全球企业已在 AI 上砸入数千亿美元。麦肯锡 2025 年的研究显示，超过 70% 的企业 AI 试点项目未能迁移至生产环境。不是因为模型不够智能，而是因为没有人解决”执行”的问题，AI 生成了一个计划，然后什么也没发生。或者更糟，计划开始执行，却在第三步崩溃，没有人知道为什么，也没有人能重现结果。

这个问题的严重性，在航空航天领域更为致命。火箭发射容不得”大概率正确”，飞行控制系统的每一个动作都必须可预测、可审计、可回溯。INXM 的四位创始人，来自 Isar Aerospace 和 Volocopter 的前高管，将这套思维方式带入了企业 AI 领域。

2026 年 6 月 3 日，这家总部位于柏林的初创公司宣布完成 570 万欧元 Pre-Seed 融资，由 Cherry Ventures 领投，Redstone、Angel Invest 和 Linden Capital 参与。资金将用于旗舰产品 Orchestrator 的商业化部署与核心技术平台的深化开发。

问题溯源：为什么企业 AI 落地如此艰难？

从理论到实践的鸿沟，在企业 AI 领域尤为显著。问题通常不出在模型层面，GPT-4o、Claude、Gemini 已经足够强大，而出在三个结构性层面：

第一，不可预测性：LLM 每次响应都可能产生微小变化。在内容生成场景中这无关紧要，但在涉及 ERP 操作、采购审批、合规文件的业务流程中，任何不一致都可能引发连锁错误。

第二，不可审计性：当 AI 系统在执行过程中出错，企业需要知道”为什么”，哪个节点决策失误，哪个数据输入有问题。当前主流的 AI 代理框架（LangChain、CrewAI 等）在复杂流程中缺乏足够的可追溯性。

第三，碎片化集成：企业系统高度异构，SAP、Salesforce、Oracle、内部遗留系统，AI 工具需要跨越这些系统边界执行完整流程，而当前大多数解决方案只能在局部闭环运行。

关键数据：IDC 估计，企业 AI 集成失败造成的生产力损失每年超过 1500 亿美元。Gartner 预测，到 2027 年，超过 40% 的 AI 项目将被终止，主因是无法在生产环境中可靠运行。

创始团队：来自火箭工厂的”确定性思维”

INXM 的核心差异化，很大程度上来自于其创始团队的背景。

Alex Oelling（CEO）曾担任 Isar Aerospace 与 Volocopter 的首席数字官，主导构建了欧洲最严苛航天项目的组织数字基础设施。Matthias Kainer（CTO）与 Oelling 在两家公司共事，负责任务控制系统、发射编排与云原生遗留系统替换。团队成员背景还涵盖 n8n 和 Thoughtworks。

正如 Oelling 所说：”我们亲眼目睹了企业 AI 项目如何失败：多年部署、大量工程师、AI 系统比它修复的问题制造更多麻烦。我们下定决心构建能为你完成工作的 AI，将 AI 从生产力工具转变为欧洲工业的运营骨干。”

火箭不能”大概率运行”，只能”确定性运行”。这一思维范式，正是 INXM 试图带入企业 AI 的核心资产。

产品解构：”编译式 AI”架构

INXM 的旗舰产品 Orchestrator 基于公司提出的”编译式 AI”（Compiled AI）概念构建。

传统 AI 代理框架让 LLM 在运行时实时做决策，每一步都调用模型，模型根据当前上下文动态生成下一步行动。这带来了灵活性，但也带来了不可预测性。

INXM 的方案是：用 AI 在执行之前设计和优化执行计划，然后以确定性方式执行这个计划。具体流程是：

1. 计划阶段：AI 分析业务流程需求，生成最优执行方案 2. 编译阶段：将方案转化为确定性执行图（类似编译器将代码转化为机器指令） 3. 执行阶段：按照编译后的计划运行，每个节点的行为完全可预测、可审计

这意味着 Orchestrator 提供的不是”智能代理”，而是受控自动化的升级版，具备 AI 设计能力，但执行层面像工业控制系统一样可靠。

关键数据：Cherry Ventures 创始合伙人 Filip Dames 将”编译式 AI”描述为”一种新的架构范式，不是要让 AI 更聪明，而是让它可执行”。

在拥挤的 AI 基础设施市场寻找差异化

竞争对手 核心定位 对 INXM 的威胁
n8n 可视化工作流自动化，Series C 估值 52 亿美元（SAP 战略投资后） 德国本土强竞争者，但聚焦连接而非确定性执行
Parloa 企业客服 AI 代理，估值 30 亿美元 专注联络中心场景，不同于工业运营
LangChain 开发者 AI 应用基础设施，B 轮估值 12.5 亿美元 面向开发者构建新系统，INXM 面向运营团队管理现有流程
Workato 企业集成自动化平台（iPaaS） 传统集成方案，缺乏 AI 执行层
UiPath RPA 机器人流程自动化 规则驱动型自动化，AI 能力有限
官网 https://www.inxm.com

INXM 的差异化不在于功能数量，而在于适用场景的精确定位：工业合规环境 + 确定性执行要求 + 跨遗留系统集成。这恰好是当前主流 AI 自动化平台最薄弱的组合。

投资人逻辑：为什么 Cherry Ventures 现在入场？

Cherry Ventures 是柏林最具影响力的早期 VC 之一，此前投资组合包括 Tier Mobility、Staffbase 等企业级工具。其选择在 Pre-Seed 阶段重注 INXM，反映了几个核心判断：

第一，企业 AI 落地失败已经成为行业级别的问题，而非个别公司的痛点，这意味着解决方案的市场规模足够大。

第二，来自航天领域的创始团队拥有独特的”确定性执行”心智模型，而这种心智模型在当前 AI 工具市场极为稀缺。

第三，欧洲工业企业（制造业、物流、能源）对 AI 落地有强烈需求但极端保守，需要高度可控、可审计的解决方案，这正是 INXM 的目标市场。

Redstone 创始合伙人 Michael Brehm 的评价一语中的：”让火箭引擎和空中出租车达到生产就绪状态的创始人，与大多数软件团队的思维方式截然不同。”

⚠️ 风险与不确定性

⚠️ 风险一：市场教育成本高企 “编译式 AI”是一个全新概念，企业客户需要先理解为什么当前 AI 代理框架不可靠，才能接受 INXM 的解决方案。Pre-Seed 阶段的 570 万欧元能否支撑这一教育周期，是关键考验。

⚠️ 风险二：n8n 的竞争阴影 n8n 在 SAP 战略投资后估值达 52 亿美元，正在向企业级方向快速扩张。如果 n8n 在其平台上增加确定性执行功能，INXM 的差异化将面临直接冲击。

⚠️ 风险三：销售周期与资金消耗 企业级工业软件的采购决策通常需要 9-18 个月，而 Pre-Seed 资金需要在客户收入形成之前维持团队运转。INXM 需要在资金耗尽之前完成足够数量的概念验证（PoC）。

⚠️ 风险四：人才竞争 同时具备航天系统工程背景与 AI 架构能力的工程师极为稀缺。随着企业 AI 基础设施赛道吸引越来越多资金，INXM 的人才争夺压力将持续上升。

结语：执行层的重要性

企业 AI 的第一波浪潮是内容生成。第二波是代理（Agents）部署。INXM 押注的是第三波：执行层，这个让 AI 从”生成计划”真正走向”完成工作”的关键基础设施。

如果这一判断成立，执行层的价值将不亚于模型层本身。因为一个无法可靠执行的 AI，无论多么智能，都只是一个昂贵的建议系统。

来自火箭工厂的团队，正在用航天工程的确定性思维，重新定义企业 AI 的可靠性标准。570 万欧元，是这个实验的起点。

信息来源

eu-startups.com / FinSMEs (finsmes.com)

分类与标签

项目 内容
分类 AI / 人工智能
标签 INXM、企业SaaS、Pre-Seed融资、AI人工智能
适合读者 关注AI应用、大模型生态和智能体赛道的投资人与创业者