财富 500 强不用 AI 代理，不是因为保守
2025 年已经过半，AI 代理仍然是企业软件领域最喧闹的叙事。但一个尴尬的事实悬在所有人头顶：财富 500 强公司几乎没有一家真正用 AI 代理改造了核心工作流。不是试点，不是 hackathon，是那种替换掉一整个客服团队、让应收账款的核对从两周变成两小时、让销售线索的分配不再需要人工干预的改造。这种改造，至今没有发生。
Composio 的 CEO Soham Ganatra 给出的解释很直接：当前 AI 代理不具备人类员工最基本的职业能力——从经验中学习。他在接受 Entrepreneur India 采访时说：“AI agents today do not improve the way human employees do. They do not build context or learn from past interactions.” 换句话说，一个人类员工在 Salesforce 里处理了三百个边界案例之后会变快、变准、变得能预判问题；而一个接入了 Salesforce 的 AI 代理，处理完第三百个边界案例之后，和它处理第一个时一样笨。
这个判断构成了 Composio 本轮融资叙事的起点。2025 年，这家总部位于旧金山、同时在班加罗尔设有运营团队的公司宣布完成 2500 万美元 A 轮融资，由 Lightspeed Venture Partners 领投。参与方包括 Vercel CEO Guillermo Rauch、HubSpot 创始人兼 CTO Dharmesh Shah、Rubrik 联合创始人 Soham Mazumdar、投资人 Gokul Rajaram，以及 SV Angel、Blitzscaling Ventures、Operator Partners、Agent Fund 等机构。现有股东 Elevation Capital 和 Together Fund 继续跟投。本轮完成后，公司总融资额达到 2900 万美元。
| 字段 | 内容 |
|---|---|
| 公司 | Composio |
| 轮次 | A 轮 |
| 金额 | 2500 万美元 |
| 投资方 | Lightspeed Venture Partners 领投；Guillermo Rauch、Dharmesh Shah、Gokul Rajaram、Soham Mazumdar、SV Angel、Blitzscaling Ventures、Operator Partners、Agent Fund、Elevation Capital、Together Fund 参与 |
| 总部 | 旧金山（班加罗尔设有运营团队） |
| 创始人 | Soham Ganatra、Karan Vaidya |
| 官网 | https://composio.dev |
共享技能层：让一个代理的教训变成所有代理的本能
Composio 的产品逻辑并不复杂，但它试图解决的问题在 AI 基础设施领域里属于最棘手的那一类。公司称其平台为一个“共享技能层”（shared skill layer）：当一个 AI 代理在 Composio 平台上学会了如何处理某个 Salesforce 集成的边界情况、优化某个 GitHub 工作流、或者用 Supabase MCP 搭建数据库，这段知识会变成平台上所有其他代理可调用的能力。Together Fund 在其投资备忘录中把这种机制描述为“agentic learning 的网络效应”。
从技术架构上看，Composio 做的事情可以拆成两层。第一层是集成层：平台提供预配置的连接器，让 AI 代理可以直接接入 Gmail、Salesforce、GitHub、Slack 等企业应用，开发者不需要自己处理认证流程或构建定制化连接。第二层才是公司真正想建立壁垒的地方：一个强化学习层，据公司披露，它能让 AI 从经验中建立“直觉”——这是传统 AI 代理架构中缺失的部分。Ganatra 在 PR Newswire 发布的新闻稿中说：“The challenge isn’t making AI smarter in isolation. It’s giving AI the ability to accumulate practical knowledge the way humans do—but at the scale and speed only software can achieve.”
这里需要区分清楚：集成层本身是一个已经被多家公司验证过的赛道，竞争门槛正在快速降低。MCP（Model Context Protocol）的普及让标准化连接变得越来越容易，LangChain 和 Vercel AI SDK 也在各自的生态里提供了大量现成工具。Composio 真正的差异化主张在于第二层——让代理在使用这些集成的过程中积累可迁移的经验。但这一层目前的技术实现细节，公司并未公开披露。从现有材料看，我们无法判断其“强化学习层”是在模型权重层面做微调、在提示词和上下文层面做优化、还是在工具调用和流程编排层面做模式识别。这三种路径的技术难度和护城河差异巨大，而 Composio 没有说明自己走的是哪一条。
一个可验证的事实是：Composio 的平台每天处理数百万次请求，超过 100,000 名开发者使用过该平台，服务超过 200 家初创公司和企业。这些数字来自公司披露，未见独立第三方审计。但即便以公司口径为准，日请求量达到百万级意味着平台的基础设施已经过了纯 demo 阶段，确实有真实负载在跑。问题在于，这些请求中有多少触发了“学习”机制，有多少只是普通的集成调用，公司没有给出拆分。
从集成工具到学习基础设施，中间隔着什么
Composio 的客户名单里有一些值得注意的名字。据公司披露，Glean——一家估值已经很高的企业搜索公司——在使用 Composio；YC 最新一批中的 April、OpenNote、Airweave、Den、Dash 也选择了这个平台；此外还有 Context 和 Altera 这类 AI 原生产品。这些客户有一个共同特征：它们都是 AI-first 公司，团队里不缺工程师，对 AI 代理的边界和局限有第一手的认知。这类客户选择 Composio，某种程度上验证了“集成+学习”这个组合在开发者群体中的吸引力。
但另一面是，这份客户名单里没有一家传统意义上的大型企业。Glean 是其中最接近“企业级”的名字，但它本身也是一家高速增长的 AI 创业公司，而非那种 IT 系统复杂、合规要求严苛、采购周期以季度计的财富 500 强组织。Composio 自己也在新闻稿中承认，财富 500 强公司尚未用 AI 代理转变工作流程。这意味着公司目前的收入基础——据披露年经常性收入超过 100 万美元——主要来自创业公司和 AI 原生团队，而非其叙事中指向的企业市场。
这个差距不是无关紧要的。创业公司对集成工具的容忍度远高于大型企业：它们可以接受 API 偶尔超时、可以接受学习机制还在迭代、可以接受在 Slack 里直接找创始人报 bug。但大型企业需要的是可观测性、治理、合规、权限隔离、审计日志，以及最重要的——可预测性。一个会“从经验中学习”的 AI 代理，对 CTO 来说既是吸引力也是风险：如果代理的行为会随着时间变化，那么如何在合规框架下管理这种变化？如何保证一个代理“学到”的东西不会在另一个场景里产生不可预见的副作用？Composio 在 Together Fund 的博客中提到了将资金用于“增强可观测性、治理和合规性”，这从侧面说明公司清楚企业市场需要什么，但目前的产品成熟度距离那个门槛还有多远，没有公开信息可以判断。
2900 万美元总融资背后的资本结构信号
Composio 的融资历史很短，但资本结构里有一些值得拆解的信号。公司 2023 年成立，种子轮 400 万美元，由 Together Fund 和 Elevation Capital 共同领投。这两家机构都来自印度创投生态——Together Fund 是印度 SaaS 领域活跃的早期基金，Elevation Capital 则是从 SAIF Partners 更名而来的老牌印度基金。A 轮由 Lightspeed 领投，同时拉入了 Vercel 的 Guillermo Rauch 和 HubSpot 的 Dharmesh Shah 作为天使投资人。
Rauch 和 Shah 的参与不是普通的“名人天使”站台。Vercel 是 AI 应用开发框架领域最重要的公司之一，Composio 的平台与 Vercel AI SDK 深度集成；HubSpot 则是 Composio 目标客户群体——使用 AI 代理处理销售和营销工作流的企业——的代表性软件公司。这两个人的加入，从产业链角度看，分别对应了 Composio 的开发者生态入口和企业客户入口。Lightspeed 的 Raviraj Jain 在新闻稿中把 Composio 定位为“impressive demos 和 transformative deployments 之间缺失的那一块”，这个表述和 Rauch、Shah 的参与放在一起看，说明投资方押注的是 Composio 成为 AI 代理基础设施层的“默认选择”，而不是一个垂直领域的集成工具。
但资本结构也暴露了一个问题：从种子轮到 A 轮，Composio 的估值没有披露，融资节奏也没有披露。公司称成立于 2023 年，新闻稿中又说“两年前就开始构建”，这意味着产品开发可能早于公司注册。种子轮到 A 轮之间隔了多长时间、A 轮完成的具体时间点、估值水平，这些关键信息全部未披露。对于一个年经常性收入刚过 100 万美元的公司来说，2500 万美元的 A 轮在 2025 年的 AI 基础设施赛道里不算夸张，但也绝不便宜。Lightspeed 愿意在这个阶段领投，说明其对 Composio 的预期不是线性增长，而是希望它成为 AI 代理学习层的品类定义者。
“学习”是一个被过度使用的词，Composio 需要证明它不只是集成目录
如果把 Composio 的叙事拆开，最核心的主张是：AI 代理需要从经验中学习，而 Composio 提供了让这种学习发生的基础设施。这个主张在概念层面几乎无可反驳——没有人会否认 AI 代理需要变得更好。但“学习”这个词在 AI 领域已经被过度使用到了几乎失去信息量的程度。OpenAI 的模型在更新版本时“学习”了更多数据，LangChain 的 agent 在调试时“学习”了更好的提示词，连一个简单的缓存机制都可以被描述为“从过去的请求中学习”。Composio 需要回答的问题不是“AI 是否需要学习”，而是“Composio 的学习机制和其他人说的学习有什么实质区别”。
从已披露的信息看，Composio 的共享技能层有一个明确的机制特征：当一个代理在平台上处理了一个边界案例，这个知识会变成其他代理可调用的能力。这种“一次学习，全局可用”的模式，和每个代理独立积累经验、或者开发者手动把经验写成提示词的模式，确实有本质区别。它更接近人类组织里的“最佳实践沉淀”——一个员工踩过的坑，变成整个团队的标准操作流程。但这里有一个关键的未验证假设：AI 代理的经验在多大程度上是可迁移的？一个处理过 Salesforce 权限问题的代理，其“经验”对另一个处理 GitHub 工作流的代理有多大价值？如果可迁移性很低，那么“共享技能层”就会退化成“共享连接器目录”，网络效应也就无从谈起。
公司没有披露任何关于经验迁移效率的数据。没有案例研究说明“一个代理学到的知识被另一个代理使用后，任务成功率提升了多少”。没有对比实验说明使用 Composio 学习层的代理和没有使用的代理，在长期运行中的表现差异。这些数据的缺失本身不构成对公司的否定——A 轮阶段的公司不需要发表学术论文——但它意味着 Composio 的核心价值主张目前仍然停留在“逻辑上说得通”的阶段，而非“数据上被验证”的阶段。Lightspeed 的 Jain 说 Composio 在“solving today’s integration problems”之外还在做更基础的事情，这个判断的成立与否，取决于 Composio 能否在接下来的 12 到 18 个月里拿出可量化的学习效果证明。
竞争格局：没有明确对手，但到处都是替代方案
Composio 的竞争格局在来源材料中没有被明确讨论。这不是因为公司没有竞争对手，而是因为它的定位横跨了多个赛道，每个赛道里都有不同的玩家。在集成层，Composio 面对的是 MCP 生态本身——如果 MCP 让连接任何工具都变得足够简单，那么“预配置集成”的价值就会被稀释。在 agent 框架层，LangChain、LlamaIndex、OpenAI Agents SDK 都在不同程度上提供了工具调用和流程编排能力，其中一些也在探索让代理在运行中积累上下文。在企业自动化层，传统的 RPA 厂商和新兴的 agentic automation 平台都在争夺“让 AI 代理真正进入企业工作流”的预算。
Composio 的差异化主张——共享学习层——在理论上可以叠加在任何框架之上，这也是为什么它强调与 MCP、LangChain、Vercel AI SDK、OpenAI Agents 的集成。但“可以叠加”和“不可替代”是两回事。如果 LangChain 或 OpenAI 决定在自己的框架里内置类似的共享学习机制，Composio 的独立价值就会受到挤压。如果 MCP 生态演化出某种标准化的“经验共享协议”，Composio 的专有学习层也可能面临被标准化的风险。这些都不是短期内的直接威胁，但它们定义了 Composio 的长期天花板：它要么成为所有框架之上的“学习层标准”，要么被框架本身吸收。
从客户角度看，Composio 目前吸引的主要是 AI-first 的开发者团队。这类团队的特点是技术能力强、迭代速度快、对“学习”机制有直觉性的理解。但这类客户也是最容易流失的群体——他们有能力自己搭建集成层，也有能力在发现 Composio 的学习机制不如预期时迅速切换。Composio 的 100,000 名开发者用户中，有多少是活跃用户、有多少是付费用户、有多少在深度使用学习层而非仅仅调用集成，这些数据未披露。如果大部分用户只是把 Composio 当作免费的集成目录使用，那么“共享技能层”的叙事就还没有被用户行为验证。
资金用途：研发、集成、GTM，以及一个隐含的合规补课
Composio 对 A 轮资金用途的表述覆盖了几个方向：扩展工程和研究团队、加速核心学习基础设施的开发、深化与 OpenAI Agents、LangChain、Vercel AI SDK 等框架的集成、扩展技能和连接器目录、增强可观测性/治理/合规性、在美国和全球扩展 GTM。这些方向本身没有太多意外，但“可观测性、治理和合规性”出现在一家 A 轮公司的资金用途清单里，值得注意。
对于一家以开发者工具起家的公司来说，可观测性和治理通常不是早期阶段的优先级。Composio 把这一项列入资金用途，说明公司已经意识到：如果要进入企业市场，学习机制带来的“行为不可预测性”必须被纳入治理框架。一个会随着时间改变行为的 AI 代理，对企业的合规部门来说是一个全新的挑战。如果 Composio 不能提供足够的可观测性——让企业清楚地看到代理学到了什么、为什么做出某个决策、学习过程是否引入了偏差——那么它的学习层在企业场景里就不是卖点，而是障碍。这个问题的解决难度不亚于技术本身，而且目前没有任何公开信息表明 Composio 在这方面有具体的产品方案或时间表。
GTM 方面的挑战同样不容低估。Composio 目前的客户主要是 AI 原生团队，这类客户通过开发者社区和口碑就能触达。但要进入传统企业市场，Composio 需要建立销售团队、处理安全审查、完成合规认证、提供 SLA 保障。这些投入的回报周期远长于开发者工具的增长曲线，而且会改变公司的成本结构。Together Fund 的博客中提到 Composio 将“scaling GTM in the US and globally”，但一个年经常性收入刚过 100 万美元的公司，同时推进研发、合规和全球 GTM，2500 万美元的 A 轮能支撑多久，取决于它能否在短期内把收入增速拉起来。
风险与待验证假设：学习层是护城河，还是另一个未兑现的承诺
Composio 面临的风险可以归纳为三个层面。第一层是技术验证风险：共享学习机制是否真的能在不同代理、不同任务、不同企业环境之间有效迁移经验，目前没有任何公开数据支持。如果经验迁移的效率很低，Composio 的核心差异化就会坍塌，公司退化为一个集成目录提供商，而集成目录的护城河正在被 MCP 生态快速侵蚀。
第二层是竞争风险：Composio 的“学习层”定位在概念上足够新颖，但新颖本身不构成壁垒。LangChain、OpenAI、Anthropic 这些拥有更大生态和更多资源的玩家，如果决定在框架层面内置类似机制，Composio 的独立空间会被大幅压缩。Composio 目前的应对策略是“与所有框架集成”，做一个中立的叠加层。但中立叠加层的生存空间，取决于框架之间是否保持足够的开放性和竞争性。如果 AI 代理框架市场最终收敛到一两个主导玩家，叠加层的议价能力就会急剧下降。
第三层是市场时机风险：Composio 的叙事建立在“AI 代理将从 demo 走向企业部署”的判断之上。这个判断大概率是对的，但时间窗口不确定。如果企业采用 AI 代理的速度慢于预期——因为合规、安全、组织变革等因素——Composio 的 GTM 投入就可能在短期内看不到回报。公司目前的收入基础主要来自 AI 原生团队，这类客户的数量和付费能力都有限。从 100 万美元 ARR 到 1000 万美元 ARR 的跨越，需要企业客户开始规模化付费，而这个跨越的时间点不在 Composio 的控制范围内。
从已披露的 100,000 名开发者、200 多家客户、100 万美元以上 ARR 和每日数百万次请求来看，Composio 确实有一个真实的产品和一个真实的用户群体。但“真实”和“验证”之间还有距离。A 轮融资解决的是“能不能继续跑”的问题，而不是“跑的方向对不对”的问题。Composio 的方向——让 AI 代理从经验中学习——在逻辑上足够有说服力，但逻辑上的说服力在 AI 基础设施领域从来都不是稀缺品。稀缺的是数据：学习效果的数据、经验迁移的数据、企业客户留存的数据。这些数据，Composio 还没有拿出来。
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：Composio 把“AI 代理不会学习”这个行业共识变成了一个可融资的基础设施命题，这本身就是一种能力。但共享技能层的真正考验不在融资叙事里，而在一个更朴素的问题上：一个代理踩过的坑，能不能让另一个代理真的少踩一次？如果答案是肯定的，Composio 有可能成为 AI 代理时代的“组织记忆层”；如果答案只是“在某些场景下部分有效”，那它可能最终只是 MCP 生态里一个做得不错的集成目录。2500 万美元买的是验证这个答案的时间，而不是答案本身。
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。