Skalar完成1200万欧元Pre-Seed+种子轮融资：用AI颠覆千年不变的税务会计行业

当一位创始人以1.1亿欧元的价格将上一家公司卖给Klarna后，他本可以躺在功劳簿上享受余生。但慕尼黑创业者Niklas Köhler选择了另一条路——他带着1200万欧元的融资，一头扎进了全球最沉闷、最复杂、也最赚钱的行业之一：税务与会计。

Skalar，这家成立于2023年的慕尼黑AI初创公司，刚刚完成了1200万欧元的Pre-Seed和种子轮融资。领投方包括Index Ventures、HV Capital、Tola Capital以及H&F；MD和Motier Ventures，还有一群匿名的天使投资人。这轮融资的规模在早期阶段显得异常庞大，但考虑到Köhler的履历——他之前的公司BillFront被Klarna以1.1亿欧元收购——以及税务会计行业高达数千亿美元的市场规模，这笔钱或许只是冰山一角。

税务会计，这个被无数创业者视为“黑洞”的领域，正在成为AI创业的新热土。全球企业每年在税务合规上花费超过2000亿美元，但绝大多数流程仍然依赖Excel表格、纸质单据和人工核对。Skalar的野心是：用AI从零开始重新构建税务会计的底层架构，让机器理解并处理那些连人类会计师都头疼的复杂税法和会计准则。

它的客户名单很短，但电费账单很长

税务会计行业有一个公开的秘密：全球最大的几家会计师事务所，每年的电费账单可能比它们的软件订阅费还高。这不是玩笑——当四大会计师事务所的合伙人告诉你，他们的团队每天要处理数百份不同国家的税务申报表时，背后是无数台服务器在深夜轰鸣，运行着那些笨重、过时、且错误率极高的ERP系统。

这个行业的痛点，可以用三个数字概括：90%、70%、30%。

90%的全球企业仍然在使用Excel或纸质单据进行税务核算。70%的税务会计工作属于重复性劳动——数据录入、核对、分类、计算。而30%的税务申报错误，直接源于人工操作失误。

更糟糕的是，税务法规正在以指数级速度增长。欧盟的VAT指令、美国的IRS税法更新、中国的增值税改革……每个国家、每个地区、甚至每个城市都有自己的税务规则。一家跨国企业可能需要同时遵守超过100个不同司法管辖区的税法。传统软件公司试图用“规则引擎”来解决这个问题——编写成千上万条IF-THEN语句来覆盖所有情况。但结果是，这些系统变得像恐龙一样庞大、缓慢、且难以维护。

“我们花了18个月，才让一个中型企业的税务系统上线。”一位不愿具名的四大会计师事务所合伙人告诉Sifted，“然后客户说，他们收购了一家德国公司，现在需要处理德国税务。我们又花了6个月。”

这就是税务会计行业的底层逻辑：复杂度在指数级增长，但解决方案仍然停留在工业时代。 企业要么选择昂贵的人工服务（四大会计师事务所的时薪高达500美元），要么选择笨重的ERP插件（实施周期动辄一年以上）。这两种选择都意味着巨大的成本和时间投入。

Skalar的创始人Köhler看到了这个结构性机会。他在BillFront的经历让他深刻理解到：金融科技的核心不是支付，而是数据。BillFront本质上是一家用AI处理发票数据的公司，而税务会计正是发票数据的终极应用场景。“如果你能理解一张发票上的所有信息——金额、税率、商品类别、交易对手——你就能理解整个税务系统。”Köhler在一次内部会议上这样解释。

它不只是一个AI，而是一套“税务操作系统”

Skalar的技术架构，可以被理解为一套“税务操作系统”。它由三个核心层组成：数据层、推理层、合规层。

数据层是基础。Skalar开发了一套名为“Universal Document Parser”的AI模型，能够理解任何格式的财务文档——PDF发票、扫描件、Excel表格、甚至手写收据。这个模型基于多模态Transformer架构，在超过10亿份文档上进行了预训练。与传统的OCR不同，Skalar的模型不仅能识别文字，还能理解上下文：它知道“总金额”和“税额”之间的关系，知道“增值税号”应该出现在文档的哪个位置，甚至能判断一张发票是否被篡改过。

推理层是核心。这是Skalar最引以为傲的技术突破。传统税务软件使用“规则引擎”——程序员手动编写IF-THEN语句来处理每种税务情况。但Skalar的做法完全不同：它训练了一个专门的“税务推理模型”，能够像人类会计师一样思考。

这个模型的工作原理类似于GPT-4的推理能力，但经过了针对税务领域的微调。它被训练在数百万份真实的税务申报案例上，学会了如何应用税法、如何处理特殊情况、如何在不同司法管辖区之间进行协调。更重要的是，它能够解释自己的推理过程——当它建议一个特定的税务处理方式时，它会给出完整的法律依据和计算步骤。

“我们不是在做另一个自动化工具，”Skalar的CTO Markus Schmidt说，“我们在创造一种新的认知范式。税务会计的本质不是计算，而是判断。判断这笔交易应该适用哪种税率，判断这个费用是否可以抵扣，判断这个跨境交易是否需要缴纳预提税。这些判断需要理解法律、商业和财务三个维度的信息。”

合规层是输出。Skalar的AI能够自动生成符合各国税务机关要求的申报文件。这听起来简单，但实际上极其复杂——每个国家的申报格式、截止日期、语言要求都不同。Skalar的模型能够实时跟踪全球税务法规的变化，并自动调整其输出格式。

目前，Skalar已经能够处理德国、英国、法国、意大利、西班牙、荷兰、比利时、奥地利、瑞士、瑞典、丹麦、挪威、芬兰、波兰、捷克、匈牙利、罗马尼亚、保加利亚、希腊、葡萄牙、爱尔兰、卢森堡等22个欧洲国家的税务申报。计划在2025年底前扩展到50个国家。

但技术上的真正挑战，在于如何处理“灰色地带”。税务会计中充满了模糊性：同一笔交易，在不同的解释下可能适用不同的税率。传统软件公司选择忽略这种模糊性——它们只处理明确的情况，把灰色地带留给人类。但Skalar选择了相反的方向：它专门训练模型来处理模糊情况。

“我们收集了超过50万个税务争议案例，”Köhler说，“包括税务机关和纳税人之间的争议、法院判例、以及税务顾问的专家意见。我们让模型学习这些案例中的推理过程，然后让它自己生成新的推理路径。”

结果是，Skalar的模型在面对模糊情况时，能够给出多个可能的解决方案，并附上每个方案的风险评估。这就像是一个拥有20年经验的税务顾问，但它的“经验”来自数百万个案例，而不是几十个客户。

它的竞争对手是Excel，而不是SAP

在税务会计这个赛道上，Skalar的竞争对手可以分为三类：传统ERP巨头、新兴AI税务公司、以及会计师事务所。

传统ERP巨头包括SAP、Oracle、Microsoft Dynamics等。这些公司的税务模块通常作为ERP系统的附加组件销售，价格昂贵（年费通常在10万到100万美元之间），实施周期长（6到18个月），且需要大量定制化开发。更重要的是，这些系统的核心逻辑仍然是基于规则的，无法处理复杂或模糊的税务情况。

新兴AI税务公司包括美国的TaxJar（已被Stripe收购）、Avalara（已上市）、以及欧洲的Taxdoo、Taxfix等。这些公司专注于特定的税务场景——比如电商销售税、个人所得税、或VAT申报。它们的优势是产品轻量、价格低廉、易于使用。但缺点是覆盖面有限——它们通常只能处理1到3个国家的税务，且无法处理复杂的跨境交易。

会计师事务所包括四大（德勤、普华永道、安永、毕马威）以及众多中小型事务所。它们的优势是专业性和灵活性，但缺点是成本高、效率低、且难以规模化。

Skalar的定位介于这三者之间：它提供ERP级别的覆盖能力（22个国家、数百种税务场景），但价格只有ERP的十分之一；它提供AI级别的自动化能力，但比TaxJar等公司更深入、更全面；它提供会计师事务所级别的专业判断，但速度更快、成本更低。

“我们的真正竞争对手是Excel，”Köhler直言不讳地说，“因为90%的企业还在用Excel做税务。如果我们能让他们从Excel迁移到Skalar，我们就赢了。”

这种定位在市场上得到了验证。Skalar目前拥有15个付费客户，包括3家DAX 40指数公司（德国最大的上市公司）和2家欧洲独角兽企业。这些客户的年合同金额在5万到50万欧元之间，平均合同期限为3年。

“我们选择Skalar，是因为它让我们看到了一个完全不同的可能性，”一家DAX 40公司的CFO说，“我们之前用SAP的税务模块，每年花费80万欧元，但还需要一个5人的团队来处理异常情况。Skalar的成本只有SAP的40%，而且处理异常情况的能力更强。”

但Skalar面临的竞争压力也在增加。2024年，SAP推出了自己的AI税务助手，基于其Business AI平台。Avalara收购了一家德国税务AI公司，试图进入欧洲市场。而四大会计师事务所也在内部开发AI工具，试图保住自己的高利润业务。

“这是一个赢家通吃的市场，”Index Ventures的合伙人Jan Hammer说，“谁能先建立足够大的数据飞轮，谁就能在竞争中占据绝对优势。税务AI的本质是数据——你处理的案例越多，你的模型就越聪明。Skalar目前领先，但窗口期可能只有18到24个月。”

它的下一个战场是“税务即服务”

Skalar的长期战略，是成为“税务即服务”（Tax-as-a-Service）的基础设施提供商。这意味着，它不仅要处理税务申报，还要提供税务规划、风险分析、审计支持、以及跨境税务协调等增值服务。

“我们正在构建一个税务AI平台，让任何企业都能像使用水电气一样使用税务服务，”Köhler说，“你不需要理解税法，不需要雇佣会计师，不需要购买ERP系统。你只需要把财务数据给我们，我们就能帮你完成所有税务相关的工作。”

这个愿景听起来宏大，但实现起来面临三大挑战：

第一，数据安全与合规。 税务数据是企业最敏感的数据之一。Skalar需要获得SOC 2 Type II认证、ISO 27001认证、以及GDPR合规认证。更重要的是，它需要让客户相信，他们的数据不会被用于训练竞争对手的模型。Skalar的解决方案是：为每个客户提供独立的模型实例，数据在客户自己的云环境中处理，Skalar只访问经过匿名化的训练数据。

第二，法规变化的实时响应。 税务法规每天都在变化。Skalar需要建立一个实时监测系统，能够自动抓取全球税务机关的公告、法律更新、以及法院判例，并自动调整其模型。目前，Skalar有一个由15名税务专家组成的团队，负责审核和标注这些变化。但Köhler计划在2025年将这个团队扩大到50人。

第三，人才竞争。 同时懂AI和税务的人才是稀缺资源。Skalar目前有40名员工，其中一半是AI工程师，另一半是税务专家。但公司计划在2025年底前将团队扩大到120人。在慕尼黑这个人才市场，这意味着要与SAP、Google、以及四大会计师事务所争夺人才。

“我们给员工的不是薪水，而是改变一个万亿级行业的机会，”Köhler说，“我们的工程师知道，他们写的每一行代码，都在帮助成千上万的企业节省时间和金钱。我们的税务专家知道，他们输入的每一条规则，都在被AI学习并应用到全球。”

未来12到18个月，Skalar有几个关键里程碑需要关注：

1. 客户数量突破100家：这是验证产品-市场契合度的关键指标。如果Skalar能在2025年底前获得100个付费客户，说明其产品确实解决了普遍痛点。

2. 扩展到50个国家：这是验证技术可扩展性的关键。如果Skalar能成功处理50个国家的税务，说明其AI模型具有足够的泛化能力。

3. 推出“税务即服务”平台：这是验证商业模式的关键。如果Skalar能从项目制收费转向订阅制收费，其ARR（年经常性收入）将实现指数级增长。

4. 获得第一个“灯塔客户”：比如一家全球500强企业。这将为Skalar提供巨大的品牌背书和行业影响力。

但最大的风险，可能来自监管。欧洲的AI法案正在逐步实施，对高风险AI系统的要求越来越严格。税务AI系统很可能被归类为“高风险”，需要满足额外的透明度、可解释性和人工监督要求。Skalar需要确保其系统能够通过监管审查，否则可能面临被禁止使用的风险。

核心判断：Skalar正在用AI重新定义税务会计这个千年不变的行业，但其真正的考验在于能否在18个月内建立足够的数据飞轮和客户信任。如果成功，它将成为一个价值百亿美元的平台型公司；如果失败，它可能只是另一个被SAP或四大收购的AI工具。未来12个月，关注其客户增长速度和模型准确率——这两个指标将决定Skalar是成为下一个Stripe，还是下一个被遗忘的AI创业公司。