INXM 完成 570 万欧元 Pre-Seed 融资：当企业 AI 项目一再失败，前火箭工程师团队如何用”编译式 AI”重写执行层

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

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。