战略采购部门在企业里长期处于一种尴尬位置。它被公认是利润表上最直接的杠杆之一：外部采购通常占制造企业成本的半数以上，哪怕只压低一个百分点，也能释放出可观的利润。但现实是，采购团队往往没有足够的人手和专业知识去主动管理所有供应商和产品组。大量品类停留在被动响应状态，询价、比价、合同条款分析这些高度依赖经验的重复性知识工作，被压缩在少数资深品类经理的日程里。当企业讨论AI落地时，财务、销售、客服都有了自己的自动化叙事，采购却更多时候仍被视为ERP里的一个记录模块。

2026年10月，一家总部位于慕尼黑附近的初创公司Elevatry宣布完成300万欧元种子前轮融资，试图把这个记录模块改写成主动系统。公司由Heiko Schwarz、Christian Ruck和Tizian Ruck于2026年创立，投资方包括拜仁州背景的风险投资机构Bayern Kapital、管理咨询公司H&Z，以及多位天使投资人。这轮融资的金额在欧洲AI采购赛道里不算突出，但它的产品定位和资本结构，恰好切中了战略采购从“记录系统”向“主动系统”迁移时最棘手的问题：AI代理能不能承担品类经理的分析判断，而不只是把历史数据整理得更漂亮。

Elevatry给出的答案是多个AI代理，或者说companions。公司通稿称，平台包含Category Strategist、Negotiation Coach和Risk & Integrity Manager，分别处理寻源到合同流程中的常规分析工作，并提供行业与商品组专属知识。与传统的采购软件不同，Elevatry明确把自己定位为“主动系统”（system of initiative），而非记录系统（system of record）。这意味着平台不是等用户发起查询，而是主动规划、按欧元影响排序并准备提案，最终决策由人机协作完成。客户可以在开放的多LLM架构上配置自主级别、审批权限和数据主权，每个结果则沉淀为归客户专属的知识层。

字段 内容
公司 Elevatry（Elevatry GmbH）
轮次 种子前轮（Pre-Seed）
金额 300万欧元
投资方 Bayern Kapital、H&Z、Jan Henner-Theißen、Martin Berr-Sorokin、Mike Simon、Markus Ehrle、Andreas Junck、Alexander Bruehl
总部 德国慕尼黑附近
创始人 Heiko Schwarz、Christian Ruck、Tizian Ruck
官网 https://www.elevatry.ai/

把品类经理的方法论复制到每个产品组，是产品承诺也是最大变量

Elevatry的产品逻辑建立在一个朴素假设上：最好的品类经理掌握一套可复制的方法论，而AI代理可以把这套方法论应用到每一个产品组。公司联合创始人兼CEO Heiko Schwarz在融资消息中表示，战略采购是公司业绩最大的驱动因素之一，但迄今为止，它只在有足够人力和必要专业知识的地方被使用。他称公司的合作伙伴能够处理复杂思考并以最高水平执行任务，让采购团队把最佳品类经理的方法论应用到每个产品组。

这套说法的吸引力在于，它直接回应了采购团队的结构性困境。公司通稿给出了一个示例性测算：对于一家营收10亿欧元、采购额5亿欧元的企业，10%的改进可以转化为5000万欧元额外利润；按5%利润率计算，相当于营收翻倍至20亿欧元。这个数字在商业叙事上很有冲击力，但它是一个假设性场景，并非实际客户成果。公司通稿也承认，实践中采购团队往往只能主动管理部分供应商和产品组，大量潜在杠杆未被利用。

从产品架构看，Elevatry试图用三个companions覆盖source-to-contract流程中的关键分析环节。Category Strategist对应品类策略，Negotiation Coach对应谈判准备，Risk & Integrity Manager对应风险与合规。这种拆分方式与成熟采购咨询项目的分工高度相似，说明创始团队对采购工作流的理解并非停留在软件层面。但问题在于，AI代理能否真正掌握“最佳品类经理的方法论”，取决于训练数据、行业知识注入和客户反馈闭环的质量。Elevatry称每个结果都会沉淀为归客户专属的持续优化知识层，这听起来像是为每个客户构建一个私有知识库。然而，在种子前阶段，公司尚未披露任何客户名单或实际部署案例，知识层的有效性无法从公开信息中得到验证。

开放多LLM架构是一张数据主权牌，但也意味着更高的集成成本

Elevatry在技术路线上的一个关键选择是开放的多LLM架构。公司通稿称，客户可以自行配置自主级别、审批权限和数据主权。这一点在欧洲市场尤其重要。德国、奥地利和瑞士的企业对数据驻留、模型供应商锁定和合规边界高度敏感，采购数据又往往涉及供应商报价、合同条款和成本结构，属于企业最不愿意外流的敏感信息。允许客户选择不同的底层大语言模型，并在本地或指定环境中运行，是面向DACH市场的一种务实姿态。

但开放架构的另一面是复杂度的上升。不同LLM在推理能力、语言支持、延迟和成本上差异显著，而采购分析任务对结构化输出和可追溯性要求很高。Elevatry需要在多模型之上构建一层稳定的任务编排和质量控制机制，才能保证companions在不同模型下输出一致可靠的结果。这比绑定单一模型要困难得多。公司通稿没有披露其模型路由、评估或失败恢复机制的具体细节，因此外界无法判断这套开放架构在工程上是否已经跑通，还是仍处于早期验证阶段。

另一个值得注意的设计是“决策由人机协作完成”。这与当前企业级AI的主流叙事一致：代理负责分析和提案，人类保留最终审批权。Elevatry强调客户可以配置自主级别，意味着不同客户甚至不同品类可以设定不同的自动化程度。这种灵活性在合规上是加分项，但在产品体验上可能带来挑战。如果自主级别设置过低，平台退化为带AI摘要的传统采购工具；如果设置过高，企业又需要承担代理决策失误的责任。Elevatry没有披露默认配置或推荐配置，这将是其市场进入阶段需要反复向客户解释的核心问题。

300万欧元买的是产品验证窗口，不是市场扩张弹药

从资金用途看，Elevatry这轮融资的分配相当克制。公司通稿称，资金将用于进一步开发平台和companion组合，并实施配套的市场进入活动；团队将扩充，尤其是在工程、AI、营销和客户支持方面。初期重点是DACH地区和欧盟的市场进入，中期计划国际扩张，重点为北美。

300万欧元对于一家需要同时推进产品开发、AI人才招聘和市场进入的初创公司来说，并不宽裕。以慕尼黑的工程和AI人才成本计算，这笔钱大约只能支撑一个十人左右的核心团队运营12到18个月。这意味着Elevatry必须在相对短的时间内证明产品能够获得付费客户的认可，否则下一轮融资将面临较大压力。公司通稿没有披露任何客户名称、试点项目或收入数据，这增加了外界对其商业化进展的判断难度。

投资方组合透露出一些信号。Bayern Kapital是拜仁州背景的机构投资者，其参与通常带有区域产业政策色彩，倾向于支持本地技术创新。H&Z则是一家管理咨询公司，其管理合伙人Harald Enz和Jonas Harm在融资消息中表示，他们自公司成立以来就坚定支持Elevatry，并认为代理式AI将通过智能自动化重复性知识工作、有效支持决策过程，从根本上改变采购。H&Z的参与不仅是财务投资，更可能带来客户渠道和采购领域的行业知识。咨询公司投资软件初创，在欧洲B2B领域并不罕见，但能否真正转化为客户导入，取决于H&Z是否愿意把Elevatry嵌入自己的咨询交付体系，而不仅仅是作为一笔财务投资。

欧洲AI采购赛道正在升温，但Elevatry的差异化尚未被验证

据EU-Startups报道，Elevatry的融资紧随2026年多笔欧洲AI采购及相关采购基础设施融资之后，包括巴黎Pivot的3440万欧元B轮、意大利Soource的300万欧元，以及德国初创公司Procuros和Finches分别获得的2000万欧元和200万欧元。EU-Startups统计的八笔可比融资公告合计约7550万欧元，计入Elevatry本轮后升至7850万欧元。Bayern Kapital也参与了Finches的pre-Seed轮，显示该机构在AI驱动采购技术领域已有布局。

这些公司的业务重心并不完全相同。Pivot的B轮融资规模远超其他公司，说明其在产品成熟度和市场验证上可能已经走得更远。Procuros和Finches分别聚焦采购基础设施和农业采购的AI预警，与Elevatry的战略采购分析定位存在差异。Soource的融资规模与Elevatry相当，但总部在意大利，市场重心可能不同。Elevatry的独特之处在于它明确以“主动系统”为产品哲学，并以companions的形式覆盖品类策略、谈判和风险管理三个环节。这种定位在概念上清晰，但在竞争格局中是否足够差异化，取决于其实际产品能力能否支撑“主动”二字。

Bayern Kapital董事总经理Monika Steger在融资消息中称，Elevatry将经验丰富的创始团队与战略采购未来的清晰愿景结合在一起，AI原生平台解决了公司内部显著的效率和价值创造杠杆，通过智能使用采购知识和数据产生立即可感知的客户收益。她同时表示，公司所处的AI采购软件市场具有吸引力且快速增长。这是投资方的判断，而非独立验证的市场数据。欧洲AI采购软件市场的实际规模和增速，目前缺乏权威第三方统计，EU-Startups的融资汇总只能说明资本正在涌入，不能证明客户需求已经大规模释放。

从记录系统到主动系统的迁移，真正的瓶颈不在模型能力

Elevatry提出的“主动系统”概念，本质上是对传统采购软件范式的一次重新定义。记录系统的核心价值是数据完整性和流程可追溯性，用户必须主动输入和查询，系统被动响应。主动系统则要求平台能够理解采购目标、识别机会、生成提案并推动执行。这种转变的技术基础是代理式AI的推理和规划能力，但真正的瓶颈可能不在模型本身，而在于企业是否愿意把采购决策的准备工作交给算法。

采购决策与客服、营销自动化有本质区别。一次错误的品类策略或谈判建议，可能导致数百万欧元的成本损失或供应中断。采购经理对AI输出的信任建立，需要比通用场景更长的时间和更多的可解释性。Elevatry强调人机协作和可配置的自主级别，说明创始团队意识到这个问题。但从产品描述看，公司尚未披露其AI代理如何解释推荐理由、如何处理不确定性、如何在数据不足时给出有边界的建议。这些细节将决定企业客户是把Elevatry当作一个高级分析工具，还是一个真正可以托付决策准备工作的主动系统。

另一个被忽视的约束是数据质量。战略采购分析高度依赖供应商历史报价、合同条款、市场指数和内部成本数据。许多企业的这些数据分散在ERP、供应商管理系统、电子表格和邮件中，格式不一、质量参差。Elevatry的知识层设计听起来美好，但如果底层数据无法整合，companions的分析质量将大打折扣。公司通稿没有提及数据接入、清洗或治理的具体方案，这可能是其市场进入阶段最先遇到的实际障碍。

风险与待验证假设：一个尚未被客户证明的产品哲学

Elevatry目前处于种子前阶段，公司成立于2026年，产品和商业化均处于早期。本轮融资的核心待验证假设有三个：第一，AI代理能否在真实采购数据环境中达到品类经理级别的分析质量；第二，企业客户是否愿意为“主动系统”支付溢价，而非继续使用现有记录系统加通用AI工具；第三，开放多LLM架构能否在保持灵活性的同时控制工程复杂度和运营成本。

公司通稿中的利润改善测算是一个示例性场景，而非实际客户成果。10%的采购改进对应5000万欧元额外利润，这个数字在理论上成立，但在实践中，采购改进的归因往往复杂且滞后。企业很难在短期内把AI平台的贡献从市场波动、供应商谈判和内部流程变化中分离出来。Elevatry需要在早期客户中建立可量化的价值证明，否则“主动系统”的定位可能被市场视为营销话术。

市场进入策略上，Elevatry选择先聚焦DACH和欧盟，中期再拓展北美。这个顺序符合欧洲B2B软件的典型路径，但也意味着公司需要在数据主权和合规要求最严格的市场率先证明产品价值。如果能在DACH地区获得标杆客户，后续向其他欧盟国家和北美扩张将更有说服力。反之，如果在主场市场无法突破，北美扩张计划将缺乏支撑。公司通稿没有披露具体的客户获取策略、定价模式或销售周期预期，这些信息的缺失使得外界难以评估其市场进入的可行性。

从资本结构看，本轮投资方以机构投资者、咨询公司和天使投资人为主，没有出现专注企业软件的大型VC。这在一定程度上反映了公司所处阶段：产品尚未经过客户验证，机构投资者更多是基于团队背景和市场判断进行早期押注。H&Z作为战略投资者的加入，理论上可以带来行业知识和客户渠道，但也可能产生利益冲突——咨询公司投资软件工具，其客户是否会担心咨询建议的独立性，是一个需要观察的问题。

RecodeX 极客视：Elevatry的故事核心不是300万欧元，而是一个尚未被客户证明的产品哲学——战略采购软件能否从记录系统变成主动系统。AI代理在演示环境中规划品类策略、准备谈判方案并不难，难的是在企业真实的数据混乱、责任边界和信任缺失中持续产生可归因的价值。Elevatry选择在数据主权最敏感的DACH市场起步，用开放多LLM架构回应合规焦虑，这很聪明，但也意味着它必须在最严苛的环境中率先证明自己。如果companions的知识层真的能随每一次决策持续优化，采购软件的定义将被改写；如果这只是一层包裹在通用LLM外的产品叙事，那么欧洲AI采购赛道的资本热度，可能比客户需求更早到达顶点。

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。