大多数人对 AI 的第一次震撼，来自一个下午的工作被压缩进几分钟。但工作很少在个人层面结束。你需要财务更新一个模型，需要运营负责人开通一个应用权限，需要一线销售反馈下周的目标，然后一切停在那里，等别人回复。Town 的创始人把这种状态描述为一种新的瓶颈：AI 让每个人单独变得更快，但协作没有跟上，于是等待重新填满日程，工作再次慢下来。
这家总部位于旧金山的公司给出的答案是，让 AI 助手不再只是个人的外挂，而是进入团队协作的底层。Town 在官方博客宣布完成 1.08 亿美元 B 轮融资，由 Forerunner Ventures 与 Menlo Ventures 联合领投，a16z 与 First Round Capital 继续参与，Better Tomorrow Ventures、Precedent.vc、Scribble Ventures、Serena Ventures、Sparked Ventures 以及 Brendan Foody、Josh Silverman、Romain Huet、Scott Belsky、Steve Bartel、Taro Fukuyama、Varun Anand 等天使投资人也加入本轮。公司称，这笔资金将用于把 Townie 从个人助手推向团队协作基础设施。本轮首次公开披露的具体日期未在来源中确认。
值得注意的是，本轮融资的金额、轮次与投资方名单目前仅出现在 Town 官方博客，尚未有独立媒体或监管文件交叉印证。公司也未披露本轮估值、融资完成日期与具体计费方式。这意味着，围绕这笔交易的公开信息，仍主要来自公司单方声明。后文引用的产品上线、用户案例与历史融资信息，来自 2026 年 6 月的 A 轮通稿，属于背景材料，不构成本轮披露。
| 字段 | 内容 |
|---|---|
| 公司 | Town |
| 轮次 | B轮 |
| 金额 | 1.08亿美元 |
| 投资方 | Forerunner Ventures、Menlo Ventures 联合领投；a16z、First Round Capital、Better Tomorrow Ventures、Precedent.vc、Scribble Ventures、Serena Ventures、Sparked Ventures 及多位天使投资人参与 |
| 总部 | 旧金山（据2026年6月通稿发布地） |
| 创始人 | Jean-Denis Greze、Tony Vincent |
| 官网 | https://www.town.com |
从“更好的搜索框”到会互相协作的助手
Town 的产品逻辑建立在一个区分上：现有 AI 助手大多知道“你”，但无法直接与你的团队协作；团队机器人从频道里学习，却看不到任何人的收件箱和偏好，因此从未真正理解任何一个人。Town 提出的方案是，为每个人配备一个名为 Townie 的个性化助手，让 Townie 之间互相协作。公司通稿称，已有数千家企业每天依赖 Townies 完成工作，但这一口径尚无独立验证，且未披露“企业”的付费状态、统计期间与具体定义。
这种“个人助手 + 助手间协作”的架构，与 Slack、Notion 等工具中附加的团队机器人形成对比。后者的知识来源主要是团队频道和共享文档，而 Townie 声称能跨收件箱、日历、Slack、文档等工具工作，学习用户的写作风格、人际关系、节奏与优先事项。公司通稿举例称，Townie 可以起草他人语气的信息、在团队内寻找熟人引荐、会前用同事的 Townie 压力测试材料，以及一次更新即在全团队生效。这些场景的共同点是，它们试图消除协作中的等待，而不是单纯提高单人的产出速度。
a16z 普通合伙人、Town 董事会成员 Alex Rampell 在 2026 年 6 月的通稿中称，多数 AI 助手本质上只是更好的搜索框，而 Jean-Denis 和 Tony 正在构建某种根本不同的东西。这一判断来自投资方，而非独立验证。但它点出了 Town 试图占据的位置：不是模型能力，而是积累的上下文与产品体验。Rampell 认为，消费级应用的护城河不是模型，而是累积的上下文加上神奇的产品体验；用户使用越久，护城河越宽。
把分散在个人头脑里的上下文变成公司资产
Town 的核心叙事是，企业最有价值的上下文长期被困在个人头脑和收件箱里，有人太忙或离职时就会消失。公司通稿称，Townie 对 CEO 的写作方式、谁与某个买家关系最强、每条线索关心什么、支撑业务运转的流程等形成理解，并把这些分散的上下文转化为共享的、可复利积累的资产。公司称，这种上下文是“关键资产”，应当属于构建它的公司；如果用户离开 Town，可以带走并使用它。
这一表述需要被放在真实的产业链约束中理解。企业知识管理并不是新问题，从 Salesforce、Notion 到各类 CRM 与内部 wiki，都在试图把隐性知识显性化。Town 的差异在于，它不要求员工主动录入或整理，而是通过助手在日常交互中积累。但这也带来一个待验证的问题：当上下文来自个人收件箱和私人对话时，哪些可以共享、哪些必须保持私密，边界并不清晰。公司通稿以设问方式提出，Townie 应理解什么该保密、什么该分享，但未披露这一判断的技术实现与误判率。
在数据治理层面，公司通稿称默认不使用用户上下文训练模型，Town 通过 SOC 2 Type 2 合规，DPA 公开，且不锁定单一 AI 模型供应商。这些是公司单方声明，尚无独立审计或第三方验证。不过，它们指向一个真实的采购约束：企业客户对 AI 助手处理敏感邮件和内部文档时，最关心的往往不是模型性能，而是数据是否会回流到训练集、供应商是否会被锁定。Town 把“不训练、可审计、供应商中立”作为默认设置，是在回应这一约束。但“按任务选用合适模型”也意味着，Townie 的输出质量将部分取决于其模型路由策略，而公司未披露这一策略的细节。
订阅式产品的收入结构仍未公开
Town 的商业模式被描述为面向个人与团队的 AI 助手订阅式产品，但来源未明确披露定价与计费方式。这是一个关键的信息缺口。Townie 跨收件箱、日历、Slack、文档等工具工作，意味着每一次交互都可能触发多轮模型调用；而公司通稿在 2026 年 6 月的 A 轮披露中列举的用户，包括招聘行业的小企业主、管理家庭日程的家长、国际非营利组织的执行总监。这些用户画像的共同点是，他们有大量重复性沟通与协调工作，但没有专门的行政支持。Town 的定位是让这些人也能拥有“真正的助手”。但这类用户的价格敏感度通常高于企业采购部门。Town 未披露其付费转化率、客单价或收入规模，因此无法判断前述未经验证的企业数口径对应的商业实质。可核验的指标包括单用户日均模型调用次数、付费转化率与客单价，目前均未公开。
从资本结构看，本轮由 Forerunner Ventures 与 Menlo Ventures 联合领投，a16z 与 First Round Capital 继续参与。Andreessen Horowitz（a16z）是 A 轮领投方，Forerunner Ventures 在 A 轮中已参与。老股东继续加注，通常被解读为对产品方向与团队的认可，但也可能意味着公司尚未吸引到足够多的新外部验证者。Menlo Ventures 作为新进入的联合领投方，其加入为这笔交易增加了一个独立于原有股东结构的信号。
资金用途写着“信任”，但信任需要产品细节支撑
公司通稿称，本轮资金用于三个方向：更深的能力、扩大可及性、加深信任。其中“信任”一项被具体化为审批默认、逐动作控制、完整审计日志。这与 A 轮时“给用户一个旋钮，而不是开关”的表述一脉相承。在 AI 助手从“建议”走向“代执行”的过程中，用户是否愿意让助手直接发送邮件、预订会议、更新 CRM，取决于他们能否在每一步叫停。
但“信任”也是一个容易被过度使用的词。审批默认和审计日志是必要的，却不是充分的。用户真正需要知道的是：Townie 在什么情况下会自主行动，什么情况下必须等待确认；当两个 Townie 协作时，谁的审批权限生效；如果助手误读了某封邮件的语气，责任如何追溯。公司通稿没有披露这些机制的具体设计。因此，目前能确认的是 Town 把信任作为产品优先级，而非它已经解决了信任问题。
另一个资金用途是“扩大可及性”，从个人扩展到团队功能。这是本轮融资叙事的核心转折。公司通稿称，团队协作版 Townie 是下一步方向，但未披露其上线时间与可用范围。这意味着，本轮融资所押注的核心产品能力，在公告时仍处于“正在构建”的状态。投资者押注的是团队能否在合理时间内把个人助手之间的协作，变成企业愿意付费采购的团队基础设施。
与明确替代方案的比较：Townie 究竟替代了什么
要理解 Town 的竞争位置，需要把它放到用户现有的工作流中。一个需要管理销售线索的小企业主，今天可能用 Gmail 的标签和过滤器、一个轻量 CRM、再加上 ChatGPT 或 Claude 来起草回复。一个需要协调家庭日程的家长，可能用共享日历、群聊和备忘录。Town 的替代方案是，把这些分散在多个工具中的动作，收敛到一个能跨工具学习的助手里。
但这也意味着 Town 的竞争对手不是某一家公司，而是用户已有的工具组合与使用习惯。Town 的反向切入是，不要求用户离开现有工具，而是让 Townie 进入这些工具，在用户已有的收件箱、日历和聊天里工作。据公司 2026 年 6 月的 A 轮通稿，产品已上线 iOS、桌面端、WhatsApp、Telegram、Slack 与网页端。这种“生活在用户已经工作的地方”的策略，降低了迁移成本，但也让 Townie 的体验部分受制于第三方平台的接口开放程度与政策变化。编辑分析认为，可核验的竞争维度应聚焦于第三方平台接口开放程度、数据可迁移性，以及 Townie 在既有工具内可执行动作的深度；这些维度目前尚无公开数据。
从编辑推断看，Town 的真正赌注是：当每个团队成员都拥有一个理解自己的 Townie，且这些 Townie 能互相协作时，会产生一种现有工具附加功能无法复制的网络效应。单个 AI 助手可以替代个人助理，但无法替代团队协调；团队机器人可以汇总频道信息，但无法理解个人偏好。Town 试图占据的，是这两者之间的空白。这一推断的前提是，Townie 对个人上下文的积累足够深，且团队协作场景足够频繁，才能形成用户离开成本。但这两个前提目前都未被独立数据验证。
风险不在融资，在于“数千家企业”背后的验证路径
这笔 1.08 亿美元的 B 轮融资，从金额看足以支撑 Town 在团队功能上投入一到两年的研发与市场推广。但真正的风险不在资金，而在于公司通稿中那些尚未被验证的关键假设。
第一个假设是，个人助手之间的协作能产生足够的增量价值，让企业愿意为“每个成员一个 Townie”付费。公司通稿称已有数千家企业每天依赖 Townies，但未披露这些企业是付费客户还是免费用户，是完整团队还是个别员工，统计期间是多长。在 SaaS 行业，“企业数”可以指一个付费席位，也可以指一个试用过的工作区。没有口径的数字，无法支撑“团队协作基础设施”的定位。
第二个假设是，Townie 对个人上下文的积累不会触发隐私与合规红线。跨收件箱、日历和 Slack 工作，意味着 Townie 会接触到大量个人数据与第三方数据。SOC 2 Type 2 合规和公开 DPA 是必要的基础，但不同行业、不同地区的合规要求差异很大。一家国际非营利组织处理的手写外语资助申请，与一家受 HIPAA 约束的医疗机构处理的患者邮件，风险等级完全不同。Town 未披露其目标客户行业与对应的合规能力。
第三个假设是，模型供应商中立能转化为可持续的成本优势。公司通稿称不锁定单一模型供应商，按任务选用合适模型。这在理论上可以避免被某一家模型厂商的涨价或政策变化绑架，但也要求 Town 持续评估多家模型的能力、成本与延迟，并维护一套稳定的路由系统。对于一家刚完成 B 轮的公司，这是一笔不小的工程投入。公司未披露其模型路由的技术细节与成本结构。
验证边界与可复核指标
本轮融资的金额、轮次与投资方名单仅见于 Town 官方博客，属公司单方声明，尚无独立媒体或监管文件交叉印证；本轮首次公开披露的具体日期、估值、融资完成日期与计费方式均未确认。2026 年 6 月的 A 轮通稿为背景材料，仅用于创始人、产品形态、用户案例与历史融资背景，不构成本轮事实。公司通稿中“数千家企业每天依赖 Townies”的使用规模表述，未给出付费状态、统计期间与具体定义，目前不能作为已确认的商业规模。
未来可复核的指标包括：团队协作版 Townie 的上线时间与可用范围；付费企业数、付费转化率、客单价与收入规模；单用户日均模型调用次数及模型路由成本结构；SOC 2 Type 2 审计报告的范围与更新情况；以及第三方平台接口政策变化对产品可用性的影响。这些指标不会出现在融资公告里，只会出现在后续的产品更新、客户名单与审计披露中。
RecodeX 极客视：Town 的 B 轮融资把一个关键问题摆上了桌面：AI 助手如果只能让个人更快，协作瓶颈就会成为新的天花板。让助手之间互相协作，听起来是自然的下一步，但它要求产品同时解决个人上下文的深度、团队共享的边界与企业级信任的审计能力。真正的验证，是团队协作版 Townie 能否按期上线，付费企业数能否从“数千家”变成可核验的口径，以及 SOC 2 审计范围能否覆盖跨工具协作中的数据边界。
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。