Omni 完成 1.2 亿美元 C 轮融资，估值 15 亿美元：当 AI 查询与 BI 工具共享同一套商业逻辑，数据分析的「巴别塔」正在被推倒
当一家AI分析公司在九个月内估值翻了一倍多，从6.5亿美元飙升至15亿美元，并且营收在去年增长4倍的基础上又翻了三倍，你很难不注意到它。Omni刚刚宣布的1.2亿美元C轮融资——由ICONIQ领投，Theory Ventures、First Round Capital、Redpoint Ventures和GV跟投——看起来像是又一个AI淘金热中的幸运儿。但真正有趣的问题不是“它融了多少钱”，而是：在所有人都试图用大语言模型取代数据分析师的时代，Omni凭什么让客户心甘情愿地掏钱，并且让BambooHR把10万用户的精英分析平台押注在它身上？答案藏在一个听起来不那么性感的概念里：语义模型。
语义模型：一个老概念如何成为AI时代的护城河
如果你在过去一年里关注过AI数据分析赛道，你一定见过这样的场景：一个创业者对着摄像头说“问你的数据任何问题”，然后AI生成一个漂亮的图表。但任何真正管理过企业数据的人都知道，这背后最大的问题不是AI能不能写SQL，而是AI能不能理解你公司的“语言”——什么是“活跃用户”？什么是“收入”？这些定义在不同部门、不同场景下可能完全不同。Omni的核心创新在于它构建了一个“治理化的上下文图谱”（governed context graph），本质上是一个存储了业务逻辑、指标定义和访问权限的语义层。这个层让所有交互——无论是通过仪表盘、电子表格、SQL查询还是AI对话——都共享同一套业务语言和权限控制。换句话说，当Cribl在三个月内将AI分析推向全公司时，他们不是在部署一个会写SQL的聊天机器人，而是在部署一个理解Cribl业务逻辑的智能体。
它的客户名单很短，但电费账单很长
Omni的客户名单读起来像是一份“正在经历数据现代化阵痛”的企业名录：BambooHR、Cribl、Guitar Center。这些公司有一个共同点——他们都有多个BI工具、混乱的数据定义，以及一个想要“让数据民主化”但又不希望造成安全灾难的IT团队。Guitar Center的故事尤其典型：他们整合了多个BI工具，最终选择了Omni作为统一层。但真正让人感兴趣的不是这些大牌客户，而是Omni的增长曲线——营收在去年增长4倍后，今年至今又翻了三倍。这意味着什么？意味着早期采用者正在从“试用”转向“深度绑定”。BambooHR将Elite Analytics平台建立在Omni之上，覆盖超过10万用户，这不是一个POC（概念验证），而是一个基础设施级别的决策。
真正的销售挑战：让客户为“潜力”付钱
Omni的产品策略有一个聪明之处：它不与Claude、ChatGPT、Cursor或VS Code竞争，而是成为它们的“数据后端”。所有AI查询都继承相同的业务逻辑和权限——这意味着一个销售代表可以在ChatGPT里问“上季度我的客户流失率是多少”，而系统会自动应用正确的定义和访问控制。这种“基础设施化”的策略降低了客户的采纳门槛，但也带来了一个隐忧：Omni的价值在短期内很难被量化。客户可能知道他们省去了维护多个BI工具的成本，但很难计算“语义一致性”带来的具体收益。这也是为什么Omni在融资中包含了3000万美元的员工股权收购——他们需要用现金来留住那些真正理解这个复杂产品的关键人才。
估值跳跃背后的隐忧：从6.5亿到15亿，九个月的疯狂是否可持续？
Omni在2025年3月时的估值是6.5亿美元，九个月后翻了一倍多到15亿美元。这种估值跳跃在2021年的SaaS市场并不罕见，但在2025年——当投资者已经对“AI公司烧钱换增长”的故事感到厌倦时——就显得格外引人注目。ICONIQ的领投是一个信号：这家以投资Snowflake、Databricks而闻名的机构，显然看到了Omni在数据基础设施栈中的战略位置。但挑战也很明显：Omni的核心创新——语义模型——并不是一个全新的概念。Looker（被Google收购）和dbt都试图解决类似的问题。Omni的差异化在于它将这个层与AI原生交互深度整合，但这个优势能维持多久？当Snowflake和Databricks开始在自己的平台中内置更强大的语义层和AI能力时，Omni的独立存在价值将面临考验。
CEO Colin Zima的赌注：在巨头阴影下构建独立层
CEO Colin Zima带领的团队正在打一场艰难但有趣的战争。他们的赌注是：企业需要一个独立于数据仓库和BI工具的语义层，而这个层天然应该与AI交互深度绑定。这个赌注的合理性在于，数据仓库厂商（Snowflake、Databricks）和BI工具厂商（Tableau、Looker）都有动机将自己的语义层锁定在自己的生态中，而企业需要的是一个中立的、可以跨平台工作的层。Omni已经集成了Snowflake、BigQuery、Databricks、Redshift、Postgres和ClickHouse，这种广度本身就是一种防御。但风险同样明显：随着AI Agent变得越来越智能，它们可能不再需要一个独立的语义层来理解业务逻辑——模型本身可能直接从文档和对话中学习这些定义。如果那一天到来，Omni的护城河将面临根本性的挑战。
Omni的故事是一个典型的“基础设施级创新”的故事：它解决的问题是真实的、痛苦的，但它的价值很难在短期内被完全量化。1.2亿美元的融资和15亿美元的估值，反映的是投资者对一个假设的押注——即企业数据治理和AI民主化这两个趋势的交叉点，将诞生一个独立于现有数据栈的新层。这个假设可能正确，也可能错误。但有一点是确定的：当BambooHR的10万用户开始在Omni上运行他们的分析时，这家公司已经从一个“有趣的项目”变成了一个“需要认真对待的平台”。接下来要看的是，当巨头们醒来时，Omni是否已经足够快地建立了自己的不可替代性。
