Profound 完成1.8亿美元D轮：当AI成为搜索入口，品牌如何争夺答案引擎中的曝光权

2026年9月15日，总部位于纽约的Profound宣布完成1.8亿美元D轮融资，估值达到18亿美元，由红杉资本和Kleiner Perkins联合领投。据公司披露，本轮融资距离其9600万美元C轮融资不到七个月，彼时估值为10亿美元。在风险投资整体趋于审慎的年份里，这种估值在七个月内近乎翻倍的速度，本身就构成了一个需要被审视的信号。编辑分析：资本究竟在为什么样的未来定价，取决于AI搜索渗透速度、平台开放程度与品牌付费意愿是否同时成立，而非仅凭估值增速即可确认商业验证。需要说明的是，本文涉及总融资额和估值的表述均属采信公司口径，而非独立确认事实；Tracxn对Profound总融资额和估值另有口径，与本文采信的公司博客及Unite.ai等来源存在冲突，该冲突尚未向Tracxn或公司IR进一步求证。

Profound的答案很直接：当AI对话开始吞噬传统搜索的流量入口，品牌需要一套新的基础设施来监测、影响并管理自己在AI推荐中的存在。公司称，其平台目前服务超过1000家企业品牌，覆盖超过三分之一的财富100强和16%的财富500强。这些数字如果属实，意味着Profound在极短时间内完成了一次从边缘工具到企业级供应商的跃迁。但数字本身不构成护城河，真正的问题是：这门生意的天花板，究竟是由AI搜索的渗透速度决定，还是由品牌对“AI可见性”这件事的付费意愿决定？

从答案引擎优化到代理编排：Profound正在把自己从监测工具改写成营销操作系统

Profound的起点是一个分析平台。按照联合创始人兼CEO James Cadwallader的说法，公司最初帮助营销人员理解买家如何通过AI发现品牌。这个定位本身并不性感，它更像是一个针对ChatGPT时代的SimilarWeb或SEMrush——监测、报告、给出优化建议。但D轮融资所对应的产品叙事已经明显越过了这条线。Cadwallader在融资声明中称：“今天，他们正在使用我们的Agents进行研究、写作和报告。”公司称，其AI Marketer产品已经从一个分析工具演变为一个“代理编排器”，能够与营销团队的各个职能并行工作。

这个转变的实质是：Profound不再满足于告诉品牌“你在AI答案里表现不好”，而是试图直接介入品牌“如何表现”的生产过程。其Context Manager组件据公司披露，能够提炼公司知识库文件、会议记录和沟通线程，使AI Marketer能够随着品牌定位的演变而调整输出。这意味着Profound的产品边界从“监测层”延伸到了“内容生成与策略执行层”。另一个产品Ads Studio则被公司描述为最新产品，允许营销人员在OpenAI、Google和Meta的广告管理器上构建、发布和管理AI搜索广告活动，并通过Profound自有的追踪像素进行归因。

从已披露的产品架构看，Profound正在试图回答一个产业链中的真实约束问题：AI搜索的推荐结果不是静态的网页排名，而是模型基于上下文动态生成的。品牌无法像过去那样通过购买外链或优化标题标签来稳定地“占据”一个位置。要影响模型的输出，品牌需要把自己的信息以模型能够理解的方式注入到生成过程中。Profound的Context Manager和AI Marketer的组合，本质上是在做这件事——把企业的非结构化知识转化为模型可调用的上下文。但这里存在一个尚未被独立验证的假设：模型是否真的会因为某个品牌使用了Profound的工具而更频繁地推荐它？公司称客户报告使用后60天内AI可见性提升25-40%，但这一数据来自客户自我报告，未披露样本量、对照组或测量方法，因此其因果性无法从现有材料中确认。

客户名单的含金量与一个尚未被定义的品类

Profound的客户名单在B2B SaaS创业公司中属于相当能打的一类。据公司披露，其客户包括Comcast、The Estée Lauder Companies、Walmart、Campari Group、Royal Bank of Canada，以及Zoom、ServiceNow、Ramp、Cursor、MongoDB、Figma等科技公司。这份名单横跨消费、金融、企业软件和开发者工具，说明Profound的付费逻辑并不局限于某个特定垂直行业，而是指向一个更普遍性的焦虑：任何依赖线上获客的品牌，都可能在AI搜索时代失去对推荐流的控制。

更关键的是，Profound所定义的品类——“答案引擎优化”（AEO）——本身还没有形成公认的行业标准。SEO有Google的算法规则作为参照系，有大量的第三方工具可以验证优化效果。AEO面临的问题是：ChatGPT、Perplexity、Google AI Overviews等不同平台的推荐机制并不透明，且处于快速迭代中。一个品牌在ChatGPT中的可见性提升，未必能迁移到Perplexity或Gemini。Profound声称支持200多个集成，但公司未逐项说明这些集成的类型，例如API、像素、广告管理器或其他接入方式；集成的广度也不等同于效果的确定性。从已披露的信息看，公司尚未公布任何经过独立审计的跨平台效果基准，这意味着客户在采购时很大程度上需要依赖Profound自己的追踪像素和报告体系来评估ROI。

七个月估值翻倍的资本结构：红杉与KP的双重押注，以及一个被压缩的融资节奏

Profound的融资节奏在2024-2026年的市场环境里显得相当激进。根据公司博客记录：2024年8月12日宣布350万美元种子轮，由Khosla Ventures、Saga Ventures和South Park Commons投资；2025年6月18日宣布2000万美元A轮，由Kleiner Perkins领投；2025年8月12日宣布3500万美元轮次；2026年2月24日宣布9600万美元C轮，估值10亿美元，由Lightspeed Venture Partners领投；再到2026年9月的1.8亿美元D轮，估值18亿美元。需要说明的是，Tracxn对Profound总融资额和估值另有口径，与本文采信的公司博客及Unite.ai等来源存在冲突；该冲突尚未向Tracxn或公司IR进一步求证，因此本文涉及总融资额和估值的表述均属采信公司口径，而非独立确认事实。

这种节奏在AI应用层公司中并不常见。从已披露的融资记录看，Profound从A轮到D轮只用了不到一年半，而传统SaaS公司通常需要更长的验证周期。这背后有两种可能的解释：一种是公司的收入增长和客户扩张速度确实支撑了这种加速——从2026年2月C轮时的“超过700家企业、超过10%的财富500强”到D轮时的“超过1000家企业、超过三分之一的财富100强和16%的财富500强”，七个月内客户数量增长了约43%，财富500强渗透率从10%提升到16%。需要说明的是，C轮数据来自公司博客/Unite.ai，D轮数据来自Yahoo Finance新闻稿，两者属于不同来源口径，并非同一来源的连续披露。另一种解释是，投资方在AI搜索这个窗口期内选择用资本速度换取市场卡位，即使这意味着在单位经济模型尚未完全验证的情况下提前锁定高估值。

红杉资本和Kleiner Perkins的联合领投值得注意。这两家机构在AI应用层投资上并不总是站在同一边，它们同时出现在领投位置，说明双方对“AI搜索将重塑营销基础设施”这个判断有高度共识。Kleiner Perkins合伙人Ilya Fushman在声明中称，Profound正在从AI搜索扩展为一个更广泛的平台，服务于现代营销团队的运作方式。红杉资本合伙人Anas Biad则表示，最大的品牌正在迅速将AI应用于营销团队，而Profound已经确立了作为这些品牌所依赖的应用AI实验室的地位。这两段话的共同点是：它们都在把Profound的叙事从“AI搜索工具”推向“AI营销平台”，而这个更大的叙事恰恰是支撑18亿美元估值的关键。

资金用途里的信号：应用AI实验室与后训练模型，是研发纵深还是叙事扩张？

Profound称，本轮资金将用于扩展其在纽约和旧金山的应用AI实验室。据公司披露，该团队将研究前沿模型在营销任务上的表现，评估模型能力，并针对营销进行后训练。公司还在开发一个基准测试，用于评估AI在复杂营销任务中的能力边界——包括模型是否能够理解业务、权衡相互竞争的市场信号，并在不同营销职能中产出工作成果。公司未披露后训练所依赖的模型提供商、合作方式或接口开放程度。

这个资金用途透露了一个重要信息：Profound并不满足于做一个建立在别人模型之上的应用层工具。它正在尝试向模型层和评估层延伸，至少是在营销这个垂直领域内。公司数据负责人Ali Vaghar称，公司正在构建“技术严谨性和首个评估方法”，以使AI真正对营销人员有用。如果这个基准测试能够成为行业标准，Profound将获得一个类似于“营销AI的MMLU”的地位，这对其长期竞争壁垒的意义可能超过单纯的客户数量增长。

但从另一个角度看，后训练模型和开发基准测试是昂贵的工程投入，且其商业回报路径并不清晰。一家年收入未披露的SaaS公司，在D轮融资后将大量资金投入基础研究性质的实验室，这在传统SaaS资本配置逻辑下是反常的。更合理的解释是：Profound意识到AI搜索的推荐机制正在快速变化，如果只停留在应用层，它的工具可能随着底层模型的一次更新而失效。通过后训练和基准测试，公司试图在模型能力演进的过程中获得某种“提前量”。这是一种防御性的研发策略，但其有效性取决于一个尚未被验证的前提：模型提供商是否愿意让第三方在营销垂直领域进行深度定制，而不是自己直接向品牌提供类似能力。

没有竞争对手的赛道：是蓝海还是无人区？

在本次融资的公开材料中，Profound没有提及任何直接竞争对手。这在一个1.8亿美元D轮融资的语境里是罕见的。通常，一家公司到了D轮，要么已经在一个被验证的品类中与对手正面竞争，要么正在定义一个全新的品类。Profound显然属于后者。但“没有竞争对手”也可以被解读为另一种含义：这个品类还没有大到足以吸引足够多的玩家进入，或者现有的玩家还没有形成值得被提及的规模。

从产业链角度看，Profound的潜在竞争来自几个方向。传统SEO工具商如SEMrush、Ahrefs、Conductor正在尝试将AI搜索监测纳入其产品矩阵；广告科技公司如The Trade Desk正在探索AI推荐流中的广告位；而OpenAI、Google、Meta这些平台方本身，则掌握着最底层的推荐机制和广告库存。需要明确的是，上述三类竞争方向属于编辑分析框架，公开材料未提供这些公司与Profound在客户数、收入、查询处理量或效果基准上可直接对比的量化指标，因此应被视为待核验的竞争维度，而非已确认的竞争事实。Profound的Ads Studio试图跨OpenAI、Google和Meta的广告管理器进行AI搜索广告活动管理，这意味着它同时在与平台方的广告系统对接，也在与平台方潜在的“官方优化工具”竞争。如果平台方决定自己提供品牌在AI推荐中的可见性优化服务，Profound的中间层价值将受到挤压。目前，公司未披露其与这些平台方之间是否存在正式的商业合作或API访问协议，这是一个关键的待验证假设。

据二手报道，来源材料中出现的可比公司包括Athena、Scrunch AI和Peec AI。Athena由前Google搜索团队成员创办，重点分析不同AI模型如何抓取和呈现品牌信息；Scrunch AI提供“AI专用页面”（Agent Experience Platform，简称AXP），让内容更易被AI抓取；Peec AI则提供监控品牌在AI平台出现频率、对比竞品、追踪提及来源的分析平台。需要明确的是，这些公司的信息均来自二手报道，未经独立验证，不应被读作已确认事实。公开材料未提供与Profound在客户数、收入、查询处理量或效果基准上可直接对比的量化指标。因此，本文无法对Profound与上述公司进行可靠的量化竞争比较；可比较但尚未披露的指标包括：各公司付费客户数、收入规模、查询处理量、跨平台效果基准、客户留存率以及平台方API访问权限。

商业化瓶颈与待验证假设：一个尚未被证明的ROI故事

Profound的商业模式是企业级SaaS订阅。公司称客户报告使用后60天内AI可见性提升25-40%，但这个数据来自客户自我报告，且未披露样本量、对照组或测量方法。对于一家每月营销预算可能只有几千美元的小企业来说，固定支出需要非常明确的回报证明，而AI可见性提升与最终销售收入之间的因果关系，目前在整个行业里都缺乏被广泛接受的归因标准。

更大的商业化瓶颈在于企业客户的预算归属问题。Profound的产品横跨了品牌营销、效果广告、内容运营和数据分析四个职能。在大型企业的组织架构里，这四个职能通常分属不同的团队和预算池。Profound的AI Marketer试图作为一个“代理编排器”与营销团队的各个职能并行工作，但这意味着它需要同时说服CMO、品牌总监、效果营销负责人和数据团队。这种多决策者的销售模式会拉长销售周期，增加实施复杂度。公司称其企业治理功能包括基于角色的访问控制、SCIM配置和SOC 2合规，这些功能的存在说明Profound已经在应对企业采购的合规要求，但合规能力不等于预算归属问题的解决。

从已披露的客户名单看，Profound的客户中既有Walmart这样的零售巨头，也有Cursor、Ramp这样的高速增长科技公司。这两类客户的付费逻辑可能完全不同：前者关注的是品牌在AI推荐中的防御性存在，后者关注的是如何用AI代理替代部分营销人力。Profound能否同时服务好这两种需求，取决于其产品架构是否足够灵活。目前，公司未披露其收入构成、客户留存率或净收入留存率，这些指标对于判断一家D轮SaaS公司的商业健康度至关重要。在缺乏这些数据的情况下，18亿美元的估值更多建立在对AI搜索渗透速度的预期上，而非对Profound单位经济模型的验证上。

风险与边界：当推荐机制本身成为变量，Profound的地基是否足够稳固？

Profound面临的最根本风险，是其产品所依赖的推荐机制本身处于高度不稳定状态。ChatGPT、Perplexity、Google AI Overviews等平台的推荐算法尚未定型，每一次模型更新都可能改变品牌可见性的计算方式。如果Profound的优化方法论建立在当前模型的行为模式上，那么模型的一次重大更新就可能使这些方法论失效。公司试图通过应用AI实验室和后训练来对冲这一风险，但后训练本身需要模型提供商的合作或至少是开放接口，而这一点在公开材料中未被确认。

另一个风险来自平台方的商业策略变化。如果OpenAI或Google决定将“品牌在AI推荐中的位置”作为一种广告库存进行官方售卖——这已经在Google AI Overviews的广告测试中初现端倪——那么Profound的Ads Studio和可见性优化工具将面临来自平台方的直接竞争。平台方掌握着推荐机制的最终解释权和广告位的定价权，第三方工具在这个价值链中的位置天然脆弱。Profound的应对策略似乎是跨平台聚合：当一个品牌需要同时管理在OpenAI、Google和Meta上的AI搜索存在时，Profound提供了一个统一的控制面板。但这个策略的有效性取决于平台方是否愿意保持开放，以及品牌是否认为跨平台管理比在单一平台内深度优化更有价值。

从已披露的融资节奏看，Profound在25个月内完成了从种子轮到D轮的五轮融资，这种速度在提供资本弹药的同时，也压缩了公司在产品迭代和商业验证之间的缓冲空间。编辑推演：如果AI搜索的渗透速度低于预期——例如，如果消费者在尝试AI对话后仍然回归传统搜索，或者AI推荐中的商业转化率远低于传统搜索广告——那么Profound的客户增长和收入增长可能无法支撑其18亿美元的估值。该推演不构成对公司实际经营结果的预测。

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：Profound的D轮融资把一个此前模糊的问题推到了台前：当AI替用户做推荐时，品牌可见性到底值多少钱？红杉和KP用1.8亿美元给出了一个乐观的答案，但这个答案的前提是AI搜索的渗透速度、平台方的开放程度、以及品牌对“AI可见性”这一新指标的付费意愿三者同时成立。Profound正在从监测工具向营销操作系统演进，这个方向在逻辑上自洽，但在商业上尚未被验证。它最大的对手可能不是另一家创业公司，而是平台方自己决定下场的那一天。