当模型多到选不过来，问题从“能不能用”变成“该用哪个”
一个创意工作者今天要完成一条产品发布视频，可能需要先用一个文本模型写脚本，再换到另一个图像模型生成封面，接着打开第三个视频模型做动态素材，最后还要找一个语音模型配旁白。每一个环节都意味着不同的订阅、不同的界面、不同的账号体系，以及把上一个工具的输出手动搬运到下一个工具的重复劳动。生成式 AI 的能力在过去两年快速膨胀，但膨胀的方式是横向裂变——模型越来越专精，用户的操作路径却越来越破碎。
这种碎片化不只是个人用户的困扰。团队场景里，不同成员可能各自习惯不同的模型；教育机构里，学生和教师面对十几个 AI 工具无从下手；模型开发者则苦于找不到一个能让产品被真正用起来的分发入口。印度浦那一家成立仅十个月左右的初创公司 CurvetAI 试图把这个问题接住。它的答案不是再造一个更强的模型，而是做一个把所有模型装进去的工作空间。
2026 年 10 月 6 日，CurvetAI 宣布完成 6 千万卢比（约合 72 万美元）种子前轮融资，由 Merak Ventures 领投，一组天使投资人参与。这笔钱将用于技术基础设施、团队扩充，以及一个尚在计划中的方向——让平台具备基于智能体的能力，代替用户执行多步骤任务。
| 字段 | 内容 |
|---|---|
| 公司 | CurvetAI |
| 轮次 | 种子前轮 |
| 金额 | 6 千万卢比（约合 72 万美元） |
| 投资方 | Merak Ventures（领投），一组天使投资人（参与） |
| 总部 | 印度浦那 |
| 创始人 | Vivek Dubey（联合创始人兼 CEO）、Utkarsh Gupta（联合创始人兼 CTO） |
| 官网 | 未披露 |
从“发现工具”到“组合工具”，转型本身暴露了真实痛点
CurvetAI 并不是一开始就做工作空间。据 Entrepreneur India 报道，这家公司最初是一个 AI 工具与提示词的发现平台，用户可以在这里找到各种 AI 产品。但创始人很快发现，发现工具只是问题的前半段。用户找到工具之后，仍然要离开平台去实际使用这些产品，订阅、登录、切换、搬运输出，这些摩擦一点都没有减少。于是团队把产品推倒重来，转向工作空间模式：用户可以在同一个界面里访问、比较并组合文本、图像、音频和视频等多种 AI 模型。
这个转型路径本身就是一个值得注意的信号。工具发现平台的逻辑建立在“信息不对称”之上——用户不知道有哪些 AI 工具，所以需要一个导航层。但 CurvetAI 的实践表明，真正让用户痛苦的并不是不知道工具在哪，而是知道之后无法顺畅地把它们串起来。信息不对称正在被使用摩擦取代，而后者更难用简单的目录或评测解决。
联合创始人兼 CEO Vivek Dubey 对公司切入点的表述相当直接。据 Entrepreneur India 报道，他认为 AI 已经变得极其强大但也越来越碎片化，用户仍被期望去理解哪个模型最适合某项任务，然后再想办法让不同工具协同工作；复杂性应该由平台来承担，而不是用户。随着专用模型数量继续增加，让 AI 真正有用的关键将不仅在于能否访问智能，还在于能否选择正确的智能。上述引语为英文来源的翻译。
这套叙事在逻辑上自洽，但它目前更多是一个产品方向判断，而非已被验证的结论。CurvetAI 尚未披露付费用户数量、收入规模或客户留存数据，因此“用户愿意为聚合层付费”这一核心假设仍然悬而未决。
10 万月活与“已开始产生收入”，目前只是公司披露口径
公司称其全球月活用户已超过 10 万，印度和美国是最大的两个市场，并且已开始产生收入。以下为公司披露口径，尚无独立验证。月活统计口径未披露，是否去重、是否包含机构账号未知；收入数字、付费客户数量或本轮融资后的估值均未披露。这意味着外界无法判断“开始产生收入”的具体含义——它可能是一笔有意义的经常性收入，也可能只是少量实验性付费。在印度 SaaS 和 AI 工具市场，10 万月活用户如果主要来自免费层，其商业价值与同等规模的付费用户群完全不同。
来源显示其用户包括个人、团队和教育机构，各类占比未披露。教育机构是一个值得单独拆分的场景：印度教育市场对价格高度敏感，付费能力和付费周期与企业客户差异显著。如果教育机构在用户基数中占比较高，那么用户规模的增长未必能线性转化为收入增长。来源显示其与印度教育机构有合作，合作性质未披露。
Merak Ventures 创始合伙人 Sheetal Bahl 的投资逻辑是，最好的科技公司往往出现在市场变得比用户应该理解的更复杂的时候，而 CurvetAI 很早就看到了这个拐点。他还提到，让投资方建立信心的是创始人把洞察转化为人们已经在规模化使用的产品的能力。上述引语为英文来源的翻译。但“规模化使用”与“规模化付费”之间的距离，恰恰是 CurvetAI 接下来必须跨越的鸿沟。
模型级集成是核心资产，但合作深度与排他性均未披露
CurvetAI 的竞争格局需要放在一个更宽的坐标系里看。它没有在来源材料中列出直接竞争对手，但这并不意味着它在一个空白市场里运行。替代方案至少有三类：第一类是用户自己手动组合多个单点工具，这是目前最普遍的状态；第二类是大型模型厂商不断扩展自身能力边界，试图在一个产品内覆盖文本、图像、音频和视频；第三类是其他同样瞄准 AI 编排层的平台，它们可能以不同形态出现——有的偏开发者工作流，有的偏企业自动化，有的偏个人效率工具。
第一类替代方案是最难对付的。用户“凑合用”的惯性极强，尤其是当切换成本看起来只是“多开几个标签页”的时候。CurvetAI 必须让用户感知到，聚合带来的效率提升足以抵消迁移和学习的成本。这不是一个仅靠功能列表就能说服用户的事情，它需要产品在真实工作流中展现出可感知的差异。
第二类替代方案的压力来自上游。如果主要模型厂商自己把多模态能力做得足够好，用户对第三方聚合层的需求就会被削弱。CurvetAI 的应对逻辑是，模型生态的碎片化不会因为少数巨头扩展能力而消失，因为专用模型的数量仍在快速增长。这个判断有合理性，但它建立在一个前提上：碎片化是长期结构性趋势，而非阶段性过渡状态。如果未来两三年内模型层出现整合，聚合层的价值主张就需要重新论证。
第三类替代方案则取决于 CurvetAI 能否在产品体验和模型覆盖上建立差异化。公司披露与 GnaniAI、Rumik AI 和 Alibaba 存在合作，具体条款未披露。据公开报道，GnaniAI 的 Prisma v2.5 语音转文本模型已可通过 CurvetAI 的编排层使用，具体技术分工未披露。这类模型级集成是聚合层产品的核心资产，但合作的具体商业条款未披露，合作的深度和排他性也无从判断。如果这些合作只是简单的 API 接入而非深度集成，那么竞争对手复制同样能力的门槛并不高。
给模型开发者做分发渠道，双边市场的稳定性取决于未披露的分成模式
CurvetAI 的商业模式有一个容易被忽略的侧面：它不只面向使用 AI 的个人和团队，还面向 AI 模型开发者提供分发渠道。开发者可以通过平台触达用户、收集反馈并了解产品使用情况。这意味着 CurvetAI 试图构建的是一个双边市场——一端是模型供给，另一端是用户需求。
前述月活与收入口径对早期模型开发者来说有一定吸引力，但能否支撑起一个可持续的分发渠道，取决于这些用户的活跃度和付费转化，而非单纯的访问量。CurvetAI 尚未披露与模型开发者的分成模式、数据共享安排或排他性条款，这些细节将决定这个双边市场能否真正运转起来。
从模型开发者的角度看，加入一个聚合平台意味着获得额外的分发机会，但也意味着在用户关系上让渡一部分控制权。开发者需要判断，通过 CurvetAI 获得的用户是否真正属于自己，还是只是平台的用户。如果平台最终掌握了用户关系，开发者在议价中就会处于弱势。
另一个值得注意的点是，CurvetAI 与 Alibaba 的合作出现在来源材料中，但合作的具体内容未被说明。Alibaba 旗下有通义千问系列模型，如果合作涉及模型接入，那么 CurvetAI 的模型供给就不仅限于印度本土开发者。但同样地，在商业条款未披露的情况下，外界无法判断这是一次深度战略合作，还是常规的 API 集成。
72 万美元能买到的，是验证时间而不是市场地位
6 千万卢比的种子前轮融资，在印度 AI 创业生态中属于早期阶段的常规体量。它的主要价值在于给团队争取验证核心假设的时间。CurvetAI 计划将资金用于三个方向：加强技术基础设施、扩充团队、开发基于智能体的能力。
技术基础设施的投入相对明确。一个聚合多种 AI 模型的工作空间，需要在模型路由、响应延迟、并发处理和故障回退等方面做到足够稳定，否则聚合带来的便利会被性能问题抵消。团队扩充的方向未具体披露，但从 CTO Utkarsh Gupta 的工程背景和公司对技术基础设施的强调来看，工程岗位可能是优先方向。
基于智能体的能力是三个方向中最具想象力也最不确定的一个。来源显示公司正聚焦基于智能体的能力，具体目标与时间表未披露。这意味着 CurvetAI 不只是做一个模型聚合界面，而是要在聚合层之上叠加一层任务编排和自主执行能力。从已披露的信息看，这一能力尚处于计划阶段，没有可用的产品细节或时间表。
从产品演进逻辑看，从聚合到智能体是一个自然的延伸：如果平台已经知道用户在工作流中如何组合不同模型，那么下一步就是把这些组合模式自动化。但这个延伸的技术难度远高于聚合本身。智能体需要处理任务分解、工具选择、错误恢复和结果验证等一系列问题，每一个环节的可靠性都直接影响用户体验。对于一个刚完成种子前轮的团队来说，在资源有限的情况下同时推进基础设施、团队扩充和智能体开发，优先级管理将是一个现实的挑战。
创始人的大厂履历能解释产品判断力，但不能替代商业验证
CurvetAI 的两位创始人均有大厂工作背景。CEO Vivek Dubey 曾在 Infosys、Microsoft 和 Google 工作，并在浦那 Symbiosis Institute of Design 学习设计；CTO Utkarsh Gupta 曾在 Samsung 工作，负责公司的工程与技术基础设施。设计背景加工程背景的搭配，对于一个以用户体验为核心卖点的产品来说，至少在团队构成上是匹配的。
Dubey 的设计背景值得单独注意。CurvetAI 的产品核心不是模型能力本身，而是用户如何在一个界面里感知、比较和组合不同模型的能力。这本质上是一个交互设计问题，而非单纯的工程技术问题。一个曾在 Google 和 Microsoft 工作过的设计背景创始人，对于“如何让复杂系统对用户变得可理解”可能有更直接的体感。从 CurvetAI 从发现平台到工作空间的转型来看，创始团队确实展现了根据市场反馈调整方向的能力。但这种调整能力在早期阶段是一把双刃剑：它既可能帮助公司找到真正的产品市场契合点，也可能导致团队在多个方向之间摇摆，无法在任何一个方向上积累足够的深度。
Merak Ventures 的投资逻辑中，创始人能力占据了重要位置。Bahl 提到，投资方的信心来自创始人把洞察转化为人们已经在规模化使用的产品的能力，以及随市场变化不断演进产品的能力。上述引语为英文来源的翻译。
最需要被验证的假设，恰恰是融资稿里最安静的部分
CurvetAI 的融资叙事围绕一个清晰的行业矛盾展开：模型生态碎片化创造了聚合层的价值空间。这个叙事在逻辑上成立，在行业趋势上也有支撑。但它掩盖了几个尚未被回答的关键问题。
第一个问题是付费意愿。用户可能承认聚合层有用，但不一定愿意为它单独付费。如果聚合层的价值被用户视为“应该免费的基础设施”，那么 CurvetAI 的商业化路径就需要重新设计。公司已开始产生收入，但未披露收入数字和付费客户数量，这使得外界无法判断付费意愿是否已被初步验证。
第二个问题是模型开发者的长期利益。CurvetAI 未披露与模型开发者的分成模式，因此无法判断开发者是否有足够动力留在平台上。如果开发者选择绕过聚合层直接触达用户，CurvetAI 的供给端就会受到挤压。这个双边市场的稳定性，取决于平台能否为开发者提供足够独特且难以替代的价值。
第三个问题是智能体能力的落地节奏。公司明确将智能体作为下一阶段的方向，但这一能力尚处于计划阶段，没有时间表。在种子前轮阶段，团队需要在有限资源下做出选择：是先做深聚合体验，还是提前布局智能体？如果智能体开发分散了团队对核心聚合体验的注意力，反而可能削弱产品当前的竞争力。
第四个问题是竞争壁垒的可防御性。CurvetAI 目前拥有前述月活与收入口径和若干模型合作，但这些优势能否转化为结构性壁垒，还需要时间验证。公司未披露估值，也未披露与 GnaniAI、Rumik AI 和 Alibaba 的合作条款，因此外界无法判断其在资本和产业协同层面的真实议价能力。如果大型模型厂商或更大的平台公司进入这一领域，CurvetAI 的生存空间将取决于它能否在特定用户群或特定场景中建立起足够深的护城河。
从已披露的月活和已开始产生收入这两点看，CurvetAI 至少证明了产品有人用。但“有人用”和“有人持续付费”之间的距离，以及“聚合工具”和“智能体平台”之间的技术跨越，才是这笔 72 万美元融资真正需要买来的答案。Merak Ventures 的 Bahl 说 CurvetAI“很早就看到了拐点”，但看到拐点和跨过拐点是两件不同的事。CurvetAI 的下一步，将决定它究竟是碎片化 AI 生态中的一个便利层，还是一个真正能定义用户与模型交互方式的入口。
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：CurvetAI 的融资故事最诚实的地方在于，它没有假装自己已经解决了问题。10 万月活和“已开始产生收入”是真实的信号，但它们指向的是一个尚未被验证的假设：用户愿意为“不用自己选模型”这件事付费。聚合层的价值在逻辑上无可辩驳，在商业上却常常陷入“有用但没人买单”的困境。CurvetAI 真正的赌注不是模型生态会继续碎片化——这一点几乎确定——而是碎片化带来的摩擦足够痛，痛到用户愿意把选择权和一部分预算交给一个中间层。这个赌注的答案，不会出现在下一轮融资的新闻稿里，而会出现在付费转化率和留存曲线中。如果这两个数字迟迟不出现，聚合层的故事就仍然只是一个故事。
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。