企业软件行业正陷入一个从未有过的悖论：采购部门一边继续为成百上千个SaaS席位续费，一边开始追问这些软件到底完成了多少工作。过去二十年，企业把流程装进Salesforce、Workday、ServiceNow，再雇咨询公司和IT服务商把这些系统缝在一起。如今，生成式AI第一次让“直接购买工作结果”看起来像一笔可以核算的交易，而不是一句售前口号。Ema的创始人Surojit Chatterjee把话说得很直白：很多客户已经在替换大型SaaS应用，因为它们“正在变得像一个数据库”。
2026年9月23日，这家总部位于Mountain View的企业AI代理公司宣布完成7700万美元B轮融资。领投方为总部位于班加罗尔的Creaegis，现有投资者Accel、Section 32和Prosus全部增持。Ema累计融资额由此达到1.4亿美元。公司称，本轮估值较2024年上一轮增长超过四倍，但未披露具体估值数字。TechCrunch确认，本轮全部为一级股权融资，不包含债务或二级交易。
这笔融资的时机，恰好落在企业软件与IT服务支出开始被AI代理重新定价的节点上。Ema销售的不是又一个需要配置的软件层，而是一组被称为“AI员工”的代理系统，它们协调多个AI模型，在HR、IT和财务等场景中直接执行任务。公司披露，其平台已集成超过250个业务应用和记录系统，拥有超过50个活跃企业交易、超过100万活跃企业用户，并处理了超过500万次操作和查询。
| 字段 | 内容 |
|---|---|
| 公司 | Ema |
| 轮次 | B轮 |
| 金额 | 7700万美元 |
| 投资方 | Creaegis领投，Accel、Section 32、Prosus增持 |
| 总部 | Mountain View，美国加利福尼亚州 |
| 创始人 | Surojit Chatterjee、Souvik Sen |
| 官网 | https://www.ema.ai |
“AI员工”不是聊天机器人，而是一层横跨HR、IT和财务的执行系统
Ema的产品逻辑与单点AI助手有本质区别。公司称，其“AI员工”不是回答问题的对话界面，而是能够规划、执行、检查工作、在必要时路由审批并端到端完成流程的代理系统。官方博客将其描述为“一个统一的AI员工体验”，企业可以从一个职能切入，再扩展到HR、IT和财务，而不需要为每个部门单独部署一套代理。这意味着Ema试图把分散在多个SaaS工具里的流程重新收拢到一个执行层上，而不是在现有软件之上再增加一个对话入口。
从技术实现看，Ema的差异化在于模型编排层。据公司披露，其平台使用超过150个模型，包括前沿模型和开源模型，结合领域知识、集成能力和编排逻辑来执行企业流程。Chatterjee对TechCrunch表示，前沿模型的进步“实际上对我们非常有利”。这意味着Ema并不把OpenAI或Anthropic的模型能力视为替代威胁，而是将其当作可替换的底层引擎。但需要指出的是，这一判断目前只来自公司创始人，尚无独立技术评估验证Ema的多模型编排是否真的在准确性、成本和延迟上优于单一模型方案。官方博客还提到，Ema通过组合100多个LLM的输出，针对最常见的企业用例进行优化，声称能比在所有企业工作中使用单一模型（如GPT）获得更高准确性和更低成本。这一说法同样来自公司单方面披露，未经过第三方验证。
Ema在Wipro的部署是公司最常引用的规模化案例。据公司披露，Ema在Wipro支持超过24万名员工，覆盖65个国家，自动化100多个工作流，每年处理约290万次员工查询，响应时间从数天降至数秒，员工满意度提升20%。此外，公司称其AI员工每年处理超过100万次IT服务管理工单和超过100万次呼叫，覆盖15种以上语言，准确率达95%，不到10%的交互升级至人工。另一个被提及的案例是一家500亿美元全球集团，Ema在四周内从概念走到生产，集成超过20个记录系统，服务超过4万名员工，效率提升70%，工单量减少30%。这些数字全部来自公司或投资方声明，未经过独立第三方审计。从已披露的客户名单看，NTT DATA、Hitachi、ADP、PwC、Google、KPMG、Wipro和Microsoft均在其中，但公司没有说明这些客户分别部署了哪些职能场景，也没有披露每个客户的具体合同规模。
按结果定价，挑战SaaS按席位收费的底层商业逻辑
Ema最激进的商业选择，不是技术架构，而是定价方式。公司明确表示，不按软件席位收费，也不按AI token消耗收费，而是与任务完成和业务成果挂钩。Chatterjee在官方博客中写道：“企业不需要更多软件。它们需要结果。”这句话的潜台词是，Ema的收入模型与Workday、ServiceNow等传统SaaS公司的收入模型在结构上对立。传统SaaS的计费基础是“有多少员工使用软件”，而Ema试图把计费基础切换为“有多少工作被完成”。
这种定价模式如果成立，将直接改变企业软件的采购评估框架。传统SaaS按席位收费，意味着客户规模越大、软件支出越高，而软件是否真正完成了工作并不在计费公式里。Ema的模式试图把计费单位从“使用软件的员工数量”切换为“被完成的任务数量”。从已披露的财务指标看，这一模式至少在公司声称的客户群体中产生了扩张效应：净美元保留率约180%，意味着现有客户在续约后的一年内平均增加了约80%的支出。Chatterjee对TechCrunch表示，超过90%的客户已经超出初始用例进行扩展，部分客户部署了数十个工作流。官方博客进一步称，平均每个客户在签约后12个月内的支出达到初始支出的两倍。这一数据与净美元保留率约180%相互印证，但两者都来自公司口径，没有独立审计。
但这里有一个必须拆解的统计口径问题。公司披露的“收入预订超过1.5亿美元”并非年化经常性收入。Chatterjee向TechCrunch明确说明，这一数字包含两年期和三年期合同的总价值。这意味着1.5亿美元不能直接与SaaS公司的ARR进行比较。公司未披露当前年化收入运行率。此外，50倍收入增长发生在过去两年，基数未披露，因此这一增长倍数的绝对含义有限。毛利率接近80%是公司给出的数字，但考虑到Ema声称其AI系统随部署学习而减少人工支持，这一毛利率是否能在向亚太、南美和中东扩张时维持，仍是一个待验证的假设。按结果定价本身也存在一个未披露的细节：公司没有说明“任务完成”如何定义、如何计量、如何审计。如果计费单位无法被客户独立核算，这种定价模式在采购合规层面可能面临比传统SaaS更复杂的谈判成本。
客户名单里有微软和谷歌，但竞争名单里也有OpenAI和Anthropic
Ema的客户名单同时出现了微软和谷歌，这构成了一个微妙的竞争关系。微软和谷歌既是Ema的客户，也是企业AI代理赛道上的重要玩家。微软通过Copilot和Dynamics生态推进企业自动化，谷歌则拥有Gemini和Workspace的入口优势。Ema没有披露与这两家公司的合作范围，也没有说明这些合作是否涉及核心业务系统还是边缘场景。从产业链逻辑看，微软和谷歌可能在某些内部职能上采购Ema的代理能力，同时又在企业市场上与Ema争夺同一笔自动化预算。这种“客户即竞争者”的关系，意味着Ema与这两家公司的合作深度可能受到战略边界的限制。
更直接的竞争压力来自OpenAI和Anthropic。两者都在加速进入企业代理市场。Chatterjee对TechCrunch表示，Ema并不把前沿AI实验室视为直接竞争对手，理由是Ema专注于领域知识、集成和编排，而实验室专注于模型能力。这一判断在逻辑上成立，但在商业现实中并不稳固。如果OpenAI或Anthropic开始直接向企业提供端到端代理编排能力，Ema的中间层价值将面临挤压。目前，OpenAI和Anthropic的企业级代理产品仍处于早期阶段，尚未公开披露与Ema可比的规模化部署数据。因此，Ema的窗口期存在，但窗口长度未披露。
从产业链位置看，Ema试图占据的是一个“执行骨干”角色。Creaegis管理合伙人Prakash Parthasarathy在官方声明中称，Ema“一直在构建自主企业工作的默认执行骨干”。这一表述来自投资方，属于利益相关方判断。从已披露的集成数量（超过250个业务应用）和客户行业分布（IT服务、咨询、人力资源、科技）看，Ema确实在构建一个跨系统的编排层。但“默认执行骨干”是否成立，取决于它能否在客户的核心业务流程中形成不可替代性，而不是仅仅作为现有系统的自动化外挂。如果Ema的代理层只是调用现有SaaS系统的API来执行任务，那么当底层SaaS厂商自己推出代理能力时，Ema的编排层可能被绕过。公司没有披露其与客户现有系统的集成深度，也没有说明在客户替换SaaS应用后，Ema的代理层是否仍然保持执行能力。
投资逻辑押注的是产品化扩张，而不是服务型收入
Creaegis的Parthasarathy在声明中强调了一个关键判断：Ema“构建了一个可扩展的产品平台，具有卓越的经济性，而不是依赖定制化实施的服务模式”。这句话直接回应了当前企业AI市场最普遍的质疑——很多代理AI公司本质上是用软件包装的咨询业务，每个部署都需要一支顾问团队才能上线。Parthasarathy还表示：“许多代理AI公司有令人信服的演示，但很少有公司证明它们能在企业规模的生产环境中交付。”这一判断来自投资方，但指向了一个真实的行业分化：演示能力与生产交付能力之间的差距，正在成为企业AI公司估值分层的核心变量。
Ema的回应是“产品主导”的扩张模型。公司称，企业可以在没有服务密集型实施的情况下部署和扩展AI员工，从一个职能开始，在同一个平台上扩展到HR、IT和财务。官方博客还提到，Ema会“自动构建关于组织流程的上下文图谱”，每一次部署都会让系统更理解该组织的工作方式。这一机制如果真实运行，确实可以降低边际实施成本，并解释为什么公司声称毛利率接近80%。但需要指出，上下文图谱的自动构建能力来自公司单方面描述，没有独立技术审查或客户证言可以验证其自动化程度。如果上下文图谱的构建实际上需要大量人工标注和流程梳理，那么Ema的毛利率可能被高估，其产品化叙事也可能被削弱。
本轮融资的资本结构也值得注意。TechCrunch确认，7700万美元全部为一级股权，没有债务或二级交易。这意味着所有资金直接进入公司资产负债表，用于运营扩张，而不是让早期股东套现。结合公司披露的资金用途——扩大销售和营销、进入亚太、南美和中东——这轮融资的实质是一场市场扩张的燃料补给。Ema在成立后的前几年主要投入产品研发，现在开始把资源向市场端倾斜。公司称已聘请多位高级市场负责人，但未披露具体人选和背景。从员工规模看，Ema已增长到近200名员工，在班加罗尔、伦敦和温哥华设有办公室。这一地理分布与公司下一步的亚太、南美和中东扩张计划存在一定错位：班加罗尔办公室可以支撑亚太市场，但南美和中东尚无已披露的本地团队布局。
资金用途指向亚太，但扩张成本与价格竞争是两条并行的风险线
Ema明确表示，新资金将用于扩大市场运营，特别是销售和营销，并扩展至亚太、南美和中东。这一选择有其合理性：亚太地区的企业数字化转型仍在加速，IT服务支出庞大，且Ema的领投方Creaegis总部位于班加罗尔，在印度市场拥有本地网络。但亚太也是价格竞争最激烈的企业软件市场之一。Ema的按结果定价模式在北美和欧洲的成熟客户中验证了扩张效应，但在价格敏感度更高、实施成本更分散的亚太市场，能否维持接近80%的毛利率，是一个未经验证的假设。南美和中东市场的企业数字化成熟度差异更大，Ema在这些地区可能面临更长的销售周期和更高的本地化成本。
另一个风险来自IT服务公司自身的战略调整。Ema的客户名单中包括Wipro、NTT DATA和PwC，这些公司既是Ema的客户，也是传统IT服务市场的核心玩家。Chatterjee对TechCrunch表示，这些公司“正在戏剧性地改变或颠覆自己的商业模式，因为他们明白人力优先的模式可能不是未来的最佳模式”。这一判断来自Ema创始人，描述的是客户行为，但未提供这些客户内部战略变化的独立证据。如果IT服务公司开始自建代理编排能力，或者与Ema的竞争对手结盟，Ema可能从合作伙伴变成被替代的对象。更微妙的是，Ema的AI员工正在接管一部分传统上由IT服务公司收费完成的实施、集成和咨询工作。这意味着Ema与Wipro、NTT DATA、PwC之间的关系同时包含合作与替代两种成分，这种双重性在长期可能产生摩擦。
从财务可持续性看，Ema的净美元保留率约180%是一个强信号，但这一数字的可持续性取决于客户能否持续找到新的工作流来部署AI员工。当客户把最容易自动化的流程跑完后，剩余流程的复杂度和实施成本可能上升。Ema尚未披露客户在部署超过三个用例后的边际扩张速度，也没有披露客户流失率。在缺乏这些数据的情况下，180%的净美元保留率只能说明现有客户在扩张，不能说明扩张的边界在哪里。如果客户在初始部署后的第二年或第三年遇到用例枯竭，净美元保留率可能从180%快速回落。公司没有披露客户合同期限的分布，也没有说明多年期合同中的确认收入节奏，这使得外部观察者难以判断收入质量。
估值跳升四倍，但关键数字仍被锁在披露边界之外
Ema的估值较2024年上一轮增长超过四倍，这是公司官方口径。但TechCrunch和PANews的报道存在冲突：TechCrunch称“超过四倍”，PANews称“超过两倍”。Ema官方博客和Yahoo Finance的新闻稿均采用“超过四倍”的说法。这一冲突可能源于不同来源对估值计算时点的理解差异，但Ema未披露具体估值数字，因此无法独立核实。公司也未披露当前年化收入运行率，这使得“四倍估值增长”缺乏一个可锚定的收入基础。
从已披露的数据可以做一个有限的推理：如果Ema的净美元保留率约180%、毛利率接近80%、收入预订超过1.5亿美元（含多年期合同），那么这家公司在资本市场上获得高估值溢价的基础是存在的。但收入预订不等于确认收入，50倍增长发生在未披露的基数上，客户数量超过50个活跃企业交易也不算大规模。Ema的估值故事建立在“产品化扩张+按结果定价+高留存率”三根支柱上，每一根支柱都有公司披露的数据支撑，但每一根支柱也都缺少独立验证。产品化扩张缺少对上下文图谱自动化程度的技术审查；按结果定价缺少对“任务完成”定义和计量方式的披露；高留存率缺少客户流失率和用例扩张边界的补充数据。
Ema面临的真正考验，不是能否在演示中超越竞争对手，而是能否在亚太、南美和中东的扩张中，把北美和欧洲验证过的产品化模型复制到成本结构完全不同的市场。如果做到了，它可能真的成为企业软件支出迁移的受益者；如果做不到，它可能只是又一个在“AI员工”叙事中拿到高估值、但最终被实施成本和价格竞争拉回地面的代理AI公司。从现有证据看，Ema已经跨过了从演示到生产的第一个门槛，但它还没有证明自己能够跨过从生产到规模化盈利的第二个门槛。第二个门槛的验证，需要的不只是融资公告里的预订数字，而是未来几个季度确认收入的真实轨迹。
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：Ema的融资故事里最锋利的不是7700万美元，而是它试图把企业软件的计费单位从“席位”改成“结果”。这比任何模型编排技术都更接近行业的结构性变化。但“收入预订1.5亿美元”和“估值翻四倍”之间，隔着一层未披露的年化收入运行率。当一家公司用多年期合同总额来支撑增长叙事时，真正的验证不在融资公告里，而在下一个财年的确认收入能否追上预订数字。AI员工能不能替代SaaS，最终要看财务数据能不能先替代PPT。
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。