当一家只有十几名员工的小型会计事务所想要部署AI时，它面对的不是一个技术问题，而是一个结构性困境：没有数据科学家来评估模型，没有预算来试错，也没有能力判断ChatGPT、Claude还是Gemini更适合处理应收账款对账。大型企业可以组建AI转型团队，可以签下六位数的企业级合同，可以在多个模型之间做A/B测试；而街角那家律师事务所、诊所或物流公司，连“应该先自动化哪个流程”都难以回答。
这正是Hatz AI试图切入的缝隙。2026年11月12日，这家总部位于纽约的创业公司宣布完成2400万美元A轮融资，由Nadia Partners领投，Vestigo Ventures和The Private Shares Fund参与。与其说它是一家AI公司，不如说它是一家为“AI的最后一公里”提供基础设施的公司——它的客户不是中小企业本身，而是那些已经在为中小企业管理IT系统的托管服务提供商（MSP）。
Hatz AI的赌注是：当AI从大企业的竞争优势变成中小企业的生存命题时，最有可能完成交付的不是模型厂商，也不是新冒出来的AI咨询公司，而是那些已经掌握中小企业IT命脉的MSP。它们拥有客户信任、计费关系和现场服务能力，唯独缺少一套能把AI能力产品化的工具。Hatz AI要做的，就是把这套工具交到它们手里。
| 字段 | 内容 |
|---|---|
| 公司 | Hatz AI |
| 轮次 | A轮 |
| 金额 | 2400万美元 |
| 投资方 | Nadia Partners（领投）、Vestigo Ventures、The Private Shares Fund |
| 总部 | 美国纽约市Flatiron区 |
| 创始人 | Jimmy Hatzell（CEO）、Aidan Kehoe |
| 官网 | https://hatz.ai |
把AI控制权从模型厂商手里夺回来，交给IT服务商
Hatz AI的产品核心是一个多租户AI控制平面。公司通稿称，这个控制平面为MSP提供AI治理、自定义工作流和跨基础模型的自动路由能力。通俗地说，它把ChatGPT、Claude、Gemini等多个模型整合到一个管理界面上，让MSP可以为自己的每一个中小企业客户创建独立的工作空间，设定角色权限、支出上限和使用审计规则，然后以MSP自己的品牌打包成“AI即服务”交付给客户。
这种架构的关键不在于接入多少模型，而在于把模型选择的权力从模型厂商转移到了服务商手中。据Unite.AI报道，Hatz AI的平台提供Auto模型路由功能，能够根据任务类型自动在多个模型之间分配请求；自动工具选择功能则可以在网页搜索、文档分析、数据连接器之间做出调用决策。对于一家MSP来说，这意味着它不需要为每个客户手动配置模型参数，也不需要担心某个模型突然涨价或性能波动——至少在Hatz AI的设计逻辑中，这些复杂性被吸收到了平台层。
Hatz AI称，客户数据不会被用于训练外部模型，其SOC 2 Type 2控制措施经过独立审计。在AI服务向中小企业渗透的过程中，数据治理是MSP最敏感的一根神经：一旦客户数据被误用，MSP失去的不仅是一份合同，而是多年积累的信任。Hatz AI在这方面的表述，与其说是技术能力的展示，不如说是对渠道伙伴风险偏好的回应。
只走MSP渠道，是聚焦还是自我设限
Hatz AI的商业模式有一个鲜明的特征：公司通稿明确表示，它“没有直接面向企业的销售动作”，只通过MSP渠道分销。这意味着Hatz AI放弃了直接触达数百万中小企业的可能性，把所有增长都押注在MSP这个中间层上。
从投资方的表态来看，这恰恰是Nadia Partners愿意领投的原因。Nadia Partners合伙人Josh Schertzer在公司通稿中称：“通过专注于为MSP提供动力，而不是试图直接向终端用户销售，Hatz在渠道交付的AI领域建立了真正的统治地位。”这一判断的逻辑是：中小企业AI采用的最大瓶颈不是工具可得性，而是信任和实施能力。MSP已经解决了这两个问题，Hatz AI只需要解决MSP的能力缺口。
但“只走渠道”也意味着增长天花板取决于MSP生态本身的扩张速度。如果MSP对AI服务的投入热情降温，或者MSP发现可以直接从模型厂商那里获得更优惠的批发条件，Hatz AI的中间层价值就会受到挤压。目前，公司通稿披露的活跃MSP合作伙伴数量同比增长至原来的三倍，收入增长更快，网络覆盖美国全部50个州、加拿大9个省和9个国家。这些数字如果成立，说明渠道策略至少在短期内产生了正向反馈。但这些数据均为公司单方声明，尚无独立第三方验证。
15,000项认证背后的渠道教育工程
在Hatz AI的增长叙事中，一个容易被忽视的数字是：公司称已颁发超过15,000项AI认证。这个数字的意义不在于认证本身的技术含量，而在于它揭示了Hatz AI在渠道建设上的真实重心——不是把软件卖给MSP就结束了，而是要把MSP的员工训练成能够独立交付AI项目的人。
Hatzell在CRN的独家采访中说得更直接：“我们正在加倍努力，把MSP员工变成驻场部署的构建者。”他补充说，公司发现大部分工作其实是MSP可以在内部培训构建者完成的，只有少数高度技术化的项目需要Hatz AI的专业团队介入。这一策略的实质是：Hatz AI不满足于做一个软件供应商，它在试图定义MSP进入AI业务的最低能力标准。
从产业链的角度看，这类似于Salesforce在2000年代对咨询伙伴生态的培育，或者AWS对云架构师认证体系的建设。认证体系的价值在于降低渠道伙伴的启动成本，同时把平台的使用习惯固化在服务商的日常运营中。但认证数量本身并不等于付费转化，也不等于终端客户的AI采用深度。15,000项认证背后有多少活跃的AI项目在运行，Hatz AI未披露。
2400万美元要解决的不是销售问题，而是工程问题
这笔A轮融资的用途分布，透露出Hatz AI对自身短板的判断。公司通稿称，资金将用于深化平台能力，包括专有自动模型路由引擎、基准测试和内部软件工厂基础设施；同时招聘工程人才，扩大Forward Deployed Engineer（驻场部署工程师）、AI研究和AI优化团队。Hatzell在CRN采访中表示，公司计划将约60人的员工规模翻倍，大部分招聘集中在工程、AI研究和驻场部署工程组织。
值得注意的是，资金用途中没有提到大规模的市场推广费用。对于一个渠道型公司来说，这似乎有悖常理——通常这类公司会把相当比例的资金投入渠道激励和品牌建设。Hatz AI的选择暗示：它认为当前的增长瓶颈不在获客端，而在产品深度和交付能力上。如果MSP把客户带进来之后发现平台功能不够深、模型路由不够智能、成本优化不够明显，渠道增长就会迅速转化为流失。
Hatzell在CRN采访中透露，公司最近开发了名为SMB1的专有基准，包含约500项任务，用于评估AI完成实际工作的能力。这个基准的数据集来自平台客户使用过程中观察到的真实任务和工作流，而非公开基准。公司称，基于这些结果，Hatz AI在两个月内重建了平台的相当一部分。这一信息如果属实，说明Hatz AI正在尝试建立一个以“任务完成率、复杂度和成本”为核心的评估体系，而不是简单依赖模型厂商公布的跑分。但SMB1基准的方法论、任务构成和评分标准均未公开，其客观性和可重复性尚待验证。
竞争不在模型层，而在MSP的注意力分配
Hatz AI面临的竞争，并不直接来自OpenAI、Anthropic或Google。这些模型厂商的竞争战场在企业级市场和消费者市场，MSP渠道对它们而言仍然是一个需要投入大量教育成本才能激活的细分领域。Hatz AI真正的竞争来自两个方向：一是MSP自身的惯性——它们是否愿意在现有IT服务之外增加AI服务线；二是其他面向MSP的软件平台，包括RMM（远程监控与管理）和PSA（专业服务自动化）厂商，它们同样在试图把AI能力嵌入自己的产品中。
从已披露的信息看，Hatz AI的差异化在于它不把自己定位为一个“AI工具集”，而是一个“AI业务操作系统”。公司通稿称，MSP可以通过Hatz AI打包和交付AI即服务，拥有对治理、支出和部署的完全控制。这种定位的潜在优势是，它把Hatz AI嵌入到了MSP的客户交付流程中，而不是作为一个可有可无的附加工具。但风险同样存在：如果MSP的客户对AI服务的需求停留在“用ChatGPT写邮件”的层面，那么Hatz AI提供的治理、路由和审计能力就构成了过度供给。
Hatzell在SiliconANGLE的采访中列举了平台上的具体应用场景：内部工单分类和技术运营自动化、运营流程自动化、营销内容生成、销售线索资格筛选、财务记账等。这些场景覆盖了中小企业运营的主要环节，但每一个场景都意味着Hatz AI需要与现有的垂直软件竞争。一家会计事务所可能已经在使用QuickBooks的AI功能，一家营销公司可能已经在使用HubSpot的AI工具。Hatz AI的价值主张必须足够强，才能说服MSP和终端客户放弃这些单点解决方案，转向一个由MSP运营的AI平台。
增长数据的验证边界与扩张风险
本项目的关键增长指标——活跃MSP合作伙伴数量同比增长至三倍、收入增长更快、网络覆盖美国全部50个州和加拿大9个省及9个国家、已颁发超过15,000项AI认证、员工从14人增至近60人——均来自公司通稿或创始人采访，属于单方声明，尚无独立第三方审计或核实。收入增长的具体基数、合作伙伴的活跃定义、认证的有效性标准，公司均未披露。这意味着外界无法判断“三倍增长”是从100家到300家，还是从1000家到3000家；也无法判断“收入增长更快”对应的绝对规模是否足以支撑一家近60人公司的运营成本。
此外，Unite.AI的相关报道由AI生成，虽然该平台称经过编辑团队审阅，但在涉及具体数据和技术细节时，其可靠性应低于CRN和SiliconANGLE的记者采写报道。本文中涉及Unite.AI来源的信息，已尽可能与公司通稿和CRN报道交叉核对。
从执行层面看，Hatz AI计划在短期内将员工规模翻倍，同时推进平台重建、基准测试开发和市场扩张。这种多线并进的扩张节奏，对一家刚完成A轮融资的创业公司而言，管理复杂度会显著上升。尤其是Forward Deployed Engineer团队的扩张——这类岗位要求工程师既懂技术又懂客户业务，招聘和培训周期都较长。如果FDE团队的质量跟不上数量增长，Hatz AI在MSP端的交付体验可能反而下降。
另一个待验证的假设是：MSP是否真的愿意承担AI服务的交付责任。AI服务不同于传统的IT运维，它涉及业务流程改造、数据治理和持续优化，对MSP的能力模型提出了更高要求。Hatz AI的认证体系和FDE支持可以降低门槛，但无法替代MSP自身的战略投入。如果MSP只是把AI当作一个附加收入来源，而不是一个需要深度投入的新业务线，Hatz AI的渠道增长就会停留在表面。
从资本结构看，本轮融资的三家投资方——Nadia Partners、Vestigo Ventures和The Private Shares Fund——都不是典型的AI基础设施投资者。Vestigo Ventures曾领投Hatz AI在2024年1月披露的250万美元种子轮，本轮继续跟投，显示早期投资者对公司方向的持续认可。Nadia Partners的Josh Schertzer此前是Blackstone的CTO，其背景更偏向企业技术和运营，而非纯粹的AI研究。这种投资组合构成，暗示Hatz AI的估值逻辑可能更接近“渠道型SaaS平台”，而非“基础模型公司”。本轮估值未披露。
中小企业的AI原生之路，绕不开中间层
Hatz AI的故事，本质上是一个关于AI如何从“技术能力”转化为“业务能力”的故事。模型层的进步速度远超中小企业的吸收能力，这种错配创造了一个巨大的中间层机会。Hatz AI选择站在MSP身后，而不是直接面对中小企业，这个选择既是对渠道力量的信任，也是对自身能力边界的清醒认知。
但中间层的价值，最终取决于它能否持续证明自己比“绕过中间层”更高效。如果模型厂商未来推出足够简单、足够便宜、足够安全的中小企业直供方案，MSP的渠道价值就会被削弱。如果MSP自身进化出足够的AI能力，Hatz AI的平台价值也会被稀释。Hatz AI需要在两者之间找到一个可持续的位置——不是靠信息不对称，而是靠交付效率和服务深度。
从已披露的信息看，Hatz AI正在把资源集中投向两个方向：一是让模型路由更智能、成本更低，二是让MSP的交付能力更强。这两个方向的共同目标是降低AI服务通过渠道交付的边际成本。如果这个目标能够实现，Hatz AI就有机会在中小企业的AI采用浪潮中占据一个结构性的位置。如果实现不了，2400万美元的A轮融资只是一个开始，而不是一个答案。
RecodeX 极客视：Hatz AI的融资故事里，最值得关注的不是2400万美元的数字，而是一个被反复验证却常被忽视的规律：当一项技术的复杂度超过目标用户的吸收能力时，真正的商业机会往往不在技术本身，而在降低吸收成本的中间层。MSP能否成为AI进入中小企业的关键入口，取决于它们是否愿意从“IT运维商”转型为“AI服务商”——而Hatz AI的赌注是，这种转型需要一套专门为渠道设计的操作系统，而不是一个更好的通用模型。这个赌注的验证周期，可能比融资新闻的传播周期长得多。
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。