一家食品厂的生产计划从“每月一周”变成“每天几分钟”，这背后藏着一个被AI浪潮绕开的30万亿美元问题
在纽约州北部的一家食品工厂里，生产计划曾经是一个月做一次、每次要花掉整整一周的苦差事。任何一个小改动——原料到货延迟、一条灌装线停机、某个SKU的订单突然增加——都会像涟漪一样波及整个排产表。计划员需要从ERP、MES、仓储系统和无数张Excel表格里手动抓取数据，再靠经验拼出一份注定在几天后就过时的计划。这家工厂属于Steuben Foods，一家有近两百年历史的食品制造商。它的CEO Menachem Katz说，这套流程“一直是经营中最耗时的部分之一”。
但据Katz披露，在引入一家名为Noetive的初创公司的系统后，同样的生产计划工作变成了每天进行一次、每次只需几分钟。变化的核心不在于又上了一套新软件，而在于这套系统同时理解“系统里的数据”和“车间里正在发生什么”。Katz的原话是：“它从根本上改变了我们经营企业的方式。”
这家让Steuben Foods改变生产节奏的公司，在2026年9月16日才正式结束隐身状态。Noetive当天宣布获得4100万美元种子轮融资，由Eclipse领投，Craft Ventures、The Westly Group、Swish Ventures、Factory、Incite Ventures、Gigascale Capital、Operator Partners、Liquid 2 Ventures等机构参与。天使投资人名单里出现了Meta CTO Andrew “Boz” Bosworth、Airbnb CTO Ahmad Al-Dahle、Nest联合创始人Matt Rogers、前Meta CTO Mike Schroepfer，以及Decart AI的三位联合创始人。
一笔4100万美元的种子轮在AI领域并不罕见，但Noetive瞄准的方向和大多数AI公司截然相反。它没有做聊天机器人、代码助手或视频生成，而是把目标对准了工厂、物流中心、能源设施和数据中心——那些构成全球30万亿美元实体经济、却至今仍靠孤立系统和老师傅经验运转的场所。
| 字段 | 内容 |
|---|---|
| 公司 | Noetive |
| 轮次 | 种子轮 |
| 金额 | 4100万美元 |
| 投资方 | Eclipse（领投）、Craft Ventures、The Westly Group、Swish Ventures、Factory、Incite Ventures、Gigascale Capital、Operator Partners、Liquid 2 Ventures；天使投资人包括Zach Frenkel、Andrew “Boz” Bosworth、Ahmad Al-Dahle、Matt Rogers、Mike Schroepfer、Dean Leitersdorf、Moshe Shalev、Orian Leitersdorf |
| 总部 | 旧金山 |
| 创始人 | Amir Frenkel、Dan Barak |
| 官网 | www.noetive.ai |
“记录智能”不是另一个数据中台，而是一个带眼睛和耳朵的AI大脑
Noetive把自己的产品称为“记录智能”（Intelligence of Record）。这个词显然是对“记录系统”（System of Record）的有意改写。在软件行业，CRM是客户关系的记录系统，ERP是财务和资源的记录系统。Noetive的命题是：实体经济中缺少一个“智能”层面的记录系统——不是记录发生了什么，而是理解业务如何真正运行，并在此基础上持续做出决策。
据公司披露，这套系统由两个核心组件构成。第一个是“大脑”：一个自我改进的AI，学习企业真实的运行方式，并与运营团队协同工作。第二个是“眼睛和耳朵”：一个专有的多模态传感舱（sensing pod），用于扩展AI对物理环境和业务状态的感知与推理能力。两者结合后，Noetive的智能体运行在操作人员已有的工具之上——不是替换ERP或MES，而是坐在它们上面，端到端地处理跨人员、机器和数字系统的核心运营问题。
这里有一个值得注意的架构选择。Noetive明确表示其智能体“集成在现有系统内部，而不是绕开它们”。这与许多试图用全新平台替代旧系统的工业软件思路形成对比。在制造业中，替换ERP或MES的成本和风险极高，一个无法与SAP、Oracle或西门子现有系统共存的AI产品几乎没有落地可能。Noetive选择“坐在上面”的策略，降低了部署摩擦，但也意味着它必须处理来自多个底层系统的数据一致性和接口复杂度问题。公司称其智能体会“随着每次部署变得更聪明”，但这一自我改进机制的具体技术路径——是模型权重更新、提示词优化、还是基于反馈的强化学习——并未披露。
Eclipse不只是投资人，它从第一天起就是这家公司的共同建造者
这笔融资最不寻常的地方，不在于金额或投资人阵容，而在于Eclipse的角色。据公司披露，Eclipse不仅是领投方，还“联合创立”了Noetive。新闻稿中明确写道，Eclipse与Frenkel从公司创建的最早期就开始合作，共同塑造愿景、组建创始团队，并将一个命题从想法变成公司。Eclipse创始人兼CEO Lior Susan的说法是：“我们看到了一个巨大的机会去改变这一点，于是创建了Noetive去抓住它。”
Frenkel本人同时是Eclipse的首席AI官。这种“投资人兼任创始团队成员”的结构，在VC行业里并不常见。它意味着Eclipse在这家公司中的利益绑定远超财务投资，也意味着Noetive的治理结构从第一天起就与一家VC深度耦合。对于一家种子轮公司来说，这种安排的好处是资源获取速度快、战略方向一致性强；潜在的问题是，当公司未来需要独立决策——比如选择与Eclipse投资组合中的其他公司竞争或合作时——利益冲突的管理将成为一个需要直面的治理课题。
从Eclipse的角度看，这笔投资是其“公司建造”（company building）模式的又一次实践。据披露，Eclipse过去十余年一直在制造业、机器人、物流、能源和工业基础设施等领域与创始人合作。Noetive的创始命题直接来自Eclipse在这些行业中积累的运营挑战认知。换句话说，Noetive不是创始人带着一个成熟想法来找VC，而是VC带着一个行业命题去找创始人。这种模式在深科技领域有一定先例，但以4100万美元种子轮的规模来验证一个尚未有明确市场领导者的品类，仍然是一个高风险的押注。
从Meta副总裁到工厂车间：一个“逆向”的AI创业路径
Amir Frenkel的履历放在AI创业圈里属于典型的“大厂精英”路线：在Meta担任副总裁近十年，此前在Alphabet和Amazon担任领导职务。他的联合创始人Dan Barak在公开材料中披露的信息较少，但LinkedIn上的公司公告确认两人共同创立了Noetive。团队整体被描述为“由在Meta、Google、Amazon和财富500强公司构建和部署技术的资深AI研究员、工程师、产品负责人和企业运营者组成”。
但Noetive的创业方向与大多数从大厂AI部门出来创业的人形成了鲜明反差。过去几年，从Google Brain、Meta AI、OpenAI等机构出来的创业者，大多选择做基础模型、AI基础设施或面向开发者的工具。这些方向的共同特点是：客户在线上、数据在云端、迭代周期以天或周计。而Noetive选择的方向是：客户在工厂和物流中心、数据分散在几十个老旧系统里、迭代周期以月或季度计，而且每一次部署都需要面对真实的物理约束——设备会坏、原料会延迟、工人会换班。
这种“逆向”选择背后有一个清晰的逻辑判断：AI在信息工作中的渗透已经相当深入，但实体经济中的AI应用仍处于极早期。据公司披露，其设计合作伙伴已经覆盖制造业、物流、能源和数据中心四个行业。Steuben Foods是唯一被公开点名的客户。对于一家种子轮公司来说，跨四个行业同时推进设计合作，既显示了技术的通用性野心，也带来了一个明显的风险：每个行业的运营逻辑、数据结构和物理约束差异巨大，在资源有限的情况下同时服务四个行业，可能导致每个行业都做得不够深。
“世界模型”的诱惑与陷阱：Noetive在赌一个还没有领导者的品类
TechStartups在报道中将Noetive归入“工业世界模型”（industrial world models）的范畴，并明确指出：“Noetive在它所追求的品类——工业世界模型——还没有确立市场领导者之前，就融到了4100万美元种子轮。”这是一个关键的外部观察。它意味着Noetive不是在进入一个已有明确竞争格局的市场，而是在试图定义一个品类的边界。
“世界模型”这个概念在AI领域有特定含义：一个能够模拟和预测环境动态的模型。在自动驾驶领域，世界模型被用来预测其他车辆和行人的行为；在机器人领域，世界模型帮助机器人理解物理交互的后果。将这个概念迁移到工厂和物流场景中，意味着AI需要理解的不只是数据表之间的关系，还包括机器运转状态、物料流动、人员排班、设备磨损、环境变化等物理世界变量之间的因果联系。
Noetive的传感舱是这个命题的关键差异化组件。如果只有软件层面的AI，Noetive和一家做工业数据分析的公司没有本质区别。传感舱的加入意味着公司试图建立一个从物理世界采集多模态数据、再输入AI推理的闭环。但这也带来了硬件公司特有的挑战：传感舱的制造成本、部署难度、维护需求、以及在嘈杂工业环境中的可靠性，都是尚未被公开验证的变量。公司没有披露传感舱的规格、成本、部署数量或客户反馈。在Steuben Foods的案例中，Katz的表述是“理解系统里的数据和车间里正在发生什么”，这暗示传感舱可能已经在该工厂部署，但具体规模和作用方式未披露。
从已披露的信息看，Noetive的推理链是：实体经济的关键决策仍基于孤立系统数据 → 需要一个能同时感知物理世界和数字系统的AI → 自我改进的“大脑”加多模态传感舱构成解决方案 → 在制造业、物流、能源和数据中心的设计合作中验证。这个链条的每一环都有逻辑支撑，但每一环也都存在未经验证的假设。尤其是“自我改进”这一特性：在工业场景中，AI模型的每一次更新都可能影响生产安全和质量稳定性，如何在不中断运营的前提下实现“每次部署都更聪明”，是一个远比消费级AI复杂的问题。
4100万美元种子轮的钱会花在哪里：前沿研究、实地验证和一场人才争夺战
据公司披露，这笔资金将用于两个方向：一是“实体经济自我改进AI的前沿研究，并在实地验证”；二是“扩大人才密集的研究与工程团队，招聘AI研究员和全栈AI原生工程师”。
把“前沿研究”和“实地验证”并列，是Noetive资金用途中最值得注意的表述。大多数企业软件公司不会把“前沿研究”作为种子轮资金的首要用途；而大多数AI研究实验室不会把“实地验证”作为同等重要的目标。Noetive试图同时做这两件事，意味着它需要在研究文化和工程交付文化之间维持一种微妙的平衡。在AI领域，这种“研究+部署”双轮驱动的模式最成功的先例是OpenAI和DeepMind，但这两家公司在早期阶段都花费了数年时间才找到可规模化的商业落地路径。Noetive没有披露它计划在多长时间内完成从设计合作到可复制商业模式的跨越。
人才方面，Noetive在招聘“AI研究员和全栈AI原生工程师”。这个组合暗示了公司的技术栈同时涉及模型层和应用层。AI研究员可能负责传感数据处理、多模态模型训练和自我改进机制；全栈AI原生工程师则负责将模型能力嵌入到客户现有的运营工具中。在2026年的AI人才市场上，这两类人才都处于供不应求的状态。4100万美元种子轮给了Noetive一定的薪酬竞争力，但面对OpenAI、Anthropic、Google DeepMind以及众多资金更充裕的基础模型公司的竞争，一家需要频繁下工厂的初创公司能否吸引到顶尖AI研究员，是一个现实问题。
Steuben Foods的证词是唯一的公开验证点，但它回答不了规模化的问题
在所有公开材料中，Steuben Foods是Noetive唯一被点名的客户，也是唯一提供了具体效果数据的案例。Katz的表述——“从每月一次、耗时一周，变成每天进行、耗时几分钟”——是这笔融资报道中最有说服力的证据。但需要明确的是，这一数据来自客户CEO的公开声明，而非独立第三方的审计或对比实验。它证明了Noetive在特定工厂的特定场景中创造了价值，但无法回答以下问题：这种效果在多大程度上依赖于Steuben Foods的特定条件？在其他行业（物流、能源、数据中心）的部署是否达到了类似效果？效果能否在更大规模的客户群中复制？
从已披露的信息看，Noetive的设计合作伙伴覆盖四个行业，但公司没有披露每个行业的具体客户数量、部署规模或持续时间。对于一家以“自我改进”为核心卖点的公司来说，部署数量和时间长度是验证这一卖点的关键指标——如果只在一个客户那里运行了几个月，“每次部署都变得更聪明”的说法就缺乏足够的实证支撑。公司也没有披露任何关于客户留存、付费意愿或商业模式的细节。具体商业模式被明确列为“未披露”。
TechStartups的报道提供了一个有价值的行业观察框架：“这些企业最终必须在工厂吞吐量、行驶里程、发射成功率、可靠性和单位经济性上证明自己——而不是聊天机器人基准。”这句话适用于Noetive，也适用于所有试图进入实体经济的AI公司。在信息工作领域，AI产品可以用准确率、响应速度、用户满意度等指标来证明价值；在实体经济中，最终的评价标准是更硬的东西：产量是否提高、停机时间是否减少、单位成本是否下降、安全事故是否减少。Noetive尚未披露任何这类硬指标。
一个尚未被回答的核心问题：Noetive卖的是软件、硬件，还是结果？
Noetive的商业模式未披露，但它的产品形态——AI“大脑”加多模态传感舱——天然地指向几种可能的收入模式。第一种是传统的软件订阅：客户为使用“记录智能”系统支付年费。第二种是硬件加软件的组合销售：传感舱作为硬件一次性或分期收费，AI能力作为订阅服务收费。第三种是结果导向的定价：按客户实现的运营改善效果收费。第四种是设计合作阶段的定制化项目收费。
从公司“与精选设计合作伙伴合作，解决其业务核心问题”的表述来看，目前Noetive很可能处于第四种模式——以深度定制的方式与少数客户合作，尚未形成标准化的产品定价。这种模式在早期阶段是合理的，但它的规模化路径并不清晰。如果每个客户都需要深度定制，Noetive就更像一家高端咨询公司而非产品公司；如果它能从设计合作中提炼出可复制的产品模块，则有机会向产品化方向演进。公司没有披露它在这条路径上的进展。
另一个值得关注的问题是传感舱的商业模式含义。如果传感舱是Noetive系统不可或缺的组成部分，那么硬件成本、部署周期和维护责任都将成为影响毛利率和扩张速度的关键变量。在工业场景中，硬件部署通常需要数周甚至数月，涉及现场勘测、安装调试、网络配置和安全认证。这与软件公司“签约即上线”的扩张节奏完全不同。Noetive没有披露传感舱的部署周期、成本结构或客户对硬件的接受度。
风险不在技术，在于Noetive能否在四个行业同时证明自己
Noetive面临的风险可以从两个层面来审视。第一个层面是品类风险：工业世界模型这个品类本身还没有被验证。TechStartups明确指出，Noetive融资时“它所追求的品类还没有确立的市场领导者”。这意味着Noetive不仅要证明自己的产品有效，还要证明这个品类本身有存在的必要。如果工业世界模型最终被证明是一个伪命题，或者被更轻量级的解决方案（比如基于现有数据的工业数据分析平台）所覆盖，Noetive的整个命题都会受到挑战。
第二个层面是执行风险：跨四个行业同时推进设计合作，对一家种子轮公司来说是一个极其激进的策略。制造业、物流、能源和数据中心各自有不同的运营逻辑、数据基础设施、安全规范和决策链条。在一个行业里建立深度信任和可复制的解决方案已经足够困难，同时做四个行业意味着团队需要在每个行业都建立足够的领域知识。Noetive的团队背景以AI和软件为主，其在实体经济运营中的直接经验有多少，公开材料中没有详细披露。
从已披露的X（跨行业设计合作）与Y（Steuben Foods的积极反馈）来看，这意味着Noetive至少在一个制造业场景中证明了初步价值；但Z（其他三个行业的设计合作效果、客户数量、部署时长）尚未披露，因此结论的边界是：Noetive的跨行业通用性目前只是一个未经验证的假设，而非已证实的能力。编辑推断是，如果Noetive在接下来12到18个月内不能将至少一个行业的设计合作转化为可重复的付费部署，并披露可量化的运营改善指标，那么“记录智能”的叙事将面临实质性的市场检验压力。
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：Noetive的4100万美元种子轮买到的不是一张进入AI竞赛的门票，而是一个在30万亿美元实体经济中定义新品类的机会。这个机会的代价是：它必须同时证明一个品类存在、一个产品有效、一个商业模式可复制。Steuben Foods的“从一周到几分钟”是一个好的开场，但真正的考验在于，当传感舱的硬件成本、跨行业的部署复杂性和“自我改进”的技术承诺叠加在一起时，Noetive能否在工厂吞吐量和单位经济性上拿出比聊天机器人基准更硬的数据。如果它做到了，它定义的将不只是“记录智能”这个词，而是AI进入物理世界的一种新路径；如果它做不到，这笔种子轮可能会成为“工业世界模型”这个品类最昂贵的一次试错。