当一家年营收数十亿的上市公司把营销预算切给一家成立仅两年的 AI 公司时，它买的往往不是又一个投放工具，而是一个更难回答的问题：增长这件事，能不能从少数人的手感变成一套可以移交的系统？2026 年 9 月 3 日，AI 营销增长公司物自体科技（Noumena）宣布完成数千万元战略融资，领投方不是财务 VC，而是它的客户——便携储能与消费级光储上市公司华宝新能。

这笔钱规模不大，但结构特殊。华宝新能既是出资方，也是 BOOT 方法论的落地场景。其旗下 Jackery 电小二业务覆盖全球 50 多个国家和地区，营销链路横跨多语言、多平台、多区域，天然是检验“AI 能否替代经验判断”的高压环境。据投资方声明，华宝新能是在真实业务合作中看到了 AI 营销对企业增长的持续价值，才决定从客户变成股东。

物自体科技成立于 2023 年，创始人裴沵思此前任 SAP 全球副总裁、第四范式总裁。公司称其核心产品是一套名为 BOOT 的企业级 AI 营销转型方法论，覆盖从组织重构到智能资产移交的四个阶段。本轮融资后，公司披露资金将用于 BOOT 的规模化落地、营销垂类模型研发以及海内外行业拓展。但具体金额未披露，仅以“数千万元”计。

字段 内容
公司 物自体科技（Noumena）
轮次 战略投资
金额 数千万元（具体金额未披露）
投资方 华宝新能（领投）
总部 上海
创始人 裴沵思
官网 https://www.noumena.com.cn/

BOOT 不是卖工具，而是卖一次“判断力移交”

物自体科技把 BOOT 定义为四个阶段：Break、Orchestrate、Operate、Transfer。据公司披露，Break 是打破旧业务结构和运营惯性；Orchestrate 是编排 AI 原生组织与增长系统；Operate 是在真实业务中交付增长结果；Transfer 则是将已验证的 AI 增长能力移交给企业，让后者获得持续复利。

这套框架的关键不在技术名词，而在交付逻辑。公司联合创始人兼首席科学家赵欢称，BOOT 的目标不是长期替企业做营销，而是帮助企业完成 AI 增长系统从冷启动、实战验证到能力移交的过程。据公司披露，其做法是把真实预算投入后的市场反馈作为校准 AI 判断力的评价信号，选择进入最具挑战的增长场景，用商业结果反向校准系统。

这一说法与市面上多数 AI 营销产品的定位形成差异。后者通常停留在投放优化、素材生成、用户画像等工具层，交付的是效率提升；而 BOOT 试图切入的是增长决策层，交付的是判断力资产。但需要指出的是，公司并未披露任何具体客户案例的量化结果，例如某客户在使用 BOOT 后 ROI 提升多少、投放成本下降多少、组织效率改善多少。因此，这套方法论的有效性目前只能从投资方华宝新能的续约式投资中侧面观察，尚缺乏独立第三方验证。

从交付形态看，BOOT 的四个阶段之间存在明显的递进关系。Break 和 Orchestrate 更接近组织咨询与系统搭建，Operate 则要求进入真实业务并承担结果，Transfer 又回到能力沉淀与移交。这种设计意味着，Noumena 的收入可能并非来自一次性软件授权，而更可能来自分阶段的项目制交付或与业务结果挂钩的服务费。但公司未披露其定价模式、合同结构或收入确认方式，因此这一判断仍需验证。

客户变股东：一笔融资背后的产业链约束

华宝新能领投本轮，是理解这笔交易最重要的切口。华宝新能（301327.SZ）的主营业务是便携储能与消费级光储，旗下 Jackery 电小二覆盖户外便携储能、家庭储能等场景。据公司披露，Jackery 业务覆盖全球 50 多个国家和地区。这意味着其营销体系必须同时处理不同市场的渠道结构、内容合规、用户心智和投放效率，复杂度远高于单一市场品牌。

从已披露信息看，华宝新能与 Noumena 的合作并非单纯的财务投资。华宝新能副董事长、副总经理温美婵称，选择投资源于在真实业务合作中看到了 AI 营销对企业增长的持续价值；Jackery 只是第一步，当 AI 原生增长系统在一个复杂的全球品类上跑通，它就可以成为更多中国品牌走向世界的增长基建。

这里存在一个值得注意的资本结构信号：华宝新能既是客户又是股东，意味着 Noumena 在早期阶段就绑定了产业方的场景与预算。这种结构的好处是，公司可以在真实业务中打磨方法论，而不必像纯财务投资驱动的创业公司那样先做规模再做验证。但风险同样存在：如果华宝新能的业务波动或双方合作节奏变化，Noumena 的收入集中度和战略自由度都可能受到影响。公司未披露华宝新能在其收入中的占比，因此这一风险的具体程度无法判断。

更值得追问的是，这种“客户即股东”的结构可能改变 Noumena 与华宝新能之间的议价关系。当服务方与客户存在股权纽带时，服务定价、交付优先级和知识产权归属都可能变得复杂。例如，Noumena 在服务华宝新能过程中沉淀的行业模型与判断资产，是否会被要求以某种形式向股东方倾斜，公司未披露相关约定。这并不意味着必然存在利益冲突，但意味着 Noumena 需要在后续融资和客户拓展中，向其他潜在客户解释其独立性与数据边界。

从 SAP 到第四范式，创始人的路径依赖与反向选择

裴沵思的履历为这家公司提供了某种可信度，也划定了它的边界。他曾在 SAP 担任全球副总裁，又在第四范式担任总裁。SAP 背景意味着他熟悉大型企业的组织流程和决策链条，第四范式背景则让他接触到 AI 在企业端的落地逻辑。这两段经历叠加，指向的是一个特定市场：需要系统性改造、而非单点提效的大型企业。

这解释了 Noumena 为什么不做轻量级 SaaS 工具，而选择以方法论切入组织重构。裴沵思称，在 LLM 把智能变成商品的时代，最稀缺的不再是算法，而是被真实结果验证过的判断；公司不只停留在投放和工具层，而是自上而下，从 CEO 的增长决策出发重构增长系统。

但这一选择也意味着更高的交付门槛。BOOT 的四个阶段中，Break 和 Orchestrate 涉及组织架构和工作流改造，这通常需要客户内部有足够强的推动者。对于年营收数十亿的上市公司，这种改造可能触及既有利益格局；对于新锐品牌，组织弹性更大，但付费能力和场景复杂度又相对有限。Noumena 未披露其客户留存率、客单价或交付周期，因此无法判断这套方法论在不同规模客户之间的可复制性。

裴沵思的履历还隐含另一层约束：SAP 和第四范式的经验都建立在相对成熟的企业服务体系中，客户决策链长、交付周期长、对“一把手工程”依赖度高。Noumena 选择从 CEO 增长决策切入，意味着其销售对象可能集中在企业最高决策层。这种打法的好处是客单价可能更高、战略绑定更深；坏处是销售周期可能被拉长，且一旦 CEO 更替或战略转向，项目延续性可能受到影响。公司未披露其销售漏斗、平均成交周期或客户决策链信息，因此这些判断仍停留在逻辑推演层面。

40 人团队与“营销垂类模型”的研发密度问题

据公司披露，Noumena 团队核心成员约 40 人，超过 60% 是 AI 大模型、算法和工程研发人员。按此比例推算，研发人员约 24 人以上。对于一个声称要持续研发营销垂类模型、并在多个行业规模化落地的公司来说，这个团队规模并不宽裕。

营销垂类模型的研发通常需要大量高质量标注数据、行业知识注入和持续的场景反馈。Noumena 的优势在于，它通过 BOOT 进入客户真实业务，理论上可以积累比纯工具公司更贴近决策层的数据。但公司未披露其模型的具体架构、参数规模、训练数据来源或与通用大模型的差异。从公开信息看，其技术护城河更多体现在交付方法论和场景 know-how 上，而非模型本身的性能指标。

一个更现实的约束是：40 人团队同时服务消费电子、美妆个护、医美健康、时尚服饰、餐饮连锁、汽车、教育、保险等多个行业，每个行业的营销逻辑、数据结构和决策链条差异显著。如果 BOOT 的交付高度依赖人工介入，那么规模化就会受限于团队产能；如果交付高度产品化，那么每个行业的适配深度又可能不足。公司称正在形成“深入高复杂度场景”与“产品化标准化”两条路径，但未披露这两条路径各自的收入占比或交付效率数据。

团队结构本身也透露出一些信息。超过 60% 为研发人员，意味着交付、客户成功、销售和行业专家团队合计占比不足四成。对于一个以“交付真实业务结果”为核心卖点的公司来说，这种结构可能意味着两种情形：要么当前客户数量有限，尚不需要大规模交付团队；要么公司正在把方法论沉淀为可复用的产品，以降低对人工交付的依赖。两种情形都指向同一个事实：Noumena 仍处于从标杆验证向规模复制过渡的早期阶段。公司未披露交付团队与研发团队的具体比例、单个客户的交付周期或人效数据，因此无法判断其商业模式的杠杆率。

竞争格局：AI 营销的拥挤赛道与 Noumena 的定位缝隙

AI 营销是一个极度拥挤的赛道。从通用大模型厂商到垂直 SaaS 公司，从投放优化平台到内容生成工具，几乎所有玩家都在争夺企业营销预算。物自体科技没有在公告中列出直接竞争对手，但从其定位看，它面临的替代方案至少包括三类：一是企业自建 AI 营销能力，尤其是已有数据中台和算法团队的大型公司；二是采购成熟的营销 SaaS 工具，以更低成本解决单点问题；三是继续依赖传统代理公司或咨询公司，以人力服务换取灵活性。

Noumena 的差异化在于，它试图占据“增长系统重构”这一更上游的位置，而不是与工具类产品在功能层面竞争。裴沵思的表述很明确：从 CEO 的增长决策出发，而不是从投放执行出发。这一定位如果成立，意味着 Noumena 的竞争对手更接近咨询公司和企业数字化服务商，而非单纯的 AI 营销工具。

但这一缝隙也意味着更大的说服成本。企业 CEO 愿意为“增长系统重构”买单的前提，是能看到可归因的业务结果。Noumena 强调用真实预算和市场反馈校准 AI 判断力，这听起来合理，但公司未披露任何可公开验证的效果数据。相比之下，工具类产品至少可以给出点击率、转化率、素材生成速度等即时指标。Noumena 需要证明的是，一套需要数月甚至更长时间交付的方法论，能在结果上跑赢那些更轻、更快、更便宜的替代方案。

另一个竞争维度来自通用大模型的快速演进。如果基础模型在多语言内容生成、用户意图理解和投放策略优化上的能力持续增强，部分企业可能选择直接基于通用模型自建轻量级营销系统，而不必引入一套需要组织重构的方法论。Noumena 的应对逻辑可能是：通用模型提供的是“智能原材料”，而 BOOT 提供的是把智能嵌入组织决策链的“工艺”。但这一逻辑能否被市场接受，取决于其能否持续交付可归因的业务结果，而这一点目前仍缺乏公开证据。

资金用途与待验证假设：从标杆客户到行业复制

本轮资金用途有三项：BOOT 的规模化落地、营销垂类模型研发、海内外行业拓展。其中，前两项指向内部能力建设，第三项指向市场扩张。从融资节奏看，Noumena 此前已完成数千万元 Pre-A 轮融资，投资方包括狮城资本、百度战投和靖亚资本。本轮由产业方领投，意味着公司在资本结构上从财务 VC 转向产业资本加持。

这里有一个值得关注的假设：华宝新能作为标杆客户的成功，能否复制到其他行业？Jackery 所在的消费电子与便携储能品类，具有客单价较高、决策周期较长、海外市场占比大的特点。这些特点与美妆个护、餐饮连锁、教育等行业存在显著差异。Noumena 声称已在多个行业落地，但未披露各行业的客户数量、收入贡献或续约情况。因此，“多行业落地”目前更接近公司口径，而非可验证的市场渗透。

另一个待验证假设是 BOOT 的交付效率。如果每个客户都需要创始人级别的高密度介入，那么规模化就会遇到瓶颈；如果交付可以标准化到普通团队即可执行，那么方法论本身的价值又可能被稀释。Noumena 未披露其交付团队与研发团队的比例、单个客户的交付周期或人效数据，因此无法判断其商业模式的杠杆率。

从已披露的团队结构看，超过 60% 是研发人员，这意味着交付和客户成功团队占比相对有限。这既可能说明公司正在把方法论沉淀为产品，也可能意味着当前客户数量尚不足以支撑大规模交付团队。两种解读都指向同一个事实：Noumena 仍处于从标杆验证向规模复制过渡的早期阶段。

风险同样明确。AI 营销赛道技术迭代极快，通用大模型的能力边界不断扩展，可能侵蚀垂直模型的空间；客户拓展存在不确定性，尤其是当目标客户自身面临增长压力时，为“系统重构”付费的意愿可能下降；华宝新能作为单一战略投资方，其业务波动或战略调整可能对 Noumena 产生超出财务层面的影响。公司未披露具体融资金额、估值、收入规模或客户集中度，这些信息的缺失使得外部难以对其真实经营状况做出更精确的判断。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

  • 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
  • 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
  • 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：物自体科技拿到的这笔钱，真正值得关注的不是金额，而是结构——客户变成股东，意味着 AI 营销的竞争正在从“谁的工具更好用”转向“谁能在真实业务里交出判断力”。BOOT 方法论听起来像咨询，做起来像交付，卖出去像系统，这种混合形态在早期可以靠创始人背书和标杆客户撑住，但要跨过规模化那道坎，Noumena 必须回答一个它目前尚未回答的问题：当裴沵思不再亲自站在每一个客户面前时，这套方法论还能不能跑通。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。