Latch获800万美元融资：把员工屏幕录制变成AI代理可执行的公司流程知识图谱，企业自动化能否从”看视频”转向”懂业务”？

当AI代理开始“上班”，它连公司怎么运转都不知道

西雅图连续创业者Stefan Kalb把这种现象概括为一句话：“人们极不擅长解释自己的工作，而且他们知道这一点。”据GeekWire报道，Kalb在2026年9月接受采访时说，当你要求某人把工作流程写成文档，他给你五步；但当你观察他实际操作，那是四十步，外加十几个他根本意识不到的判断节点——“因为对他来说那不是判断，那只是星期二。”

这句话背后藏着一个被大多数企业AI公司绕开的问题：AI代理缺的不是推理能力，而是对公司真实运行方式的感知。Kalb给出的答案是Latch——一家2025年成立、由FUSE投资800万美元的西雅图初创公司。它的产品逻辑不是让企业重新写一套流程文档，也不是让顾问进场做流程梳理，而是让员工在正常工作时录屏加口述，由系统把“屏幕+旁白”转化为公司流程的知识图谱，再把这个图谱喂给AI代理。公司称，这样AI代理“终于知道业务到底是怎么跑的”。

从“超级实验室”到“门闩”：一次产品转向暴露了什么

Latch并不是这家公司最初的名字。根据AI Market Watch的公司档案，2025年9月至11月间，Kalb以Super Labs的名义推出这家公司，拿到FUSE领投的800万美元种子轮。Super Labs时期的定位为“AI集成平台”，为中型企业提供定制化的AI微应用、集成服务和商业智能仪表盘。大约在2026年中，公司更名为Latch，产品重心转向工作流捕获，域名指向latch.ai。以上时间线和定位描述来自AI Market Watch档案，未获公司独立确认。

这个转向本身就是一个值得拆解的信号。Super Labs时期的表述——“连接器与集成商”“为现有AI供应商做整合”“无需内部技术团队即可采用AI”——听起来更像一家服务型公司，而非产品型公司。Latch这个名字的语义变化——从“实验室”到“门闩”——暗示Kalb想把公司锚定在一个更具体的产品动作上：把散落在员工行为中的流程“扣住”，固定下来，变成机器可读的结构。这一语义解读为编辑分析。

GeekWire报道称更名发生在“今年早些时候”，结合报道日期（2026年9月）推测为2026年上半年，这一时间点为编辑推断。但GeekWire没有解释更名的商业原因。AI Market Watch档案显示，Super Labs时期的定位是“为中型企业提供定制化的AI微应用、集成服务和商业智能仪表盘”，并称其“作为连接器和集成商，为现有AI供应商做整合”。公司从未公开披露Super Labs时期的客户数量、收入或产品使用数据，因此无法判断这次转向是主动的战略升级，还是对市场反馈的被动修正。

录屏不是产品，从视频里“学到的”才是

Latch的产品机制在纸面上并不复杂：员工录制自己执行任务的屏幕操作，同时像培训新人一样口述每一步在做什么、为什么这么做。Latch的系统观察这段录制，提取操作路径、判断节点和上下文条件，将其转化为结构化的、机器可读的工作流模型，再以知识图谱的形式服务于企业的AI代理。

Kalb在GeekWire的访谈中特别划了一条界线：“他们以为我们是Loom。Loom是一个躺在文件夹里等着人类去看的视频。Latch会观看这段录制，搞清楚你做了什么、为什么那样做，然后把它变成你的代理可以执行的东西。视频是输入，我们从中学到的才是产品。”

这条界线划得精准，但也暴露了Latch最核心的技术挑战。把一段录屏加口述转化为可执行的流程模型，意味着系统需要完成至少三层任务：第一，从屏幕像素流中识别出用户操作了哪些系统、点击了哪些字段、输入了什么数据；第二，从口述音频中提取与操作对应的语义解释，并把“我这么做是因为这个客户有信用冻结”这类口语化表达映射为结构化的条件判断；第三，把多个员工对同一任务的不同操作方式合并为一个覆盖主路径和异常分支的知识图谱。这三层任务中，第一层涉及计算机视觉和UI自动化识别，第二层涉及语音识别与语义对齐，第三层涉及流程挖掘与知识表示。每一层单独拿出来都是一个独立的创业方向。以上技术拆解为编辑分析。

公司没有披露任何关于识别准确率、流程覆盖率或图谱构建时长的性能指标。AI Market Watch的档案中“技术”一栏写的是“结合精算科学驱动的预测分析与零售运营专业知识”。该表述确实出现在档案的technology字段，但更接近对Kalb个人背景的描述，而非对Latch技术栈的说明，这一判断为编辑分析。Kalb的保险精算背景是真实的，Shelf Engine作为公司使用了机器学习来大幅减少食物浪费，但Kalb个人在Shelf Engine的机器学习经验未在来源中明确。Latch当前产品的技术实现路径、模型选择、是否需要人工审核流程模型，均未在公开来源中出现。因此，任何关于Latch“技术领先”的判断都缺乏可核实的基础。

中端市场的真空地带，以及为什么大厂没有填上

据AI Market Watch档案，Latch的目标客户是年收入5000万到10亿美元的中端市场企业，覆盖制造业、房地产、分销、建筑、金融服务和消费品六大行业。GeekWire的报道中没有出现“中端市场”这个术语，也没有出现具体的行业清单。

AI Market Watch将Latch定位为“填补昂贵的企业AI解决方案与碎片化独立工具之间的空白”。这个定位描述来自AI Market Watch，可能为编辑整理而非公司官方口径。

竞争格局方面，AI Market Watch列出的竞争对手包括UiPath Platform、Automation Anywhere和SS&C Blue Prism。这三家都是流程自动化领域的成熟玩家，但它们的核心逻辑与Latch有本质差异：RPA平台要求企业先定义流程规则，再由机器人执行；Latch则试图从员工行为中逆向提取流程。前者的前提是“企业知道自己怎么运转”，后者的前提是“企业不知道自己怎么运转，但员工的行为会说话”。如果Latch的捕获技术成立，它实际上是在RPA平台的上游——先有流程模型，才谈得上自动化执行。但反过来，如果RPA平台自己增加了流程挖掘能力，Latch的窗口期就会被压缩。Latch与这些平台之间是替代关系还是上下游关系，目前没有足够信息判断。以上竞争逻辑为编辑分析。

投资方名单里的信号：从YC到FUSE，钱在赌什么

Latch的投资者名单值得拆解。FUSE是投资方，这是一家总部位于西雅图地区的早期风险投资机构，以投资太平洋西北地区的B2B软件公司著称。跟投方中，Garry Tan是Y Combinator的总裁兼CEO，Liquid 2 Ventures是Joe Montana联合创立的风投，Soma Capital和Pioneer Fund都是活跃的种子阶段基金。个人投资者中，Immad Akhund是Mercury的联合创始人兼CEO，Gokul Rajaram是Doordash和Pinterest的董事会成员、硅谷知名的产品与增长导师，Bede Jordan的公开信息较少。

这份名单的构成透露出两层信息。第一，这是一轮典型的硅谷种子轮组合——机构领投加天使跟投，天使中既有YC生态的核心人物，也有金融科技和消费互联网的资深操盘手。第二，Gokul Rajaram的参与尤其值得注意。Rajaram在硅谷以“产品导师”身份著称，他参与早期投资的信号意义往往大于资金意义。这一判断为编辑分析，来源材料未提供Rajaram投资金额、投资条款或参与程度，因此无法核实其实际影响。需要明确的是，投资方名单来自AI Market Watch的档案，GeekWire的报道只确认了FUSE的投资地位，并未逐一确认其他投资方的参与。AI Market Watch为AI行业信息聚合站，其投资方名单可能来自公开资料整理，未经公司或投资方逐一确认。因此，这份名单的完整性应以AI Market Watch为准，但其准确性尚未得到公司或投资方的独立确认。

关于资金用途，公司未披露。GeekWire的访谈中，Kalb提到“决定停止在数量上竞争，把真金白银花在更少、更深入的对话上，面对面出现，每账户成本远超计划”。这句话说的是市场推广策略，不是资金用途的正式披露。但从这句话可以推断，800万美元中的相当一部分正在被用于一种高接触、低规模化的销售模式。对于一个种子阶段的公司来说，这既是理性的选择——中端市场客户需要信任建立——也是一个烧钱速度的隐患。以上推断为编辑分析。

“每账户成本远超计划”：一个创始人罕见的坦诚

在GeekWire的访谈中，Kalb对过去一年最艰难决策的回答，是整篇报道里信息密度最高的一段：“AI让触达客户更难、更贵，而不是更容易。每个收件箱都塞满了AI写的开发信，廉价渠道已经消失了。我们决定停止在数量上竞争，把真金白银花在更少、更深入的对话上，面对面出现。每账户成本远超计划，但这是唯一有效的方式。”

这段话之所以值得认真对待，是因为它罕见地承认了一个被大多数AI创业公司回避的事实：AI本身正在抬高获客成本。当所有人都用AI生成开发信时，开发信的边际效果趋近于零。Latch的回应是逆势增加单账户投入，用面对面接触替代规模化外联。这在销售效率上是一个倒退，但在信任建立上可能是中端市场唯一的通路。

从已披露的信息看，这意味着Latch的销售周期会更长，销售团队的人均产出会更低，现金消耗会更快。AI Market Watch档案显示Latch团队规模为2-10人。Kalb的个人履历——Molly’s发展到400多个网点，Shelf Engine拿下Target、Kroger和Walmart等零售巨头——意味着他具备与中端市场决策者对话的信用背书。但创始人的个人销售能力能否转化为可复制的销售体系，是Latch在18个月内必须回答的问题。

会计月末结账：一个聪明的切口，但验证路径仍然模糊

AI Market Watch的档案中有一条容易被忽略的时间线信息：2026年，Latch正在启动一个“会计月末结账设计合作伙伴计划”。这是目前公开信息中唯一的具体产品落地场景。AI Market Watch档案显示，Latch正在启动会计月末结账设计合作伙伴计划，但未披露该计划是否已启动、是否有客户参与或具体时间表。

月末结账是一个高价值、高重复性、高错误成本的流程。每家年收入5000万以上的公司都有月末结账，每家公司的结账流程都有大量“只有会计知道”的隐性规则——哪些科目需要手工调整、哪些差异可以容忍、哪些异常必须上报。这与Latch的产品逻辑高度契合：流程足够复杂，文档足够稀缺，错误成本足够高。选择这个场景作为设计合作伙伴计划的切入点，说明Kalb的团队至少做对了一件事：找到了一个“流程知识稀缺”的痛点，而不是去追逐“AI代理写邮件”这类已经被打烂的通用场景。以上场景分析为编辑分析。

但设计合作伙伴计划本身就是一个信号：Latch的产品还没有到达可以自助使用的阶段。设计合作伙伴意味着深度定制、高频沟通、联合开发。这在中端市场是可行的，但它的规模化路径是什么？如果每个客户都需要设计合作伙伴级别的投入，Latch的毛利率和扩张速度将受到结构性限制。这一判断为编辑分析，来源材料未披露设计合作伙伴计划的目标客户数量、合作条款或时间表，因此无法判断这是产品验证阶段的前置步骤，还是一种长期的服务模式。

风险不在技术，在于“流程知识图谱”能否成为可防御的资产

Latch面临的风险可以从三个层面拆解。

第一层是技术验证风险。公司称其系统能够“观察录制，搞清楚你做了什么以及为什么那样做”，但没有任何公开的准确率、召回率或人工干预率数据。录屏解析和口述对齐在实验室环境下的演示与在真实企业环境中的表现之间，通常存在显著差距。员工的口述可能是含糊的、自相矛盾的、夹杂行业黑话的；屏幕操作可能跨越多个系统、多个窗口、甚至多台设备。Latch的系统能否在这些条件下稳定工作，完全未经验证。

第二层是数据资产的可防御性。假设Latch的技术验证成功，它积累的“流程知识图谱”是否构成护城河？一家建材分销商的月末结账流程与另一家建材分销商的月末结账流程之间，有多少可迁移的共性？如果共性足够高，Latch可以建立行业模板，降低边际成本；如果共性很低，每个客户都是定制项目，Latch就退化为一家咨询公司。从已披露的信息看，公司没有说明其知识图谱的跨客户迁移能力，也没有披露任何行业模板的构建进展。

第三层是竞争窗口。RPA平台正在向上游延伸，流程挖掘公司如Celonis已经建立了企业级流程数据的入口，大模型公司如OpenAI和Anthropic正在把“工具使用”和“上下文理解”直接嵌入模型层。Latch的800万美元种子轮与UiPath、Automation Anywhere等成熟RPA平台的融资规模相比存在显著差距，但来源材料未提供后者的具体融资数据，无法做量化比较。它的机会在于：中端市场不是Celonis的目标客户，RPA平台对中端市场来说太重，大模型公司不提供“最后一公里的流程捕获”。其中“中端市场不是Celonis的目标客户”这一判断为编辑推测，来源材料未提供Celonis的目标客户定位或市场覆盖信息，因此无法核实。这个窗口能开多久，取决于Latch能否在窗口关闭前积累足够多的专有数据。以上竞争判断为编辑分析。

还有一个无法回避的问题：AI Market Watch的档案将door.com列为Latch官网，但GeekWire的报道没有确认这个域名的归属。door.com是一个高价值域名，如果确为Latch所有，这笔域名投入本身就会消耗相当比例的种子资金；如果不是，则说明公开信息存在错误。无论哪种情况，这都是一个需要公司澄清的事实缺口。

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：Latch把赌注押在一个被大多数AI公司绕开的假设上——企业流程的真实知识不在文档里，而在员工的操作行为里。这个假设如果成立，它打开的是一个比RPA更大的上游市场。但“如果”这个词的分量，在录屏解析的准确率、知识图谱的跨客户迁移性、以及设计合作伙伴模式的规模化路径这三个未验证变量面前，依然沉重。Shelf Engine从2016年成立到2025年被收购，历时约九年。Latch选择会计月末结账作为设计合作伙伴计划的切入点，意味着它至少找到了一个流程知识稀缺、错误成本高的具体场景；但能否把这个场景复制到其他行业和客户，仍然取决于上述三个变量能否被逐一验证。