企业 AI 的尴尬不在模型，而在最后一公里
过去两年，几乎每一家大企业都完成了至少一轮生成式 AI 试点。银行让大模型读合同，电信运营商让智能体接客服工单，零售商让 AI 生成商品描述。但一个反复出现的尴尬是：试点跑通了，上线却卡住了。模型输出很好，却接不进核心业务系统；智能体很聪明，却不知道哪些数据能碰、哪些动作要人批；演示很惊艳，生产环境里却没人说得清它下一步会做什么。
这种断裂并非因为模型能力不足。恰恰相反，基础模型的迭代速度超过了大多数企业吸收能力。问题出在另一侧：企业已有的数据散落在不同系统里，权限边界模糊，遗留软件之间的接口像补丁一样层层叠加。把一个大模型接到这样的环境里，不是调一个 API 就能完成的事。它需要有人理解每一套系统的数据流向，知道哪些环节可以自动化、哪些环节必须保留人工判断，并且在上线之后持续盯着它，防止智能体在无人注意时做出越界动作。
这个裂缝正在催生一类新的公司。它们不训练基础模型，也不卖通用 Copilot，而是把工程师派进企业，在既有系统里把 AI 真正部署起来，并让它持续运转。2026 年 10 月 5 日，总部位于新加坡的 OneByZero 宣布完成 2000 万美元 A 轮融资，由 Jungle Ventures 领投。这是该公司成立以来的首次外部融资。
OneByZero 试图回答的，正是企业 AI 从试点到生产之间那段最难走的路。据公司披露，其工程师团队进入客户组织内部，识别 AI 价值点，将 AI 构建进既有业务系统与工作流，并在上线后继续运行和改进。公司称，过去三年其收入每年增长超过一倍。但这一数据由公司自行披露，Entrepreneur APAC 表示无法独立核实。
| 字段 | 内容 |
|---|---|
| 公司 | OneByZero（OBZ） |
| 轮次 | A 轮 |
| 金额 | 2000 万美元 |
| 投资方 | Jungle Ventures（领投） |
| 总部 | 新加坡 |
| 创始人 | Niket Vaidya（CEO，联合创始人）；Vibhore Kumar（CTO，联合创始人，博士） |
| 官网 | https://www.onebyzero.ai |
把工程师“前置”进客户机房，卖的不是软件而是结果
OneByZero 的核心模式被称为“前置部署”（forward-deployed）。与传统的软件交付不同，它的工程师不是交付完项目就撤，而是进入客户组织内部，与客户团队一起识别 AI 可以创造价值的环节，把 AI 构建进既有业务系统和流程，并在上线后继续参与运行和优化。公司称，每个市场都有本地团队，客户面对的是了解当地语境、监管、语言和系统的人。
这种模式在硅谷并不陌生。Palantir 早年正是依靠前置工程师深入政府和金融机构，把数据分析平台嵌入客户的核心作业流程。OneByZero 的做法在结构上与之相似，但落点更窄：它不卖通用数据平台，而是围绕企业 AI 智能体的部署与治理展开。公司称，其部署已帮助企业在部分面向客户的交互中自动化超过 90%，并实现可衡量的成本节约，将复杂数据现代化交付加速 50%。这些数据同样由公司披露，尚无独立第三方验证。
前置部署的实质，是把“AI 落地”这个模糊命题拆解成一个个具体的工程动作：连接专有数据、对接遗留软件、设定智能体权限、定义人工审批节点。这些动作本身不性感，却是决定 AI 能否进入生产环境的关键。OneByZero 的商业模式建立在一个判断之上：企业缺的不是模型能力，而是把模型能力嵌入业务系统的工程密度和治理框架。
从交付逻辑看，这种模式与传统的系统集成商存在微妙差异。系统集成商通常以项目验收为终点，交付物是一套可以运行的软件；而 OneByZero 的工程师在上线后仍然留在客户环境里，持续观察智能体的行为、调整权限边界、优化工作流。这意味着它的收入可能与客户的持续运营绑定得更紧，而不是一次性项目款。但这也意味着，它的成本结构天然偏向人力密集，每一个客户都需要一支能够理解其业务语境的工程师团队。这种模式能否在规模扩大后维持效率，是它必须回答的问题。
NEO 想当企业 AI 的控制层，而不是又一个模型平台
OneByZero 的产品体系由两部分构成：NEO 平台和 AI Coworkers。据公司披露，NEO 是其 AI 部署平台，也是企业 AI 工作负载背后的控制层。它包含可复用组件和内置治理能力，能够记录每一次智能体动作，并允许企业定义 AI 可以做什么、何处需要人工判断、每个系统如何被治理。
CTO 兼联合创始人 Vibhore Kumar 在公司新闻稿中表示：“我们构建 NEO，是为了让公司能够定义 AI 被允许做什么、何处需要人工判断，以及每个系统如何被治理。这个基础让它们能够引入能力更强的 AI，而不会失去控制。”
AI Coworkers 则被描述为有明确角色与控制机制、受治理的 AI 智能体。它们与工程师组成团队协同工作：AI 处理高容量工作和速度，人类保留判断和问责。这种“人机协同”的表述在行业里并不新鲜，但 OneByZero 的差异点在于，它把治理机制放在了部署架构的核心位置，而不是事后补丁。
从已披露的技术栈看，NEO 构建于 Amazon Web Services 之上，使用 Amazon Bedrock 和 Amazon Bedrock AgentCore，部署在客户的 AWS 环境中。这意味着 OneByZero 不拥有底层模型，也不控制客户数据所在的云基础设施。它做的是中间层：连接模型、数据、权限和业务流程。公司明确表示，不与基础模型开发商竞争，而是在客户既有企业系统内治理 AI 使用。这个定位避开了与 OpenAI、Anthropic 和云厂商的正面冲突，但也意味着它的价值高度依赖对客户系统的理解深度。
NEO 的治理能力在技术上有其具体指向。据 Entrepreneur APAC 报道，NEO 管理权限、记录智能体活动，并将既定决策路由回员工。换句话说，它试图在智能体的自主性和企业问责制之间建立一个可审计的中间层。对于银行、电信运营商这类受监管企业来说，这个能力可能比模型本身的性能更重要。监管机构关心的不是 AI 回答得有多好，而是谁为 AI 的行为负责、每一次决策能否被追溯。NEO 的动作记录功能，正是冲着这个需求去的。
但这里也存在一个待验证的假设：治理层的价值能否独立于部署服务而存在。如果 NEO 只能在 OneByZero 自己的工程师团队介入时才能发挥价值，那它就更像是一个内部工具，而不是一个可以独立销售的软件产品。公司计划在 NEO 上构建行业模板，这个动作的方向是对的，但模板能否被客户自己的团队直接使用，仍需观察。
2000 万美元超过区域 A 轮中位数两倍，但资本结构仍不透明
OneByZero 的 A 轮金额放在东南亚市场，是一个明显的超配。据 Kickstart Ventures 与 DealStreetAsia 报告，2026 年上半年东南亚 A 轮融资中位数为 800 万美元，OneByZero 本轮超过该中位数的两倍。Jungle Ventures 管理合伙人 Yash Sankrityayan 在新闻稿中称：“OneByZero 脱颖而出，是因为它已经在做企业 AI 市场大部分仍在谈论的事情。团队花了三年时间在大型复杂组织内部署 AI，并交付了可衡量的结果。”
但资本结构的关键信息并未公开。公司未披露本轮估值，也未披露除 Jungle Ventures 之外的其他投资方。Jungle Ventures 自身未披露具体投资金额。Entrepreneur APAC 指出，Jungle Ventures 的典型初始支票在 50 万至 2000 万美元之间，这意味着 OneByZero 的整轮融资可能落在该区间的顶端，但领投方实际出资比例未知。
这种信息不透明在早期融资中并不罕见，但放在一笔超过区域中位数两倍的交易里，它增加了外部观察者判断交易结构的难度。如果 Jungle Ventures 的出资接近 2000 万美元，那么这轮融资实际上更接近一笔单方押注；如果它只出了其中一部分，那么未披露的跟投方可能对公司的治理和后续融资节奏产生影响。公司选择不公开这些信息，可能是出于商业考量，但它也意味着市场暂时无法判断这轮融资的真实资本结构。
从投资逻辑看，Jungle Ventures 的押注方向很明确：不是模型层，而是部署层。Sankrityayan 的表述——“随着更多亚太和日本企业将 AI 从实验转向核心运营，OneByZero 处于有利位置”——指向的是一个正在形成的共识：企业 AI 的下一波价值，将从“能不能用”转向“能不能管住、能不能规模化”。但共识本身不构成壁垒。OneByZero 需要证明的是，它的前置部署模式能够在不退化为传统服务型业务的前提下，跨市场、跨行业复制。
九国运营、AWS 与 OpenAI 双重绑定，扩张路径清晰但验证成本高
OneByZero 目前运营于九个市场：澳大利亚、印度、印度尼西亚、马来西亚、菲律宾、新加坡、泰国、美国和越南。日本将是其下一个市场。公司计划用本轮资金在现有九个市场扩充前置部署工程团队和客户关系，在日本建立本地团队，并从金融服务和电信拓展至企业集团、医疗和公共部门。
值得注意的是，OneByZero 在融资前已经完成了与两大 AI 生态的绑定。据公司披露，2026 年 8 月，它被列为 OpenAI Select Partner；2026 年 9 月，它与 Amazon Web Services 签署三年战略合作协议。后者的意义更为直接：NEO 运行在 AWS 上，使用 Amazon Bedrock 和 Bedrock AgentCore，这意味着 OneByZero 的每一次部署都在为 AWS 的 AI 服务创造消耗。对于一家以部署为生的公司来说，云厂商既是基础设施，也是渠道。
这种双重绑定在商业上有其合理性。OpenAI 的合作伙伴身份可能为 OneByZero 带来模型层面的早期访问和技术支持，而 AWS 的战略合作则可能带来客户转介和联合销售机会。但绑定也意味着路径依赖。NEO 深度构建在 Amazon Bedrock 之上，如果未来某个客户要求使用其他云平台，或者 AWS 调整其 AI 服务的定价和策略，OneByZero 的迁移成本可能不低。公司称其支持企业基于开放权重模型和小语言模型构建自有 AI，这在一定程度上降低了模型层的锁定风险，但云基础设施层面的依赖仍然存在。
但双重绑定也带来一个待验证的问题：当 OneByZero 进入医疗和公共部门时，数据驻留、合规和监管要求将显著高于金融和电信。公司称其本地团队熟悉各市场的监管和语言，但“熟悉”与“能够交付合规生产系统”之间仍有距离。日本市场的进入尤其值得关注：日本企业以决策链条长、系统集成复杂、对供应商的本地化要求高著称。OneByZero 能否在东京复制其在东南亚的部署节奏，是这轮扩张中最难预测的变量。
从行业拓展的顺序看，从金融和电信向企业集团、医疗和公共部门延伸，逻辑上是顺的：这些行业同样面临严格的监管和复杂的遗留系统，对 AI 治理的需求可能更强。但医疗和公共部门的数据敏感度更高，采购流程更慢，对供应商的资质要求也更严格。OneByZero 在金融和电信领域积累的部署经验，能否直接迁移到这些新行业，仍然是一个开放问题。
最大的风险不是技术，而是“服务化陷阱”
OneByZero 的商业模式存在一个结构性张力。前置部署意味着工程师与单个企业紧密协作，每个客户都可能演变成一个独立的工程项目。如果 NEO 平台和行业模板不能把部署经验充分产品化，公司就会滑向传统 IT 服务商的路径：收入随人数线性增长，毛利被人力成本侵蚀，规模越大越难管理。
公司显然意识到了这一点。本轮资金的一部分将用于在 NEO 上构建行业模板，并支持企业基于开放权重模型和小语言模型构建自有 AI。这个方向如果成立，意味着 OneByZero 的收入结构可以从“按项目收费”逐步转向“平台复用 + 持续服务”，从而降低边际交付成本。但从已披露信息看，公司尚未公布任何关于 NEO 平台收入占比、客户续约率或部署周期缩短的数据。这些指标才是判断它能否跳出服务化陷阱的关键。
行业模板的逻辑在于：金融行业的合同审查、电信行业的工单分派、零售行业的商品描述生成，这些场景在不同客户之间存在结构相似性。如果 OneByZero 能把第一个客户的部署经验沉淀为模板，第二个客户的部署周期和人力投入就可能显著下降。但模板的复用程度取决于客户系统的标准化程度。大型企业的遗留系统往往高度定制化，模板能覆盖的部分可能比预期更少。这意味着，行业模板的价值可能被限制在特定场景的特定环节，而不是整个部署流程。
另一个风险来自竞争格局的模糊性。OneByZero 的竞争对手不是某一家具体的创业公司，而是一个包含系统集成商、云厂商专业服务团队、咨询公司和客户自建团队在内的混合体。AWS 和 OpenAI 既是合作伙伴，也可能在特定项目中成为替代方案。OneByZero 的护城河，最终要落在它对特定行业工作流的理解深度和 NEO 治理能力的不可替代性上。目前，这两点都还处于“公司称”的阶段。
还有一个更隐蔽的风险：客户自建能力的提升。随着企业 AI 部署经验的积累，一些大型企业可能逐步建立自己的内部部署团队，减少对外部服务商的依赖。OneByZero 的应对方式是让 NEO 成为客户自建 AI 的基础设施，但这个策略能否奏效，取决于 NEO 是否足够易用、足够独立于 OneByZero 的工程师团队。如果客户离开 OneByZero 的工程师就无法用好 NEO，那么平台化的目标就难以实现。
从东南亚的融资寒冬里拿到超额支票，只是第一步
OneByZero 的融资时点，恰好踩在东南亚风险投资市场的一个矛盾节点上。据 Kickstart Ventures 与 DealStreetAsia 报告，2026 年上半年东南亚初创企业融资 72.5 亿美元、共 217 笔交易，高于此前六个月的 35 亿美元。但剔除新加坡数据中心运营商 DayOne 单笔 45 亿美元 C 轮后，融资额下降 21% 至 27.5 亿美元，交易数量为 2018 年以来任一半年期最低。
这意味着，OneByZero 拿到的 2000 万美元，是在一个交易活跃度处于历史低位的市场里完成的。Jungle Ventures 愿意在这个时点开出超额支票，说明其对部署层赛道的信心超过了市场平均水位。但融资成功本身不改变商业验证的难度。OneByZero 接下来要回答的问题很具体：日本市场能否在 12 到 18 个月内产生可验证的客户案例？医疗和公共部门的合规成本会不会吃掉利润？NEO 的行业模板能否让第十个客户的部署成本显著低于第三个？
公司称其收入每年增长超过一倍，自动化率超过 90%，数据现代化交付加速 50%。如果这些数字能够被独立验证，OneByZero 的故事将具有很强的说服力。但在那之前，它仍然是一家用工程密度换增长的公司，而工程密度的天花板，往往比模型能力的天花板来得更早。
从更长的周期看，OneByZero 的路径取决于一个关键变量：它能否在保持前置部署服务质量的同时，逐步降低对单个工程师的依赖。如果 NEO 的行业模板和治理能力能够承担越来越多的标准化工作，工程师的角色可能从“全程驻场”转向“关键节点介入”，这将是毛利率改善的信号。如果每个新客户仍然需要一支完整的专属团队，那么收入增长越快，人力成本的压力就越大。这个变量目前没有公开数据可以验证，但它将决定 OneByZero 最终是一家平台公司，还是一家披着 AI 外衣的服务公司。
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：OneByZero 的价值主张踩中了企业 AI 最真实的痛点——模型很强，但进不了生产系统。它的前置部署模式在金融和电信领域跑出了初步验证，但真正的分水岭在于 NEO 能否把“人的工程经验”沉淀为“可复用的平台能力”。如果行业模板和治理层能显著降低边际部署成本，它有机会成为亚太企业 AI 部署层的稀缺标的；如果每个客户仍然需要一支专属工程师团队，那这轮 2000 万美元买的，可能只是一家高成本服务公司的入场券。
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。