❯ OpenAI 首批约 110 亿美元融资到账，估值 1.25 万亿美元，整轮仍待完成
先到账一部分据 彭博社 援引知情人士报道，截至美国时间 11 月 6 日，OpenAI 已收到约 110 亿美元新资金，对应估值 1.25 万亿美元。这是本轮首次交割，整轮规模可能增至 200 亿美元，剩余部分预计未来数周完成。OpenAI 未就报道置评。
一个多月内调整条件这轮融资已谈了一个多月，发生在公司推后 IPO 计划之后。最初讨论的目标是至少融资 300 亿美元、估值约 1.4 万亿美元，随后随 AI 相关股票回落而缩小。本周的变化是认购讨论开始转成实际到账，最终整轮金额仍有待后续交割确定。
产品收入也需要持续投入OpenAI 通过 ChatGPT 订阅、企业产品和模型 API 向个人、企业及开发者收费，API 让其他软件按调用量使用模型。公司在 3 月融资公告 中披露企业业务已贡献超过四成收入，并介绍了模型研发、算力和产品扩张计划。客户使用增加会带来收入，也会持续消耗训练和运行模型所需的计算资源。
前一轮之后再补资金今年 3 月，OpenAI 宣布取得 1220 亿美元承诺资本，当时投后估值为 8520 亿美元；承诺资本与全部现金同时到账并非同一阶段。本轮报道尚未公布具体资金分配或完整投资者名单。公司一边扩大商业服务，一边分批落实新资金，融资能力、交割节奏和经营收入共同决定后续投入能推进多快。
▮ SIGNALOpenAI 已能把融资承诺转成现金，但本轮规模和估值同时低于最初讨论条件，说明头部模型公司的资金仍有供给，投资者对价格和出资节奏却有了更强的议价能力。
❯ Anthropic 更新 IPO 招股书，季度收入接近 170 亿美元，估值和路演时间仍存分歧
递表之后补上新财务Anthropic 在 10 月 26 日公开提交首次上市申请后，于 11 月 2 日更新 S-1/A 文件，补充第三季度经营数据。季度收入为 169.56 亿美元，净亏损为 232.91 亿美元，其中融资工具公允价值变动损失为 219.36 亿美元；同期经营亏损为 5.67 亿美元。融资工具重估占净亏损的大部分，因此净亏损规模并不等于同期现金支出。
收入增长伴随长期承诺Claude 面向个人提供订阅，也通过企业服务、开发接口及云平台进入客户工作流程，处理编程、文档和业务任务。模型每次被调用都要消耗算力，扩大服务还需要提前安排基础设施。文件列出的采购及租赁承诺合计约 8954 亿美元，几乎全部涉及算力和基础设施，分多年履行，其中一部分仍受终止权或先决条件约束。
投资者开始重新谈价格据 路透社 11 月 5 日报道，潜在投资者对原计划于 11 月 9 日当周启动路演、随后定价的安排提出疑问。一些投资者认为此前讨论的 1.5 万亿美元估值处于预期高端，希望获得更有吸引力的价格。Anthropic 未对这些疑问置评，投资者的担忧尚未变成公司确认的延期决定。
发行规模还没有落定《金融时报》11 月 6 日的报道仍指向感恩节前上市计划，讨论中的募资额为 800 亿至 1000 亿美元，估值区间为 1.25 万亿至 1.75 万亿美元。这些是发行准备阶段的安排和预期，招股书中的发行价格及募资净额尚未填定。上市能否按原节奏推进，取决于公司与投资者能否就价格、规模和需求达成一致。
▮ SIGNALAnthropic 的收入增长已能支持一次超大规模发行，但多年算力承诺让投资者同时审视增长与付款能力，IPO 定价将检验公开市场愿意为这两者之间的时间差支付多少溢价。
❯ Thinking Machines Lab 推进 50 亿美元新融资，Accel 拟领投，投前估值 400 亿美元
新一轮接近交割据 Business Insider 的报道，Thinking Machines Lab 正推进约 50 亿美元新融资，Accel 拟领投，讨论中的投前估值为 400 亿美元。11 月 6 日的消息称交易可能在随后数日完成，但截至本期所核对的材料，尚未出现完成交割的确认。投前估值指新资金进入前的公司估值。
从种子轮走向产品前 OpenAI 首席技术官 Mira Murati 于 2025 年创办这家公司，2025 年 7 月完成 20 亿美元种子融资，估值为 120 亿美元。此后，公司推出 Tinker，为开发者提供模型训练、微调和运行服务。客户能够利用自己的数据调整模型，再通过平台调用，公司的商业服务由模型能力和承接训练任务的基础设施共同组成。
本周又有模型进展公司于 11 月 5 日发布 Inkling 2 Small，支持图像输入及不同推理投入，最初通过 Tinker 提供试用、微调和生成服务。完整模型权重计划在下一周、完成外部安全测试后以 Apache 2.0 许可开放。开放权重仍是后续安排，本周可使用的平台服务则已经提供了客户接触产品的入口。
融资价格先于收入兑现本轮讨论的投前估值明显高于种子轮，但这也对应公司从组建研究团队走向持续发布模型和经营平台的新阶段。新资金的具体用途尚未披露，本轮融资与已有算力合作之间的资金安排也未公布。如果融资完成，团队将获得更大的研发和服务扩张空间，商业上仍需要让开发者持续使用并付费。
▮ SIGNALThinking Machines 同时提供开放模型和付费训练平台，商业机会在于让客户能够迁移模型的同时，仍愿意为更省事的训练和运行服务留下来。
❯ Isomorphic Labs 洽谈约 50 亿美元融资，估值约 500 亿美元，药物项目仍处临床前阶段
本周披露拟募金额据 彭博社 11 月 4 日报道，Isomorphic Labs 正洽谈约 50 亿美元新融资，对应估值约 500 亿美元。此前已有新一轮估值讨论，本周进一步出现拟募金额。交易尚未完成，条款仍可能变化，公司未回应报道中的置评请求。
把模型用于设计药物Isomorphic 于 2021 年从 Google DeepMind 孵化，沿用 AlphaFold 在理解蛋白质结构方面的研究基础，建立 AI 药物设计引擎 IsoDDE。其业务既包括自有候选药物管线，也包括与诺华、礼来及强生等药企合作的项目。合作方购买的是药物发现与设计能力，自有管线则让公司保留未来药物开发的更大权益。
五月刚完成上一轮公司在 5 月 12 日宣布完成 21 亿美元 B 轮，由 Thrive Capital 领投，Alphabet、GV 等参与。那轮资金用于扩展药物设计引擎、推进候选药物走向临床，并补充 AI、药物设计和临床人才。这是已经完成的前轮，本周约 50 亿美元的洽谈属于另一笔尚未落定的融资。
临床验证还在前面总裁 Max Jaderberg 在本周一的 Bloomberg Tech 会议上表示，公司项目仍处临床前阶段，公司也仍在早期发展期。首席执行官 Demis Hassabis 年初提出的目标，是到 2026 年底进入首批临床试验；该目标尚未等同于实现。新一轮资金分配未公布，模型设计出的候选物仍需经过实验、临床和后续开发，才能验证其医学及商业价值。
▮ SIGNALIsomorphic 的高估值建立在模型平台能够反复产出候选药物的预期上，而项目仍处临床前阶段，资本正在为平台复制能力提前定价，临床结果才会检验这种能力能否穿过药物开发的后半程。
❯ Marvell 官宣全股票收购 Lumentum，参考企业价值 1150 亿美元，拟整合 AI 电光互连
从交易传闻走到协议Marvell 与 Lumentum 于 11 月 2 日宣布最终收购协议，协议本身签于 11 月 1 日。本周新增阶段是正式公开协议及换股条件。Lumentum 每股将换取 4.5 股 Marvell 股票，按 10 月 28 日未受交易传闻影响的股价计算，参考企业价值约为 1150 亿美元。
芯片和光器件接起来Marvell 提供网络交换、定制芯片以及电、光信号互连技术；Lumentum 则提供高性能激光器、光模块、光路交换及相关制造能力。数据中心中的芯片需要高速交换数据，规模越大，对带宽、传输距离和能耗的要求越高。两家公司希望把电信号处理和光传输放到同一套设计流程中，减少客户分别整合多个部件的工作。
固定股数不是固定价格协议固定的是 4.5 股换一股的比例，实际交割价值会随 Marvell 股价变化。公告预计，交易完成后原 Marvell 股东持有合并公司约 67%，原 Lumentum 股东约 33%。这项安排通过发行股票取得业务，Lumentum 股东也会继续承担合并公司的经营及市场表现。
协同要等交割之后两家公司预计 2028 年上半年完成交易，仍需双方股东、监管机构批准及满足其他惯常条件。合并计划覆盖芯片设计、先进封装和专用半导体制造，并提出每年超过 10 亿美元运行率成本协同的预期；这些均有待完成交易及整合后实现。目前客户面对的仍是两家独立运营的公司。
▮ SIGNAL这笔交易争夺的是 AI 系统中电与光共同设计的主导权：客户采购越倾向经过联合验证的整套互连方案，拥有芯片、光器件和制造工艺的供应商就越有机会参与早期架构决策。
❯ Shield AI 安排 20 亿美元股权及 5 亿美元债务融资，支持最高 53 亿美元收购 Echodyne
签约收购雷达公司Shield AI 于 11 月 5 日宣布签署收购 Echodyne 的最终协议，交易价值最高为 53 亿美元。其中 48 亿美元在交割时支付和发行，另有最高 5 亿美元取决于 Echodyne 达到约定业绩目标。收购尚未完成，最高对价中包含未来达标后才能取得的部分。
三种资金各有性质为支持收购，Shield 安排合计 25 亿美元融资：10 亿美元 H 轮，由 Disruptive 和 Innovation X Capital 共同领投，投后估值为 288 亿美元；黑石管理的基金另提供 10 亿美元结构化股权投资；摩根大通牵头安排 5 亿美元债务。两类股权合计 20 亿美元，结构化股权的具体经济条款，以及债务利率和期限尚未公开。
补足系统的感知环节Shield 成立于 2015 年，经营自主软件、自主系统以及任务系统业务，产品包括 Hivemind 软件和 Aechelon 仿真技术。Echodyne 则销售紧凑型固态雷达，客户包括系统集成商及政府、商业机构。软件负责理解环境和安排动作，雷达提供环境信息，收购因此把另一项底层感知能力纳入 Shield 的产品组合。
保留独立销售渠道交易预计于 2027 年初交割，仍需监管批准及满足其他惯常条件。完成后 Echodyne 团队将保留，其雷达继续作为独立产品向客户销售，管理层也继续负责制造及合作伙伴关系。Shield 既能把雷达用于更完整的系统，也保留向其他集成商供货的业务，收购后的收入来源并不局限于自有系统。
▮ SIGNALShield 用收购把感知硬件、软件和系统能力连接起来，同时保留雷达对外销售，竞争优势取决于它能否在整机协同与供应商中立性之间维持客户信任。
❯ Zipline 融资 15 亿美元、投后估值 215 亿美元，扩大美国无人机配送及制造网络
资金投向全国网络Zipline 于 11 月 5 日宣布融资 15 亿美元，投后估值为 215 亿美元，由 Paradigm、WCM Investment Management 和 Layer Global 领投。资金将用于扩建美国制造设施、增加招聘，并建设覆盖更多地区的无人机配送网络。这次融资购买的不只是研发时间，也包括持续提供配送服务的实际产能。
商户购买配送能力Zipline 为零售、餐饮及医疗等机构提供无人机配送，把消费者或机构需要的商品送到目的地。客户使用的是配送服务，网络运营方需要准备飞行器、起降和服务设施，并组织日常运营。公司在首批飞行十年后扩大商业网络，资金用途也随之从证明技术可行，延伸到复制已经运行的服务。
合作扩张仍有时间表本周披露的新多年协议计划与沃尔玛增加 300 个服务站点，未来仍有扩大空间；Uber 则提出到 2029 年借助 Zipline 实现每日 100 万次配送的目标。站点扩展是已公布计划，每日配送目标则需要随后数年的部署和需求增长支持。两者都为扩产提供商业方向，但不等于相应网络已经建成。
已有使用支撑扩张Zipline 称，今年在达拉斯—沃思堡都会区已完成超过 100 万次配送，并持续增加商户。公司还在更新飞行器及噪声优化飞行方式，希望改善载重、距离与社区使用体验。制造扩张要与站点开通和订单增长配合，否则更多设备并不会自动形成更高的网络效率。
▮ SIGNALZipline 的扩张瓶颈已同时涉及制造、站点和订单密度，能够让同一片服务区域持续产生足够配送需求的合作伙伴，将比单纯增加飞行器更影响网络的经济性。
❯ Fal 披露 13 亿美元 F 轮、估值 160 亿美元，扩充图像、视频和音频模型运行能力
本周公布的是两轮消息据 彭博社的报道，Fal 在 11 月 3 日披露的最新 F 轮融资为 13 亿美元，Bessemer Venture Partners 领投，估值为 160 亿美元。公司同时公布此前由 Sequoia 领投的 E 轮，两轮合计为 16.5 亿美元。E 轮在今年早些时候已完成，合计金额包含不同时间取得的资金。
替创作者把模型跑起来Fal 提供图像、视频和音频模型的运行服务，开发者可以把生成能力接进自己的应用，创意团队也能把它放进制作流程。模型训练完成后，生成每一张图或一段视频仍要消耗计算资源；Fal 承担模型部署、运行和容量管理。其客户覆盖娱乐工作室、广告代理商、电商品牌及游戏和营销团队。
估值变化跟着使用增长Fal 成立于 2021 年，本轮估值较今年 4 月的 80 亿美元翻倍。彭博社还报道称，公司今年早些时候的年化收入运行率已超过 8 亿美元；这是按当时收入速度折算的指标。它显示服务使用的商业规模，但模型运行平台仍需支付购买或租用计算资源的成本。
资金支持容量和研发Fal 的融资公告把用途分为承接大规模生成需求的运行容量，以及继续建设产品的团队，并覆盖 2027 年研发工作。公司既运行合作伙伴模型，也对模型进行后训练，改善速度和生成质量。扩充容量要与模型优化一起推进，才能在满足交付要求的同时控制每次生成的资源消耗。
▮ SIGNAL生成式媒体进入正式制作流程后，客户会同时购买画面质量、速度和稳定交付，Fal 的议价空间将更多取决于把这些要求组合起来的运行效率，而不只是能够接入多少模型。
❯ Applied Compute 融资 3.5 亿美元、估值 32.5 亿美元，年化收入运行率达到 1 亿美元
收入和融资同日披露Applied Compute 于 11 月 2 日宣布取得 3.5 亿美元新融资，估值为 32.5 亿美元，由 Elad Gil 领投，NVIDIA、Kleiner Perkins、Lux Capital 等参与。公司称，成立不到 18 个月，年化收入运行率已从零增长到 1 亿美元。该指标按当前收入速度折算，不等同于已经实现的全年营收。
让企业拥有定制模型Applied Compute 帮企业在开放权重模型上加入自己的数据和业务判断，随后部署并持续改进模型。客户包括 Microsoft、Shopify、Harvey、DoorDash 和 Cognition，需求覆盖法律、物流等领域。它销售的是训练、运行和持续改进的一体化服务，让企业无需自己搭起整套模型基础设施。
先训练，再把运行接上公司三个月前推出 AC2 平台，把训练、推理和持续优化放到一起。公司披露，7 月以来客户已完成超过 1700 次训练任务，约 40% 的客户同时购买训练和推理服务；推理服务每日处理超过 1 万亿个 Token。业务由一次性模型调整延伸到日常运行，使用频率和计算资源需求也随之增加。
扩算力也扩交付团队自上次融资后，公司服务的企业数量已翻倍以上，今年 1 月以来团队扩大至三倍，其中约 85% 是研究及工程人员。新资金将扩充计算容量、招聘并推进企业部署。企业是否留下来持续使用，既取决于模型效果，也取决于上线后的成本、可靠性和改进速度。
▮ SIGNALApplied Compute 把训练客户继续转成运行客户后，商业关系便能覆盖模型的使用周期，训练中积累的业务理解也会帮助它参与后续成本优化，增加客户持续购买同一平台服务的理由。
❯ OpenAI 宣布收购 Pierre，拟把代码存储和审查工具进一步整合进 Codex
宣布收购但尚未交割OpenAI 于 11 月 4 日宣布将收购 Pierre Computer Company，后者开发了 Code Storage 以及一组开源开发工具。交易金额未披露，交割仍需满足惯常条件并取得监管批准；交割前双方继续独立运营。此次收购围绕开发者处理和管理代码的流程展开。
合作已有产品基础Pierre 的 Trees 和 Diffs 已用于 Codex 应用，分别帮助开发者浏览项目文件和审查代码变化。Code Storage 则让其他应用通过接口保存代码、追踪 Git 版本历史，Git 是开发团队记录与协作修改代码的常用工具。Pierre 的业务因此同时覆盖开发界面和代码管理基础设施，OpenAI 已有实际使用其产品的经验。
智能体增加管理负担同一周的 11 月 2 日，OpenAI 介绍了内部代码管理后端 Pando，用于扩大工程师与智能体共同使用 Git 的规模。多个任务并行会产生更多分支、修改和审查工作，生成代码之后仍需要组织这些记录。Pierre 的工具让用户看清文件及修改，代码存储服务则为后续版本管理提供基础。
整合计划保留外部服务OpenAI 计划在交割后把 Code Storage 的功能逐步带进 Codex，并继续维护 Pierre 的开源项目。现有客户在收购完成后仍可使用 Code Storage，具体整合时间表尚未公布。Codex 希望覆盖从智能体建立分支到代码部署的更长流程，收购为这一方向补充了团队和工具。
▮ SIGNALAI 编程生成的代码越多，审查、版本记录与协作管理就越容易成为瓶颈，OpenAI 收购 Pierre 是在扩大 Codex 对完整开发流程的控制范围。
❯ Meta 收购 Conductor，云服务 11 月 20 日关闭，团队计划 2027 年初推出新产品
收购后公布新方向Conductor 于 11 月 4 日宣布加入 Meta，交易金额未披露。创始人 Charlie Holtz 表示，团队正在建设下一代开发界面，计划于 2027 年初提供新产品，具体功能尚未公布。此次交易也伴随现有独立服务逐步退出的安排。
从并行编程工具起步Conductor 的核心产品于 2025 年 7 月上线，让软件工程师同时运行和协调多个编程智能体。开发者可以把不同任务放到并行工作空间，再查看、审查和合并结果。它承接的是人与模型之间的日常组织工作，原有 Pro 订阅则围绕这些开发功能收费。
现有客户先面临迁移公司已于 11 月 4 日停止新用户注册，原有 Pro 用户可继续免费使用相关功能。Conductor Cloud 将于 11 月 13 日转为只读，11 月 20 日关闭并开始删除云端用户数据，现有付费订阅者可获退款。公司提供云工作空间转移到本地及数据导出方式，本地版继续接收新模型和关键修复，直至 2027 年初开始退出。
团队转入下一代工具研发据 Axios 的报道，团队的开发速度及开发者体验能力将用于支持 Meta 下一代 AI 编程产品。同一天，OpenAI 也宣布拟收购 Pierre，处理代码存储与审查。两笔交易覆盖编程工作流的不同环节，而 Conductor 已给出具体迁移节点，新产品交付仍是后续目标。
▮ SIGNALConductor 收购后的客户信任，将取决于工作空间和历史会话能否顺利迁出；平台取得团队能力时，保留可迁移的数据路径也是维系开发者关系的一部分。
❯ Salesforce 签约收购语音 AI 公司 Cresta，拟把客户通话接入服务流程，媒体称对价约 27 亿美元
先签约，后等待交割Salesforce 于 11 月 2 日宣布签署收购 Cresta 的最终协议，官方未披露价格。据 The Information 的报道，对价约为 27 亿美元。交易预计于 Salesforce 2028 财年第一季度、即 2027 年 2 月至 4 月完成，仍需监管批准及满足其他惯常条件。
电话里直接完成服务Cresta 的语音智能体能够进行实时对话、处理用户打断，并解决复杂客户来电；同一平台也能在通话中辅助人工客服，分析交互并改进智能体。客户包括 Marriott、Comcast 和 Alaska Airlines 等品牌。企业购买的是处理客户通话及提高服务质量的能力，而不只是把语音转成文字。
把对话连接客户记录Salesforce 已有客户历史、业务记录和处理工作所需的系统，Cresta 提供对实时对话的理解与执行能力。拟议整合将结合 Service Cloud，让通话中的信息能够进入问题解决、客户留存及后续业务流程。客服由此可以在同一客户背景下持续工作，减少对话结束后重新整理和转交信息的步骤。
既有电话平台继续支持收购完成后，Cresta 将继续支持客户已经使用的主要联络中心和电话平台。Salesforce 希望在扩展自身服务产品的同时，保留 Cresta 接入其他系统的能力。对现有客户，这项承诺影响迁移成本；对收购方，则关系到它能否把新的语音能力推广到更广的客户群。
▮ SIGNAL当语音智能体能够当场解决问题时，客户记录与执行权限就比转录文本更有价值，Salesforce 收购 Cresta 是把实时对话进一步接到自己掌握的业务系统上。
❯ Dropbox 签约以约 3.5 亿美元收购 Tigris，借 AI 对象存储进入开发者基础设施市场
签约和公告相隔两天Dropbox 于 11 月 3 日签署最终协议，拟以约 3.5 亿美元现金收购 Tigris 全部股权，并于 11 月 5 日公开宣布。价格可作惯常调整，交易预计 2026 年第四季度完成，仍受交割条件约束。现阶段是已签约的收购，目标业务尚未完成并入。
为模型和智能体保存数据Tigris 提供面向 AI 工作负载的全球分布式对象存储，用于保存训练数据、模型文件、图片和视频等内容。其服务兼容 Amazon S3 接口，让开发者继续使用熟悉的软件，并跨云访问数据。它的客户是需要运行应用和智能体的开发者及企业，与个人或团队分享文件的 Dropbox 传统用户有所不同。
多年存储经验转向新客户Dropbox 同日在公告中推出 DBX Agent Cloud，首先提供可单独购买的对象存储。公司计划随后加入文件系统和内容处理功能，使智能体能够持续管理文件，并把文档、音视频等转换为可使用的输入。收购 Tigris 是为了加快这一基础设施方向，而非仅给现有网盘增加一个聊天入口。
内容可以留在同一处Dropbox 希望存储层能配合客户已经选择的云、计算服务及开发平台工作，让模型和算力选择变化时，内容仍有一致的保存与管理方式。这既需要可靠性，也需要开发者接口及跨云使用体验。交易完成后的整合进度尚未公布，未来文件系统和内容处理能力也仍属于产品计划。
▮ SIGNAL模型和计算平台的选择越多，内容能否跨平台持续使用就越重要，Dropbox 借 Tigris 争取的是 AI 应用的数据落点及开发者采购，而不只是现有文件用户的订阅升级。
❯ Traversal 完成 1.2 亿美元 B 轮、估值 10 亿美元，让 AI 继续处理代码上线后的故障
资金投向系统运维Traversal 本周宣布完成 1.2 亿美元 B 轮融资，估值为 10 亿美元，由 Kleiner Perkins、Redpoint Ventures 和 Khosla Ventures 共同领投，Sequoia 与 Battery Ventures 等参与。消息于 11 月 3 日披露。资金将用于研究、工程和市场团队招聘，扩展 AI 站点可靠性工程服务，也就是帮助企业让线上软件持续稳定运行。
上线以后还有另一段工作编程智能体提高写代码的速度后，企业仍要处理系统故障、发布风险和服务之间的复杂关系。Traversal 把日志、指标、调用链、代码及部署变化放到一起，帮助工程师重建故障发生的过程。客户购买的是更快找到原因、恢复服务的能力，工作场景在代码进入真实运行环境之后。
近两年研究形成产品公司团队以因果机器学习和强化学习研究为基础，经过近两年的研究及工程工作，于今年 3 月正式推出 Production World Model 和 Causal Search Engine。前者组织系统运行信息，后者通过提出和检验假设寻找原因。公司称，目前约三分之二使用已超出故障根因分析，延伸到告警分流、发布风险等日常运维问题。
先主动调查，再扩大自治Traversal 已推出持续运行的 Workers，在异常触发时开始搜集信息和调查，并通过 MCP 接口把运行环境信息提供给编程工具。公司希望逐步做到自动发现、处理、验证并预防故障，但完整自主运维仍是发展目标。新融资支持的是沿这条路径扩展产品，而非证明线上系统已经可以完全脱离工程师。
▮ SIGNAL写代码的成本下降后，企业更需要理解代码在复杂系统中实际造成的变化，Traversal 的机会来自把运行证据反馈给开发环节，减少更快生成代码带来的维护负担。
❯ Trajectory 完成 4500 万美元 A 轮、估值 3 亿美元，向业务专家开放模型后训练平台
融资与平台一起发布Trajectory 于 11 月 2 日宣布完成 4500 万美元 A 轮融资，估值为 3 亿美元，由 Sequoia 领投，NVIDIA、Bessemer 和 Bain Capital Ventures 参与。公司同时开放后训练平台，把已有模型按业务需求继续调整。客户可以在同一平台训练、评估并部署模型，而无需分别拼接多套基础设施。
把专业判断交给训练律师知道怎样的合同审阅才合格，金融分析师也有自己的研究标准，但这些知识不会自动进入通用模型。Trajectory 让客户提供任务和评分方式，平台安排训练环境、计算调度及部署。企业购买的是把专家判断转成模型行为的工具，而不必先建立完整的强化学习研究团队。
已有客户尝试行业任务公司披露，Harvey、Rogo、Mercor 和 NVIDIA 的团队已在平台训练模型，其中一名客户两周内为复杂长程任务训练了八个以上模型。它也与 NVIDIA 和 Harvey 合作，对法律任务进行模型后训练。这些案例说明平台已有具体使用，效果仍取决于客户任务、评价标准及训练数据，不能推及所有行业。
持续学习仍分阶段开放随平台推出的 Continual Grading 和 Group Size 1 仍是研究预览，分别尝试从少量专家示例扩展评分，以及利用真实业务交互继续训练。公司没有公布本轮资金的细项分配，但已公开招聘。现阶段先提供训练、评估和部署工具，再逐步试验上线后的持续改进，是其产品发展的明确顺序。
▮ SIGNAL当训练工具降低工程门槛，企业真正稀缺的输入就更接近“如何判断工作做得好”，Trajectory 能否把专家标准稳定转成训练信号，会比单纯提供算力更影响客户价值。
❯ Sentra 完成 1.5 亿美元 C 轮，由 Capital One Ventures 领投，控制 AI 智能体的数据访问
战略投资也是新一轮融资Sentra 于 11 月 4 日宣布获得 Capital One Ventures 领投的 1.5 亿美元战略资本投资，后者将派代表进入董事会。公司同日的 管理层文章明确称 C 轮已完成交割。公司未公布本轮估值，资金将扩展产品能力及销售渠道。
先知道谁能看见什么Sentra 的平台寻找并分类企业敏感数据，再把员工、服务账户和 AI 智能体的身份与访问权限对应起来。它可以在异常发生时撤销权限或修复风险共享，并留下可供审查的记录。企业购买这类服务，是为了在采用 AI 时掌握哪些数据会被访问，以及如何及时限制访问范围。
从云端分类走向多环境管理Sentra 成立于 2021 年，最初帮助企业看清公有云中的敏感数据，随后覆盖 SaaS、协作工具和本地存储。AI 智能体成为新的数据使用者后，既有的宽泛权限也可能被自动化任务继承。公司把数据内容与身份放到同一套管理流程中，延续原先的数据分类能力，并增加了围绕智能体的控制。
资金扩大覆盖和交付新资金将支持工程及产品团队扩张、北美和欧洲业务，以及渠道和新地区销售。Sentra 在客户环境内分析数据，而非先把敏感原文搬到自己的系统，再建立另一套数据副本。这个部署方式与受监管企业的数据控制需求相关，也会影响它推广到复杂企业环境时的实施工作。
▮ SIGNAL智能体会放大原有权限配置的后果，Sentra 的价值在于把“模型能否执行任务”之前的“它究竟能接触什么数据”变成可持续管理的企业能力。
❯ Ocient 完成 1 亿美元 C 轮，扩展面向超大规模企业数据的 AI 分析服务
完成新一轮交割Ocient 于 11 月 5 日宣布完成 1 亿美元 C 轮融资，由 BOKA Capital 和 OCA Ventures 共同领投，累计融资增至 2.6 亿美元。既有投资者继续参与，Dallas Venture Capital 等新投资者加入。本轮估值未披露，资金将加快 OcientAIQ 行业解决方案的交付。
分析完整记录而非片段Ocient 为需要处理海量、持续更新数据的企业提供数据与分析平台，让分析师和智能体查询完整数据。例如，网络安全团队需要追查某个风险信号何时出现、影响过哪些记录，通信服务商则要按要求提取历史数据。客户购买的是在大规模数据上及时检索和计算的能力，而非只对少量摘录生成摘要。
既有数据引擎承接智能体Ocient 于 2016 年成立，把数据接入、分析、权限和任务组织放在统一平台里，再叠加行业任务及交付服务。分析计算在数据引擎内执行，访问权限、政策和数据来源记录也在同一流程中管理。公司希望这样减少数据搬运和模型处理量，让结果能够重复计算和审查，适合对完整性要求较高的业务。
增长预期推动交付扩张公司预计今年收入将达到去年的三倍以上，这仍是全年预期。新融资要帮助它把按行业设计的方案部署到更多客户环境，并持续支持投产后的使用。对这类业务，数据库性能只是基础，能否把行业要求、权限和实际任务一起落实，决定客户是否能把试验变成日常工作。
▮ SIGNAL海量数据场景中的 AI 竞争会更多取决于数据引擎和交付能力，Ocient 把可重复的计算留在引擎内，使模型能够使用完整业务记录，同时保留企业需要的核查路径。
❯ Tutor Intelligence 完成 7500 万美元 B 轮，按工时销售机器人劳动并用部署数据训练模型
老股东继续参与Tutor Intelligence 于 11 月 2 日宣布完成 7500 万美元 B 轮，由 Andreessen Horowitz 领投，累计融资为 1.17 亿美元。此前分别领投 A 轮和种子轮的 Union Square Ventures 与 Neo 也参与本轮。资金将支持机器人基础模型训练，以及 Sonny 和 Cassie 机器人的制造与部署。
按小时或完成件数收费Tutor 提供工厂和仓库里的搬运、移动及操作服务，客户按工时或完成件数付费，无需先购买设备或签长期合同。公司负责部署、维护和软件升级。它卖的是持续完成实际工作的服务，设备制造及维护投入主要由运营方先承担，客户则把自动化开支与使用联系起来。
部署也是训练的起点Tutor 先把机器人放进真实生产环境，由远程人员“导师”和模型共同指导，再把完成任务形成的数据用于训练。这样的顺序让公司可以在继续提高自动化能力时提供服务，而不是先等待通用模型成熟。领投方 a16z 的投资说明也把部署数据和按小时收费列为其看重的业务特点。
扩产需要跟上复购Tutor 称，机器人已进入的设施数量接近一年前的四倍，过去一年接收机器人的客户中，近三分之一是继续增加部署的既有客户。公司计划到 2027 年底签约机器人超过 1000 台，这仍是未来目标。本轮资金同时服务于制造、现场交付和模型训练，三者需要随着真实工作量同步扩大。
▮ SIGNAL按工作量收费让 Tutor 先承担设备与服务成本，但实际部署又为模型提供训练数据，只有机器人越用越可靠、人工支持需求逐步下降，这种安排才会同时改善客户价值和自身利润空间。
❯ Kalepa 五年后完成 7500 万美元 B 轮、估值 4.7 亿美元，扩展 AI 保险承保及定价
相隔五年的下一轮Kalepa 于 11 月 5 日宣布完成 7500 万美元 B 轮，估值为 4.7 亿美元，Updata Partners 领投，IA Ventures 和 Inspired Capital 参与。公司上一轮是 2021 年由 Inspired Capital 领投的 1400 万美元 A 轮。此次融资后，累计融资为 9100 万美元。
帮助保险公司判断风险Kalepa 面向保险公司及承保管理机构，覆盖运营、承保、定价和组合管理。平台安排 AI 智能体执行相关任务，再按风险和复杂程度保留人工专业判断及审批。客户包括 W.R. Berkley、Bowhead Specialty 和 AmRisc，购买的是更高效地处理保险业务、同时保留可追溯决策记录的能力。
两轮之间已扩大业务Kalepa 称，过去一年收入和客户数量均增至三倍，平台处理的工作量增至四倍，并已连续两年多保持现金流为正。公司没有披露相应收入绝对值，这些经营指标也属于公司陈述。公司在上一轮之后扩大了客户基础，本轮将进一步投入产品与市场扩张。
扩大产品和专业团队新资金将用于扩展 AI 产品组合、进入新市场，并计划在 2027 年将员工规模翻倍。公司希望把 AI 从孤立的行政任务延伸到相互连接的保险工作流程，让人工集中处理复杂风险、边界情况和经纪关系。扩大处理量时，结果验证和权限安排仍是平台的一部分，而非交给模型后就停止检查。
▮ SIGNAL如果公司披露的正现金流能够维持，Kalepa 将拥有更大的扩张选择权，其竞争力取决于把保险判断流程做深，能否比客户自行拼接通用 AI 工具更省事、更可信。
OUTLOOK
客户关系落到谁手里这 19 条线索把一个问题推到前面：企业采用 AI 后，谁会掌握持续的客户关系。Pierre、Conductor 和 Cresta 分别接近代码管理、任务协调及客户通话，收购方希望把模型能力放进用户每天处理工作的入口；Applied Compute、Trajectory 和 Ocient 则让企业自己的数据及判断进入模型和运行系统。客户越深入使用，迁移就越涉及历史记录、权限和业务标准，而不只是替换一个模型。接下来的竞争，将同时考验平台能否提供完整服务，以及能否保留客户选择其他模型、云和既有软件的空间。