Strattum获320万美元种子前融资：企业AI最大瓶颈是数据碎片化

在圣保罗某栋写字楼的会议室里，一家大型零售商的IT团队正盯着屏幕上密密麻麻的系统列表发愁：ERP里躺着供应链数据，CRM记录着客户交互历史，数据湖中沉淀着非结构化日志，还有财务部门几十张互相引用的电子表格。他们刚签下一份价值七位数的AI agent部署合同，却发现没有任何模型能同时读取这些彼此隔绝的数据源。工程师最后用一个粗暴方案解决——把所有数据导出成CSV，再逐个上传给模型。响应延迟从预期的毫秒变成分钟，token消耗量是预估的三倍，而项目预算在第二周就烧掉了一半。

这不是个例。当企业软件行业集体转向AI优先叙事的2026年，一个尴尬的事实正在浮出水面：绝大多数大型企业的数据基础设施，根本接不住这波浪潮。巴西AI基础设施公司Strattum在调研中发现，大型企业中仅有6%拥有能够有效支撑AI模型的结构化数据集。这一数字是否经过严格方法论验证暂且存疑，但它揭示的方向与多个行业信号吻合——从Snowflake到Databricks，从Microsoft Fabric到Palantir，主要玩家都在2025至2026年间加速了数据治理层的布局，但问题的严重性反而在加剧。

正是在这个裂缝中，Strattum于2026年6月完成了320万美元种子前融资。领投方为总部设在圣保罗和旧金山的早期基金OneVC，以及专注于拉美科技投资的Maya Capital，跟投方包括Norte Ventures和三位未具名天使投资人。该轮融资金额显著高于巴西典型种子前轮次的平均水平，暗示投资方对团队背景与赛道时机的判断权重，超过了对初创公司常规阶段的估值逻辑。

两位连续创业者的第二次赌注：一次18亿雷亚尔的退出，能否复制到AI管道层

Strattum的创始构成在拉美创业生态中属于罕见配置。CEO Kadu Monguilhott在数据公司Neoway工作长达11年，其中近5年担任CEO。2021年，他带领Neoway以18亿雷亚尔（按当时汇率约3.466亿美元）出售给巴西证券交易所运营商B3。这笔交易在巴西企业软件领域属于标志性退出案例，也让Monguilhott成为少数拥有完整“创业至并购”经验的本土创始人。CTO Rafael Viana则是身份技术公司idtech Certta（前身CAF）的联合创始人。两人通过Certta董事会建立起职业关系，并在2026年初联合创办了Strattum。

这种履历组合传递的信号是明确的：创始团队对大企业数据治理的痛点并非来自外界观察，而是亲历了十年以上。Monguilhott在描述当前企业AI部署方式时用了一个判断：“这种做法效率低下，成本极高，而且消耗的token数量远超数据结构合理时的所需量。”这不是一个投资者爱听的赛道描述——强调客户正在浪费资源，往往意味着产品需要建立在客户对“痛”的深刻认知上，而非仅靠“好”的愿景驱动。

但履历同样构成一种路径依赖风险。Neoway的核心能力在于外部数据分析与市场情报，而Strattum要解决的是一家企业内部的、跨系统的数据编排问题。两者虽然都在“数据”这一大范畴下，但产品逻辑、技术架构、销售周期完全不同。Monguilhott当年在Neoway积累的大企业关系网络可能加速Strattum初期获客，但能否转化为对新产品的深度需求验证，仍需独立观察。

“整合层”的产品定位：不碰存储，不碰模型，只解决中间的那一公里

Strattum将自己的产品描述为“数据编排平台”，这个定位的边界意识很清晰。它不试图替代企业已有的ERP、CRM、数据湖或BI工具，也不训练自己的模型或提供AI应用层服务，而是在这些已有系统之上建立一个统一的上下文基础层。公司名称源自拉丁语stratum（地层），暗示其产品逻辑：不同系统里的数据就像不同深度的矿层，Strattum要做的就是把有价值的矿石挖掘出来，统一加工成可供AI模型使用的高品位原料。

这一定位的巧妙之处在于避开了两条最拥挤的赛道。向上不做应用层，意味着不会与SAP、Salesforce或ServiceNow正在内置的AI功能正面冲突；向下不做存储和计算层，意味着不与Snowflake、Databricks或云厂商的基础设施服务竞争。它瞄准的是中间层——一个在传统数据仓库和AI应用之间的整合与治理缺口。CTO Viana对此的概括是：“对AI而言，公司对其运营的视野越全面、越整体，能为业务创造的价值就越大。”这句话背后是一个技术判断：当前企业数据孤岛导致的视野碎片化，比模型能力本身的局限更严重地制约着AI落地的效果。

但这个定位同样意味着Strattum面临一个结构性的技术挑战：它的价值完全建立在能够连接足够多的异构数据源这一前提上。企业IT环境的复杂度差异巨大，一个运行了二十年SAP的老牌制造商，和一个同时使用Salesforce、Workday、Snowflake和六个自研系统的互联网公司，其数据编排难度不是一个量级。产品能否做到开箱即用而非每单定制化对接，将直接决定其规模化边界。

商业模式未披露，但对标物已经浮现

Strattum尚未公开其定价模式或收费结构。这并不令人意外——种子前阶段的公司常常处在从免费试用pilot向收费模式过渡的探索期。但商业模式的不确定恰恰是这一赛道最大的悬念。在数据编排与治理基础设施领域，开源模式（如Apache Airflow、dbt、OpenMetadata）提供了成熟的免费起点，大厂集成方案（如Microsoft Purview、AWS Glue、Google Dataplex）则对已有云合约的大客户有天然捆绑优势。一个独立IPO级别的数据编排公司需要证明，它的产品提供的整合价值足够超越“用开源拼装加内部团队维护”的总拥有成本。

参考系中还有Palantir Foundry。Palantir的核心能力同样是将分散在不同系统中的企业数据编织成统一的本体层，供下游分析和AI使用。但Palantir的商业模式以大型政府和企业合约为单位，实施周期以年计，合同金额以千万美元计。Strattum目前瞄准的客户群同为大型企业，但产品定义的“轻量”程度将决定它是走在Palantir式的高客单价、深度绑定的实施路线，还是走向更接近Fivetran或Airbyte的自助式数据集成路线。两者对团队规模、销售流程、研发投入的要求截然不同。投资方未披露这方面的具体策略，留下了最大的观察空白。

竞争格局的显性与隐线：拉美的特殊性是双刃剑

目前在公开信源中，Strattum没有披露任何直接竞争对手的名单。但竞争格局可以通过产业链结构推演。最直接的竞争将来自已有数据基础设施厂商向“编排层”的延伸：Snowflake的Cortex和Horizon、Databricks的Unity Catalog和Lakehouse、微软的Fabric和Purview，都在从存储/计算层向治理与整合层渗透。它们拥有存量客户关系、工程资源和品牌信任，但产品形态较重且往往锁定了自身的生态系统。

第二类潜在竞争来自数据集成赛道的成熟公司，如Informatica、Talend、MuleSoft（Salesforce旗下）以及新兴的Fivetran、Airbyte。这些公司擅长从一个系统移动数据到另一个系统，但通常不构建持久的数据上下文层供AI模型持续调用。Strattum的差异点恰恰在此——它强调的不是数据搬运，而是为AI建立“单一真实来源”的语境。

拉美本土市场的特殊性为这段竞争叙事增加了一层地域变量。拉美大型企业（金融机构、电信运营商、零售集团、矿业公司）普遍存在IT系统老化、并购后系统未整合、数据治理意识薄弱等问题。Strattum从巴西起步验证产品，避开了与美国或欧洲同类公司从零开始的正面竞争。但这也意味着，如果产品在国际市场测试中不能快速证明对更成熟IT环境的适应性，它将面临“本土定制方案”难以出海的经典困局。目前，“已开始在国际市场测试”这一信息粒度太粗，无法判断是对一个特定国家一个客户的试探，还是多市场小规模并行的系统性验证。

资本结构的信号：为什么是OneVC和Maya Capital，以及天使投资人为何未被点名

本轮联合领投的OneVC是横跨硅谷和圣保罗的双城基金，投资组合包括Brex、Pismo（被Visa收购）、Nubank等。在AI基础设施赛道，OneVC的投资逻辑一贯偏向“拥有深厚行业经验的创始团队+清晰的企业痛点+全球化潜力”。Maya Capital则更专注于拉美本土早期投资，其portfolio偏向金融科技和B2B软件。Norte Ventures是巴西本土种子到A轮阶段的活跃基金。三位天使投资人未被具名，这在此类融资公告中并不罕见——可能是仍在安排官方宣传口径，也可能是天使身份与其现任职务存在披露限制。

值得注意的是，本轮融资金额被至少两家报道形容为“高于巴西种子前轮平均水平”。在巴西生态中，种子前融资通常在100万至250万美元区间。320万美元的规模暗示两件事：第一，投资方对这一赛道的资本密度有较高预期，愿意在极早期就注入较多资金以换取速度优势；第二，创始团队的履历很可能在谈判中起到了估值支撑作用，使得较高金额的注入并未带来过度稀释。

这轮融资的结构中没有出现战略投资方或企业风险投资，全部为财务投资者。这在一定程度上有助于Strattum在早期保持产品独立性，避免过早锁定某一个云厂商或数据生态，但也意味着公司在客户关系、渠道资源上无法借助战略股东的加持。

资金将用于验证，验证什么才是真正的问题

根据公开信息，本轮融资的具体用途有三项：扩大以工程为重点的团队、在巴西验证平台、并开始在国际市场进行测试。从优先顺序来看，“验证”是核心关键词，而国际测试已经启动这一事实表明验证的阶段性目标可能正在从巴西本土过渡到更广泛的市场。

工程团队的扩充方向同样值得关注。如果招聘指向数据连接器和适配器的开发人员，说明产品仍处在扩展系统兼容性的阶段；如果招聘偏向AI/ML工程师，可能意味着公司计划在产品层内置更多模型交互能力；如果重点是可靠性工程师和客户成功角色，则说明已有pilot客户的交付需求开始倒逼组织扩张。目前这些细节均未披露。

而关键的验证问题其实分两层。第一层是产品-市场匹配：Strattum的编排平台在巴西大型企业中展现的价值，是否足以让客户从已有预算中切出独立项目采购这一工具，而非将其视为已有数据仓库或云服务合约的附加项。第二层是跨界迁移能力：成功服务一家巴西电信运营商的数据编排方案，有多大比例可以复用给墨西哥零售集团或智利矿业公司。投资者赌的显然是第二层，因为仅仅一个巴西大企业市场撑不起VC期待的退出规模。

风险不止在执行，更在“数据碎片化”这个命题本身会不会被行业绕过去

Strattum的故事立足于一个基本假设：企业数据碎片化问题将持续存在，并且必须通过独立中间层来解决。但这个假设面临两种结构性风险。

第一种风险来自AI模型能力的跳跃演进。当前的大语言模型和AI agent在处理非结构化、碎片化数据时确实效率低下、token成本高昂。但如果下一代模型在多源数据理解和上下文保持方面取得突破，企业对数据预编排的需求可能被削弱。这不是短期内能明确判断的趋势，但任何押注中间层的公司都需要持续警惕。

第二种风险更具现实性：云厂商和SaaS巨头正在从上游封堵数据碎片化问题。如果Salesforce、SAP、Oracle、Workday等核心企业系统供应商达成足够深度的数据互操作协议，或者云厂商在原厂层面完成更多自动化治理，那么独立编排层的价值窗口会在数年内收窄。Strattum目前的护城河在于“多源异构数据的统一”，但这个护城河的宽度取决于企业系统间互操作性的进步速度。

此外，一个无法回避却未被公开讨论的事实是：Strattum尚无已披露的客户。在320万美元种子前阶段，这本身并非异常——大量企业级初创公司在前12至18个月都处于设计合作伙伴阶段，不便公开客户身份。但这也意味着所有关于产品价值的论述，目前仅来自创始人基于过往经验的判断和公司自身的调研数据。下一轮融资需要回答的核心问题将是：有多少付费客户、合同金额区间、续约意向以及客户是否将Strattum视为不可或缺的基础设施层还是可替换的优化工具。

一个值得持续关注的试验：拉美能否在AI基础设施层长出全球化公司

拉美创业生态在过去五年里证明了它在金融科技和B2C领域的全球竞争力——Nubank、dLocal、Rappi、Mercado Libre都已成为各自赛道的国际玩家。但在AI基础设施层，迄今为止鲜有诞生于拉美且进入全球主流视野的公司。Strattum的尝试将在这一维度上成为一个有价值的风向标。

它的优势在于：创始团队拥有经过验证的企业软件退出经验，问题定义切中了全球大型企业的普遍痛点，融资节奏在早期就拉高了资本密度，且产品定位避开了与巨头的直接冲撞。它的挑战在于：商业模式未明、客户未披露、国际验证尚处测试初期、赛道技术变革速度极快且替代路径多元。

接下来的12到18个月将是最关键的观察窗口。当Strattum开始在国际市场披露具体客户和合作案例时，它是否有机会成为拉美AI基础设施的标杆叙事，将不再取决于创业故事，而取决于那6%之外的94%大型企业是否愿意为数据编排单独付费。

RecodeX 极客视：当整个行业都在向上堆叠更智能的模型时，Strattum选择向下清理数据的“地层”。这轮320万美元赌的是一个常常被忽略的前提——在AI能思考之前，它得先能看见。而看见的前提，是有人愿意钻进企业IT系统三十年沉积的混乱里，把矿脉打通。这家巴西公司的真正对手或许不是其他创业公司，而是大企业自己对于“混乱也可以将就”的惯性。