2026年9月，一家全球头部保险科技平台的风控团队正在重新校准其供应商风险模型。触发这次校准的，不是季度审计报告，也不是年度合规检查，而是霍尔木兹海峡附近的一次突发航运中断。据 Veridion 公司披露，使用其技术的组织在事件发生后能够立即识别出暴露在危机中的企业、供应商和商业关系。需要说明的是，这是公司披露的应用场景，该案例的具体客户、时间、损失避免金额均未披露，无法独立验证。这个场景指向一个更普遍的问题：当商业风险以小时为单位变化时，那些按季度甚至年度更新的企业数据库，还能被称为“情报”吗？
Veridion 给出的答案是否定的。这家总部位于罗马尼亚布加勒斯特的商业情报初创公司，在2026年9月宣布完成2000万美元A轮融资，由伦敦风投 Hoxton Ventures 领投，现有投资者 Underline Ventures、OTB Ventures、Gapminder、Day One Capital 和 Launchub 跟投。公司前身为 Soleadify，2019年成立，此轮融资使其累计融资额达到2750万美元。
这笔融资的规模在当下的AI投资周期中并不算大，但它所指向的赛道——企业信息数据的基础设施层——正在经历一场从“静态档案”到“动态图谱”的范式迁移。Veridion 声称其构建了一个覆盖约6.4亿家企业的“实时商业图谱”，通过分析公司网站、公共注册机构、监管文件、在线产品目录、社交资料和新闻来源中的数十亿数字信号，持续更新企业的运营状态。这个数字是 Dun & Bradstreet 等传统企业信息巨头所覆盖企业数量的数倍，但数字本身并不构成壁垒，更新频率和数据结构才是。
| 字段 | 内容 |
|---|---|
| 公司 | Veridion（前身为 Soleadify） |
| 轮次 | A轮 |
| 金额 | 2000万美元（€17.5 million） |
| 投资方 | Hoxton Ventures（领投）；Underline Ventures、OTB Ventures、Gapminder、Day One Capital、Launchub 跟投 |
| 总部 | 罗马尼亚布加勒斯特 |
| 创始人 | Florin Tufan、Mihai Vinaga、Sorina Vlasceanu |
| 官网 | https://veridion.com/ |
从8000万到6.4亿：一家罗马尼亚公司如何重构企业数据的采集逻辑
Veridion 的技术路径与传统企业信息公司有一个根本性差异。Dun & Bradstreet 等老牌玩家的数据采集模式，很大程度上依赖政府注册机构的批量采购和人工核验。这种模式的优点是数据经过官方渠道确认，权威性较高；缺点是更新周期受制于注册机构的更新频率和自身的处理能力，且对中小企业的覆盖深度有限。Veridion 则采用AI驱动的爬虫和自然语言处理技术，据公司披露，其系统每周分析数十亿个网页，从中提取企业的运营信号。
这种路径的差异直接反映在数据覆盖规模上。2023年2月，Veridion 完成600万美元融资时，其数据库覆盖超过8000万家企业。到2026年9月A轮融资披露时，这一数字已扩展至约6.4亿。需要说明的是，8000万为2023年2月公司新闻稿数据，6.4亿为2026年9月公司披露数据，时间跨度约3.5年；“近8倍”为编辑计算，非公司披露口径。这一增长并非来自注册机构数据的批量导入，而是源于其AI系统对公开网络信息的持续抓取和结构化处理。公司称其数据覆盖 NAICS、NACE、SIC 等常用分类法，并能提取特定行业的数据属性，如承保风险和供应商风险。这些能力是否达到公司宣称的“记录准确率”和“行业最高刷新率”，目前没有独立第三方验证。
从产业链角度看，Veridion 的产品本质上是在做一件事：将非结构化的公开网络信息转化为可被企业系统调用的结构化数据。这个转化过程的难点不在于“爬取”，而在于“理解”——如何让机器准确判断一家公司的主营业务是否发生了变化、一条新闻是否意味着供应链中断、一个产品目录更新是否代表公司进入了新市场。Veridion 的创始人 Florin Tufan 和 Head of Growth Stefan Gergely 在不同场合都强调了同一个判断：下一代商业决策引擎需要的是“新鲜、细粒度、易于集成”的数据，而不是人类直觉主导下的静态报告。
API优先的商业模式：把企业数据卖给机器，而不是卖给人
Veridion 的商业模式有一个容易被忽视的特征：它的客户不是分析师，而是数据科学团队和企业级系统。公司通过 Complex Search API 和 Matching & Enriching API 交付数据，这意味着其产品形态是面向机器消费的，而非面向人工阅读的。这个定位决定了它的商业逻辑与传统企业信息服务商完全不同。
传统模式下，企业信息服务商的核心交付物是报告、评分和查询界面，用户是信贷审批员、采购经理或合规官。Veridion 的交付物是API调用和数据流，用户是客户内部的算法和决策引擎。这种模式的优势在于，一旦客户将API集成进自身的风控、采购或承保系统，切换成本极高。Veridion 在2022年实现了客户零流失，这一数据如果属实，与其API优先的模式有直接关系。但需要指出的是，零流失这一数据来自公司2023年2月发布的新闻稿，而非2026年A轮披露，其统计口径和客户基数未披露，且当时的客户规模远小于现在，不能据此推断当前经营状况。
公司披露的客户构成包括一级咨询公司的专业采购和保险团队、全球最大保险科技平台之一、采购平台和顶级市场情报公司。这些客户名称均未公开，因此无法独立核实其行业地位和合作深度。从客户类型看，Veridion 的切入场景集中在保险承保、供应商发现、第三方风险管理和私募市场分析。这些场景的共同特征是：决策时效性要求高，数据错误成本大，且传统数据源在这些场景中的覆盖和更新速度存在明显短板。
一个值得注意的细节是，Veridion 在2023年完成600万美元融资后，宣布计划在纽约设立办公室以支持其美国客户。到2026年A轮融资时，北美已成为其最大市场。从布加勒斯特到纽约的扩张路径，说明这家公司的核心客户群已经从欧洲本土企业转向了美国市场的数据密集型组织。这种地理重心的转移，也意味着它正在进入 Dun & Bradstreet 和 Planck Data 等美国本土玩家的核心腹地。
2110亿美元的市场里，实时数据是增量还是替代？
企业信息市场的规模本身并不小。据 Veridion 官网引用的数据，该市场2022年估值为2110亿美元，预计2027年增长至2910亿美元。但在这个庞大的存量市场中，实时数据服务究竟是在创造增量需求，还是在替代传统数据服务，是一个关键的商业判断。
从替代逻辑看，Veridion 的竞争叙事是清晰的。公司在其2023年2月的新闻稿中直接将自己与 Dun & Bradstreet、Delphai、Planck Data 和 Grata 进行了对比。据公司2023年2月新闻稿口径，Delphai、Planck Data 和 Grata 在过去7年合计融资超过1.1亿美元，但覆盖的企业数量在1000万至2000万之间，而 Veridion 在成立后两年内就覆盖了超过7000万家企业。公司称 Delphai 主要覆盖私募市场的并购和供应商搜寻场景，Planck Data 聚焦美国市场的商业承保，Grata 则侧重交易寻源。Veridion 的差异化主张在于全球覆盖加上产品级信息和零售位置的深度数据。上述竞争对手的最新融资与覆盖数据未在本次采集材料中更新，可能已发生显著变化；本次采集材料也未提供这些竞争对手当前可比的覆盖企业数、更新频率、客户数量或收入规模，因此无法在量化维度上判断 Veridion 与它们的最新差距。
但这些对比来自公司自身的新闻稿，其竞争对手的实际覆盖范围和产品能力未经独立核实。更重要的是，企业信息市场的竞争维度远不止覆盖数量。Dun & Bradstreet 拥有超过200年的运营历史，其数据在银行信贷审批和合规流程中具有制度性嵌入优势。这种嵌入意味着，即使 Veridion 的数据更新更快、覆盖更广，要替代 Dun & Bradstreet 在信贷决策中的位置，需要面对的不仅是技术竞争，还有监管合规、行业标准和客户流程惯性。
从增量逻辑看，Veridion 真正在开拓的场景，是那些传统数据服务从未有效覆盖的需求。例如，当一家保险公司需要实时评估某条航运路线中断对其承保组合的影响时，季度更新的企业注册信息几乎无用。当一家采购平台需要在供应商发生经营异常时立即收到信号，而不是等到下一次定期审查时才发现问题，静态数据库同样无法满足。这些场景的付费意愿，取决于客户对“实时性”的价值评估，而这一评估目前缺乏公开的量化数据支撑。
投资逻辑：Hoxton Ventures 押注的是数据基础设施，还是AI叙事？
Hoxton Ventures 创始人 Hussein Kanji 对这笔投资给出了一个相当高的评价：“每一个关于公司的重要决策仍然依赖于通常已经过时的数据。Veridion 正在为整个经济重建这个基础，我们相信它可以成为世界上最重要的数据公司之一。”这段表述将 Veridion 的定位从“商业情报工具”提升到了“经济数据基础设施”的层面。需要说明的是，这是投资方在融资新闻稿中的声称，本次采集材料中未发现独立第三方对这一“最重要数据公司之一”判断的验证。
从资本结构看，本轮融资的参与者全部为既有投资者，没有新的机构进入。这通常有两种解读：一种是现有投资者对公司前景信心充足，愿意在A轮继续加注；另一种是外部机构对公司的估值或商业模式仍有保留。在没有披露估值的情况下，无法判断哪种解读更接近事实。但值得注意的是，从2020年150万美元种子轮，到2023年600万美元融资，再到2026年2000万美元A轮，Veridion 的融资节奏相对克制，没有出现部分AI初创公司那种一年内连续多轮、估值翻数倍的情况。
Hoxton Ventures 的投资组合以欧洲早期科技公司为主，其投资逻辑通常强调技术壁垒和全球市场潜力。Veridion 的罗马尼亚背景在这一框架下具有双重含义。一方面，布加勒斯特的工程人才成本远低于伦敦或纽约，这使公司能够以更低的成本维持一个60人以上的技术团队。另一方面，罗马尼亚并非全球企业数据市场的核心区域，公司必须证明其产品能够跨越地理边界，在北美和西欧市场获得付费客户。北美已成为其最大市场这一事实，部分回应了这一质疑，但客户的具体规模和合同金额未披露。
资金用途：产品开发、团队扩张与一个尚未回答的验证问题
据公司披露，本轮融资将用于加速产品开发、扩大团队和国际扩张。创始人 Florin Tufan 在融资声明中表示，这笔投资将帮助公司“帮助更多组织在商业风险影响其业务之前理解风险”。罗马尼亚媒体 start-up.ro 的报道提到，公司计划将团队规模扩大50%。以目前超过60名员工计算，这意味着新增约30个岗位。
产品开发的具体方向未在公开材料中详细披露。但从公司此前的技术演进路径看，有几个可能的投入重点：一是扩大数据覆盖的深度，从企业基本信息向产品级、供应链关系级的数据延伸；二是优化API的易用性和集成能力，降低企业客户的接入门槛；三是加强特定行业的定制化数据属性提取，例如保险承保和供应商风险领域。这些方向都指向同一个目标：从“数据提供商”向“决策基础设施”升级。
然而，一个关键的验证问题尚未得到回答：Veridion 的实时数据在实际商业决策中究竟产生了多大的增量价值？公司披露了2022年经常性收入增长超过3倍和客户零流失的数据，但未披露收入基数、客户平均合同价值或续约率的具体数字。需要再次说明，上述增长和零流失数据出自公司2023年2月新闻稿，而非2026年A轮披露，不能作为当前经营状况的最新证据。在缺乏这些指标的情况下，投资者和潜在客户只能依赖公司自身的叙事和有限的案例描述来评估其产品价值。霍尔木兹海峡的案例展示了产品的应用场景，但没有说明客户因此避免了多大的损失，或者愿意为这种能力支付多少溢价。
风险与待验证假设：实时数据的准确性由谁来保证？
Veridion 的核心假设是：AI驱动的网络数据采集能够提供与传统注册机构数据相当甚至更高的准确性，同时实现更快的更新速度。这个假设的成立与否，取决于两个关键因素：数据源的可靠性，以及AI系统在信息冲突时的判断能力。
公司网站、在线产品目录和社交资料这些数据源的优势是更新频繁，能够捕捉企业的最新动态。但它们的劣势同样明显：企业网站可能夸大或滞后更新自身信息，社交资料可能包含营销话术而非事实陈述，新闻来源的报道可能存在偏差或错误。当这些来源的信息与政府注册机构的数据发生冲突时，系统如何判断哪个更可信？Veridion 未公开其数据验证和冲突解决机制的具体细节。
另一个风险在于数据合规。Veridion 的爬虫系统每周分析数十亿个网页，这涉及数据抓取的法律边界问题。不同国家和地区对网络爬虫的法律规定差异很大，欧盟的GDPR对个人数据的处理有严格要求，而企业数据中不可避免地包含个人信息，如企业联系人的姓名和职位。Veridion 如何确保其全球数据采集活动符合各地的数据保护法规，在公开材料中没有得到充分说明。
竞争风险同样不容忽视。Dun & Bradstreet 并非没有意识到实时数据的重要性。作为一家上市公司，它拥有充足的资本和客户关系来推进自身的数据更新能力。如果传统巨头加快向实时数据转型，Veridion 的窗口期可能会缩短。同时，大型语言模型的发展也在改变企业信息获取的方式。如果客户可以直接通过通用AI工具获取和分析企业信息，Veridion 的API服务是否还能保持不可替代性，是一个需要持续观察的问题。
从布加勒斯特到全球：一家东欧数据公司的非典型路径
Veridion 的成长轨迹在东欧创业生态中具有样本意义。罗马尼亚的科技创业公司通常面临一个结构性困境：本地市场规模有限，早期资本供给不足，但工程人才质量较高且成本相对较低。Veridion 的应对方式是，从一开始就将产品定位为全球市场服务，通过API交付模式绕开了本地市场规模的限制。
公司的三位创始人 Florin Tufan、Mihai Vinaga 和 Sorina Vlasceanu 的背景在公开材料中未详细披露，但从公司的技术路线看，团队在自然语言处理和大规模数据系统方面有较强的工程能力。60多名员工分布在欧洲和北美，这种跨地域的团队结构在东欧初创公司中并不常见，通常意味着公司在早期就建立了国际化的客户服务能力。
从融资历史看，Veridion 的投资者组合涵盖了罗马尼亚本土的 Gapminder、保加利亚的 Launchub、波兰的 OTB Ventures 和英国的 Hoxton Ventures。这种跨区域的投资人结构，反映了东欧初创公司在成长过程中需要整合多国资本资源的现实。Hoxton Ventures 作为伦敦VC的领投，则为公司提供了进入更广泛国际投资者视野的通道。
Veridion 的故事最终指向一个更大的命题：在全球数据基础设施的竞争中，一家来自布加勒斯特的公司能否凭借技术路径的差异化，在 Dun & Bradstreet 们主导了上百年的市场中切出一块属于自己的空间？2000万美元的A轮融资只是一个节点，真正的答案需要看这家公司能否在未来几年内，将“实时商业图谱”从一个技术概念转化为客户愿意持续付费的决策基础设施。从已披露的2022年客户零流失和收入增长数据看，初步验证是积极的；但收入基数、客户集中度和数据准确性验证的缺失，意味着这个结论的边界仍然清晰：Veridion 证明了需求的存在，但尚未证明自己能够以可持续的单位经济模型满足这个需求。
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：当商业风险的时间刻度从季度压缩到小时，企业数据服务的竞争维度正在从“谁的数据更权威”转向“谁的数据更接近当下”。Veridion 用6.4亿家企业的实时图谱挑战了一个200年历史的行业惯性，但真正的考验不在于覆盖多少家企业，而在于当客户的算法拿着你的数据做出信贷、承保和采购决策时，你能否为每一次API调用背后的准确性负责。实时是速度问题，信任是时间问题。