Partly完成5000万美元B轮融资，估值5亿：当通用大模型看不懂汽车零件图，谁来为美国10万家修理厂造一个“零件翻译官”？
一家来自新西兰的AI初创公司，正试图用五年时间、1000万美元和50份制造商协议，解决美国汽车修理行业一个价值百亿美元的“低级错误”——修理工订错零件。Partly，这家由前Rocket Lab工程师Levi Fawcett创立的公司，刚刚宣布完成5000万美元B轮融资，估值达到5亿美元。领投方是DST Global——Anthropic、Meta和Airbnb的早期支持者。这笔钱的核心用途只有一个：攻入美国市场。
通用大模型的“盲区”：为什么GPT-4看不懂汽车零件图？
汽车零件是一个被严重低估的数据难题。一辆普通轿车由大约3万个零件组成，但不同制造商、不同年份、不同配置的车型，其零件编号和命名规则千差万别。丰田的“前保险杠”在通用汽车的目录里可能叫“前饰板总成”，而宝马的零件图则使用一套完全不同的分解逻辑。
通用大模型擅长处理自然语言，但面对这种高度结构化、多模态且充满行业暗语的场景，表现往往令人失望。它们无法可靠地区分一个零件在不同制造商目录中的变体，更不用说从一张模糊的事故照片中准确识别出需要更换的部件编号。
Partly的创始人Levi Fawcett对此深有体会。他在Rocket Lab从事航天工程时，就见识过高度复杂的零件管理系统。2016年，他因一次简单的汽车维修被零件订购流程折磨后，意识到这个行业存在一个巨大的AI基础设施空白。“我们花了五年时间构建这个行业一直缺失的AI基础设施层，”Fawcett说，“模型架构极其微妙，通用模型解决不了，这就是为什么我们能在这里占据前沿AI的领先地位。”
五年、1000万美元、50份协议：PartIy如何构建“零件基础模型”？
Partly的核心产品名为Interpreter，这是一个专门为汽车零件训练的基础模型。它的独特之处在于其数据获取和训练方式，这构成了公司最深的护城河。
Interpreter是一个多模态模型，能够同时处理技术图纸、损伤照片和文字维修描述，然后将它们映射到一个统一的零件标准上。为了训练这个模型，Partly做了三件极其“重”的事：
1. 数据来源的排他性：公司与超过50家汽车制造商签订了数据许可协议，获取官方零件目录和图纸。这些数据是竞争对手难以复制的。 2. 物理世界的“标注”：Partly不仅依赖数字数据，还自己进行车辆拆解。他们将真实车辆拆成零件，由专业的“零件翻译员”手工标注每个部件的名称、编号和装配关系。这种“物理世界到数字世界”的映射，是纯AI公司难以做到的。 3. 政府数据的利用：公司还从政府车辆登记记录中获取训练数据，以覆盖更广泛的车型和年份。
经过四年多的积累，Partly声称其模型现已覆盖全球前58大汽车制造商中91%的车型。这个覆盖率，加上与制造商直接的数据协议，构成了一个强大的网络效应：修理厂用得越多，模型对特定车型的识别就越精准；模型越精准，就越能吸引更多修理厂和制造商加入。
美国市场：一个250,000家修理厂的“AI真空地带”
Partly选择在这个时间点大举进军美国，是因为看到了一个巨大的市场空白。美国碰撞维修市场规模超过1000亿美元，约有25万家修理厂。但Fawcett指出，这些修理厂中“没有一个能用到专门为此工作打造的AI”。
目前，大多数车身修理厂仍然依靠人工订购零件。这个过程缓慢且错误率高。一个被误认的零件意味着退货、维修延误和额外的保险理赔。Partly声称，使用Interpreter的修理厂处理订单的速度提高了9倍，退货率降低了2.4倍。
| 维度 | 传统人工订购 | Partly Interpreter |
|---|---|---|
| 订单处理速度 | 慢，依赖电话和手册查询 | 快9倍，AI自动识别并匹配 |
| 错误率（退货率） | 高，易因零件号错误导致退货 | 降低2.4倍，精准匹配 |
| 数据来源 | 依赖个人经验和零散目录 | 覆盖58家制造商、91%车型的官方数据 |
| 多模态能力 | 无法处理事故照片 | 可读取技术图纸、损伤照片和文字描述 |
Partly将美国总部设在德克萨斯州奥斯汀，核心高管团队也已迁至当地。公司正在大规模招聘工程、业务拓展和产品管理人才。其工程团队中不乏来自Google、Apple和Rocket Lab的校友，这为技术攻坚提供了人才保障。
5亿美元估值的底气与风险：DST Global的“押注”
本轮融资由DST Global领投，这家基金以早期投资Anthropic、Meta和Airbnb而闻名。DST的参与，不仅为Partly带来了资金，更带来了硅谷顶级的人脉和战略资源。值得注意的是，Partly在2022年底完成的A轮融资（约2100万美元，由Octopus Ventures领投）曾是新西兰历史上最大的A轮融资，当时估值约为1.8亿新西兰元。从A轮到B轮，估值在不到四年内翻了近3倍，反映了资本市场对垂直行业AI应用的高度热情。
然而，5亿美元的估值也伴随着巨大的挑战和风险：
- 市场教育成本：美国25万家修理厂中，很多是小型家族企业，对AI软件的接受度和付费意愿有待验证。Partly需要投入大量资金进行销售和客户成功支持。
- 数据护城河的持久性：虽然与50家制造商的数据协议是壁垒，但竞争对手也可能通过类似方式获取数据。此外，汽车制造商自身也可能开发类似工具，或对数据授权设置更高门槛。
- 模型泛化能力：目前模型覆盖了58家制造商，但全球汽车品牌远不止这些。对于小众、高端或老旧车型的覆盖能力，将是决定其市场天花板的关键。
- 商业模式：Partly的收费模式尚未完全披露。是按订单收费、SaaS订阅还是混合模式？如何平衡修理厂、零件经销商和保险公司等不同利益相关方的需求，将考验其商业智慧。
RecodeX 极客视点：Partly的故事是“AI+垂直行业”的一个经典范本。它没有追逐通用大模型的宏大叙事，而是选择了一个数据壁垒高、痛点明确、市场规模巨大的细分领域，用“重资产”的方式构建了难以复制的数据护城河。DST Global的入局，标志着顶级风投开始认真押注“AI基础设施层”在传统行业的落地。但挑战同样真实：美国汽车后市场是一个庞大、分散且关系复杂的生态系统，Partly需要证明自己不仅是一个高效的“零件翻译官”，更是一个能够重塑整个产业链协作方式的平台。其能否从“工具”进化为“标准”，将是决定其5亿美元估值能否兑现的关键。
