工作。公司选择在产品亮相时融资，既要把 CN5000 的出货扩大，也要为 CN6000 和下一代开放架构预付制造与市场成本。
[开放网络] Active Compute Fabric 结合无损传输、网络内加速和可编程计算，并采用 UALink、ESUN 与 Ultra Ethernet 等 开放标准，目标是兼容不同加速器，减少客户被单一供应商锁定。现有技术已进入数百个数据中心；CN5000 已出货，支持多协议的 800G CN6000 正在向客户送样，预计 2026 年第四季度扩大供货。高通也公开认可开放、可编程网络方向，但公司关于十万卡集群浪费 16.8 亿美元算力的数字仍是基于公开数据的模型测算。
[瓶颈外溢] GPU 越贵，网络等待造成的损失就越不能忍。Cornelis 要拿走的不是普通以太网预算，而是加速器闲置时间对应的经济价值。开放标准给客户第二来源，也给英伟达之外的芯片厂商一套组网路径；挑战是生态、软件和规模交付仍落后于成熟方案。2.05 亿美元给了它跨过送样到量产的筹码，下一次估值检验将落在真实客户部署，而非模拟节省。
▪ SIGNALAI 基础设施的竞争正从“谁有 GPU”扩展到“谁能让昂贵 GPU 少等数据”。
❯ Factory 融资 2 亿美元，五个月估值从 15 亿升至 50 亿美元
[估值三倍] 企业软件开发智能体公司 Factory 融资 2 亿美元，估值 50 亿美元，Blackstone、Khosla Ventures、红杉、Insight Partners、Evantic Capital、Sound Ventures、NEA、Mantis VC 与 Clearlake 参投，累计融资超过 4 亿美元。它的 Droid 智能体会在企业现有代码库和工具中规划、编写、审查、测试并发布软件，企业可决定所用模型和云端、本地或隔离环境部署方式。
[五个月跃迁] 这轮距离 2026 年 4 月的上一轮约 五个月，当时公司估值约 15 亿美元，如今升至原来的 3.3 倍。Factory 2023 年成立，4 月又把产品从单个编码智能体升级为覆盖完整软件生命周期的“软件工厂”。此后它推出按任务自动选择模型的 Factory Router，公司称可在保持前沿性能时把 Token 支出降低 60% 以上，并进入物理隔离和高安全环境，为监管行业与公共部门打开采购空间。
[企业控制] Factory 称产品已被 数十万开发者使用，企业客户包括英伟达、Blackstone、加拿大皇家银行、Palo Alto Networks、Adobe 与 T-Mobile。它没有把自己局限在代码补全：统一系统负责学习策略、模型选择、部署位置和效果度量，Agent Effectiveness 再把 AI 支出和工程产出挂钩。新资金将投入研究、产品与全球市场扩张；多家本轮投资方本身也是大型企业或软件投资者，能带来采购与分发渠道。
[兑现压力] 资本在为可控的企业级软件生产系统付费，并把个人开发者工具与受监管企业部署分开定价。五个月三倍估值把执行压力也同步拉高：模型路由降本、隔离部署和全流程治理能否变成大合同与续约，才决定 50 亿美元是否站得住。若客户只是把 Droid 当作更贵的代码助手，而不是替换一部分软件交付流程，估值倍数会先于使用量松动。
▪ SIGNAL编程智能体的下一轮竞争不只看代码生成率，而看谁能进入企业治理、采购与交付体系。
❯ Profound 完成 1.8 亿美元 D 轮融资，七个月内估值升至 18 亿美元
[连续融资] AI 营销平台 Profound 完成 1.8 亿美元 D 轮，估值 18 亿美元，由红杉与 Kleiner Perkins 共同领投，Lightspeed、Khosla Ventures、Saga Ventures、Evantic 和 South Park Commons 跟投。它监测品牌在 ChatGPT、Gemini、Perplexity 等答案引擎中的出现方式，并让智能体据此研究、写作、更新内容和投放广告。资金将扩展产品和营销专项应用研究。
[七个月翻篇] 这轮距离 2026 年 2 月的 9600 万美元 C 轮不足七个月，当时估值 10 亿美元；新一轮把估值提高 80%。窗口之所以缩短，是买家发现搜索入口不再只有网页链接：答案引擎会综合大量产品页、文档、评测和媒体内容，品牌既要知道模型如何描述自己，又要快速补齐信息缺口。Profound 也从监测 AI 搜索可见度，扩到能执行研究、内容、广告和报告任务的 AI Marketer。
[品牌数据] 公司称已服务超过 1000 个企业品牌，覆盖逾三分之一《财富》100 强和 16% 的《财富》500 强，客户包括 Comcast、雅诗兰黛、沃尔玛、Zoom、ServiceNow、Ramp、Cursor 与 Figma。平台建立在超过 20 亿条真实用户提示词之上；Context Manager 会整合知识库、会议记录与沟通内容，Ads Studio 则把 OpenAI、谷歌和 Meta 的广告管理接进同一工作台。新资金还会扩建纽约和旧金山的应用 AI 实验室，评测并后训练营销模型。
[新搜索预算] 营销预算正在从网页排名迁到答案引擎里的品牌选择权。Profound 同时掌握提示词数据、品牌上下文和执行工具，因而可以从分析订阅继续拿走内容与投放预算。不过，AI 搜索归因仍比传统点击更难证明，平台必须把“被模型提及”连到销售或获客成本；否则高速融资只会把类别教育的成本提前压到公司自己身上。
▪ SIGNAL当消费者先问模型再访问网站，品牌会把一部分搜索优化预算改投答案引擎监测与执行平台。
❯ Arcee AI 完成至少 1.5 亿美元 B 轮融资，2000 万美元训练出开放权重模型家族
[金额有边界] Arcee AI 完成 B 轮融资，公司未在一手公告披露金额；据 Fortune 报道，规模至少 1.5 亿美元，投后估值 超过 10 亿美元。Vista Equity Partners、Cambium Capital 与 Emergence Capital 领投，AI10 Ventures、日立、IAG、微软 M12、P7 和 Wipro 跟投。它从零训练开放权重基础模型，并提供微调、评测、部署和推理工具，让企业在自有环境掌握模型。
[从微调到预训] Arcee 2023 年成立，早期重点是模型压缩和后训练，2024 年获得 2400 万美元 A 轮。不到一年前，公司决定自行预训练模型，六个月内把 Trinity 从 45 亿参数稠密模型扩到 4000 亿参数混合专家模型。公司称 2025 年整套模型阵容连同工资、算力、数据、基础设施与运营合计约花 2000 万美元；这轮融资发生在其证明“有限预算也能做大模型”之后，资金将支持下一代 Trinity 训练。
[开放全栈] Arcee 的差异不只在公开权重。Trinity Large 采用 宽松许可证，公司同时要让开发者从预训练一路走到生产推理，并把模型覆盖手机、笔记本以及科学与开发者工作负载。资金还会扩大与 美国能源部及国家实验室的合作，Genesis-Science-1 已成为科学机构使用开放模型的起点。投资方里既有企业软件基金，也有日立、微软和 Wipro 等战略参与者，显示部署渠道与主权控制同样进入交易逻辑。
[效率赌注] 这轮钱在给“可拥有的模型”定价，也在赌训练效率能抵消算力规模差距。2000 万美元成本若能持续产出有竞争力的模型，企业就多了一条不依赖封闭 API 的路径；但开放权重会削弱单纯模型访问费，Arcee 必须靠定制、工具链和企业部署收回研发投入。更大的 B 轮让它能继续预训，也把与头部实验室的评测差距变成必须公开回答的问题。
▪ SIGNAL开放模型的商业战已从“下载量”转向“谁能低成本训练，并在企业自有环境完成部署”。
OUTLOOK
[资金结账] 7 笔交易合计 18.43 亿美元，其中 Temporal、Cornelis 与 Impulse Space 拿走 10.63 亿美元，显示巨额资本仍优先进入可靠执行、网络和航天器这类重基础设施；Factory、Ridgeline 与 Profound 则证明，只要软件卡住开发、资管或营销的核心流程，应用层也能获得十亿美元级定价。Arcee 是夹在两者之间的效率赌注。下一阶段最该盯的不是融资频率，而是三组兑现数字：基础设施的真实利用率，企业软件的续约与扩单，以及开放模型每美元训练成本对应的能力提升。资金已经把预期付在前面，收入质量和交付速度要开始结账。