一笔 600万美元的种子轮,试图撬动一个“数字化程度最低”的万亿美元行业

工业分销是一个很少出现在科技头条里的行业。它不性感,没有消费互联网的增长曲线,也没有 SaaS 公司那种整齐划一的订阅收入模型。但这个行业每天在发生的事,决定了建材、零部件、工业耗材如何从制造商流向工地、工厂和维修车间。报价靠邮件,订单靠电话确认,库存靠电子表格,需求计划靠经验。一套运行了几十年的流程,把大量利润消耗在人工衔接和重复劳动里。

2026 年 11 月 19 日的一则公司通稿显示,一家名为 Modern Industrials 的纽约公司完成 600万美元种子轮融资,由 Glasswing Ventures 领投,TMV 联合领投,a16z speedrun 及其他未具名投资方参投。公司通稿称,Modern Industrials 正在为工业和建材制造商、分销商构建定制 AI 代理,把这些代理嵌入销售执行、采购、库存管理、运营和客户互动等环节。通稿没有披露公司成立年份、客户数量、收入规模或合同金额。

这笔融资的金额在 AI 创业公司里不算大。真正值得关注的是它所指向的问题:当通用 AI 助手在消费端已经泛滥,工业分销这个被遗留软件和碎片化数据长期困住的行业,是否真的能接受一种“围绕每个客户单独构建”的 AI 代理模式。以及,一家种子轮公司,凭什么让客户相信它能进入核心业务流程,而不是停留在另一个试点项目里。

字段 内容
公司 Modern Industrials
轮次 种子轮
金额 600万美元
投资方 Glasswing Ventures(领投)、TMV(联合领投)、a16z speedrun、其他未具名投资方
总部 纽约(通稿发布地为纽约,正文未明确表述总部所在地)
创始人 Austin Mao(联合创始人兼 CEO)、Ankit Bhargava(联合创始人兼 CTO)、Vatsal Bhargava(联合创始人兼 CPO)
官网 modernindustrials.com

把 AI 代理塞进报价单和采购订单之间,而不是做一个更聪明的聊天机器人

公司通稿称,其团队将 AI 直接嵌入定义成本结构与商业表现的物理和决策工作流,包括销售、采购、库存管理、运营和客户互动。这与市面上常见的“企业知识库问答助手”有明确区别。通稿描述的产品形态是:围绕客户的独特运营方式构建定制 AI 代理,与客户既有系统和工作流集成,端到端处理报价、订单录入、需求计划、供应商管理和客户支持等复杂流程。

公司通稿没有披露这些代理具体基于哪些大模型构建,也没有说明“定制”的技术实现方式——是通过提示词工程、工作流编排、微调,还是更深的模型训练。通稿只提到“推理与代理式 AI(agentic AI)”这一技术方向。从产品描述看,Modern Industrials 的交付物更像是一个嵌入客户现有 ERP、邮件和电子表格之间的自动化层,而不是一个独立软件界面。这意味着它的价值取决于能否真正理解每个客户独特的 SKU 结构、定价规则、客户分级和审批流程。

公司通稿援引联合创始人兼 CEO Austin Mao 的话称:“传统软件迫使企业去适应僵化的系统。我们采取不同的方法,围绕每个企业实际运营的方式构建 AI 代理。”这句话点出了公司的产品哲学,但也同时暴露了它的核心张力:如果每个客户的代理都需要深度定制,那么每增加一个客户,交付成本是否也会线性上升。公司通稿未披露其交付周期、单客户部署成本或毛利率结构,因此无法判断这种模式在 600万美元种子轮资金下能支撑多少个客户。

两个具名客户,两种不同的验证信号

公司通稿称,Modern Industrials 已与“知名制造商和分销商”合作,但只具名了两家客户。第一家是 MJB Wood Group,一家木制品供应链中的销售、采购和制造服务商。公司通稿援引其 CEO Steve Rask 的话称:“有了这项技术,我们将节省数百小时和数百万美元。”这是 Steve Rask 对公司通稿的预期性表述,通稿未披露已实现的量化结果。Rask 同时是私募股权集团 AC Summit 的 CEO,他在通稿中表示,正在把 Modern Industrials 推广至 AC Summit 的其他投资组合公司。

第二家是 Atlantic Forest Products。公司通稿援引其总裁 John Chisholm 的话称:“Modern Industrials 的解决方案持续让我们团队惊叹于它能做到的事。”这是 John Chisholm 对公司通稿的客户评价,未见独立采访或第三方验证。Chisholm 还表示,每次带来新挑战,对方都能找到解决办法,这种合作体验“完全不同于我们经历过的任何其他技术供应商”。

这两家客户的背书有一定分量,因为它们都是真实运营中的工业或建材企业,而非概念验证阶段的试点用户。但通稿没有披露合作起始时间、部署范围、合同金额或续约安排。Steve Rask 的“节省数百万美元”是一个引人注目的数字,但它是一个未来时态的预期,不是已实现的结果。对于一家种子轮公司来说,客户愿意在通稿中具名站台,本身是一个积极信号;但这个信号能转化成多少可复制的商业证据,通稿没有给出答案。

600万美元在定制化 AI 交付模式下的真实购买力

公司通稿称,本轮资金将用于加速开发、扩充团队,并把“一种根本性的新软件方法”带给更多制造商和分销商。这是一个标准的种子轮资金用途表述,但放在 Modern Industrials 的商业模式下,它有一个更具体的含义:定制化 AI 代理的交付需要工程师、行业理解能力和客户沟通成本的同时投入。

以下为编辑分析,前提是公司通稿披露的 600万美元种子轮金额和“围绕客户独特运营方式定制构建”的产品描述属实。如果 Modern Industrials 的交付模式确实需要为每个客户单独构建代理,那么 600万美元在扣除团队薪资、基础设施成本和销售费用后,能支撑的同时服务客户数量是有限的。可核验指标包括:公司后续披露的团队规模、招聘岗位类型、客户数量变化和产品路线图。若公司后续披露其定制化交付周期显著缩短,或推出可复用的行业模板,上述关于规模化约束的判断需要修正。

公司通稿未披露现有团队规模,也未说明本轮资金在工程、销售和客户成功之间的分配。从创始团队背景看,CEO Austin Mao 曾在麦肯锡参与财富 100 强 AI 战略与实施项目,CTO Ankit Bhargava 曾是 xAI 技术团队成员、此前为 Uber 工程师,CPO Vatsal Bhargava 曾是 Google 机器学习工程师。公司通稿还称,创始团队其他成员带来来自 Palantir、Meta 与 J.P. Morgan 的工程与运营经验。这是一个技术能力明显强于行业运营经验的团队组合。公司通稿未披露其是否拥有工业分销领域的行业顾问或运营团队,因此无法判断团队对行业约束的理解深度。

投资方的逻辑:押注“理解客户”本身成为一种技术壁垒

公司通稿援引 Glasswing Ventures 创始人兼管理合伙人 Rudina Seseri 的话称:“制造商和分销商的工作流历来极难自动化,因为行业固有的复杂性、细微差别和可变性。”她认为,推理和代理式 AI 的进步正在改变可能性的边界。公司通稿援引 TMV 联合创始人兼管理合伙人 Soraya Darabi 的话称,创始团队“从理解客户的业务开始,围绕它来构建”,这是他们“如此迅速赢得客户信任”的重要原因。

两家领投方的表述都指向同一个判断:在这个行业,模型能力本身不是最稀缺的,理解客户的工作流才是。以下为编辑推测,依据是通稿中投资方的公开表态和创始团队背景:Glasswing 作为一家专注 AI 和前沿技术的首笔机构资金投资方,TMV 作为一家专注供应链、海运物流和负责任 AI 的全球风险投资公司,它们的共同押注点可能在于,工业分销的 AI 渗透率足够低,而 Modern Industrials 的“定制化集成”路径有机会在垂直场景中建立比通用 AI 工具更高的切换成本。但通稿未披露任何关于客户留存、合同结构或竞争性投标的具体信息,因此这一推测的边界是:它只能解释投资方的公开叙事,不能证明商业模式的可持续性。

a16z speedrun 作为参投方出现在通稿中,但通稿未披露其投资金额、参与条件或后续协同安排。a16z speedrun 的品牌效应可能为后续融资带来资源,但这一判断仅为编辑推测,通稿未提供任何具体证据。

竞争约束不在 AI 模型层,而在 ERP 和系统集成商之间的夹缝

Modern Industrials 的定位介于垂直 SaaS 和系统集成商之间。它不像传统 SaaS 那样提供一个标准化产品让客户自行配置,也不像系统集成商那样按项目制交付一次性解决方案。公司通稿称其“与客户紧密合作构建定制 AI 代理”,这意味着它的交付物更接近一种持续性的、嵌入客户系统的服务,而非买断式软件。

以下为编辑分析,前提是公司通稿关于“定制构建”和“与既有系统集成”的产品描述属实。这种定位的竞争约束在于:向上,ERP 厂商如果在其产品中内置足够强的 AI 代理能力,客户可能不需要一个外部定制层;向下,系统集成商如果开始用 AI 工具降低其项目交付成本,Modern Industrials 的差异化会被压缩。公司通稿未披露其与任何 ERP 厂商或系统集成商的合作关系,也未说明其代理在客户系统中的技术部署方式。若公司后续披露其与特定 ERP 生态的集成深度或独家合作,上述竞争判断需要修正。

公司通稿称,工业分销是一个“90000亿美元以上”的行业,长期受碎片化工作流和遗留软件制约。这个数字来自公司通稿,未注明统计口径或来源。公司通稿还称,该行业核心基础设施多建于数十年前,造成流程混乱、数据孤岛,以及“数十亿(来源未注明币种)的收入、利润和生产力损失”。这些表述构成了 Modern Industrials 的市场叙事基础,但它们本身不是独立验证的市场数据。公司通稿未披露其目标客户细分、客单价假设或可服务市场规模,因此无法从“90000亿美元行业”推导出公司的收入天花板。

验证边界:哪些是事实,哪些还只是说法

本项目的核心事实边界需要集中说明。本轮融资的金额、轮次、投资方、创始团队背景和产品方向,均来自 GlobeNewswire 发布、Markets Insider 转载的公司通稿,属于公司单方声明,尚无独立第三方核证。通稿中“已与知名制造商和分销商合作”的表述,只有两家具名客户的部分引语作为支撑,未披露合作规模、合同金额或收入确认方式。Steve Rask 的“节省数百小时和数百万美元”是预期性表述,John Chisholm 的“持续让我们团队惊叹”是客户主观评价,两者均未给出量化口径或统计期间。

技术侧的可核验指标包括:公司后续是否披露其 AI 代理所基于的模型、定制化交付的技术实现方式、单客户部署周期和故障率。商业侧的可核验指标包括:客户数量、收入、合同金额、续约率、客户集中度和收入确认方式。资本侧的可核验指标包括:本轮资金的具体分配、团队规模变化、后续融资轮次和估值变化。公司通稿未披露总部确切所在地,仅标注发布地为纽约;未披露公司成立年份;未披露除 Glasswing Ventures、TMV、a16z speedrun 外的其他投资方名单。

以下为编辑分析,前提是公司通稿披露的融资事实和产品描述属实。从已披露的创始团队背景和两家具名客户看,Modern Industrials 至少已经完成了从技术能力到行业场景的初步跨越,否则很难让两家运营中的工业企业愿意在通稿中具名。但这一跨越的深度无法从通稿中判断:客户是付费用户还是设计合作伙伴,代理是部署在生产环境还是试点阶段,通稿均未说明。若公司后续披露付费客户数量、合同金额或部署范围,上述关于商业化进展的判断需要修正。

真正待验证的假设:定制化能否在工业分销里跑通单位经济模型

Modern Industrials 的故事里有一个尚未被回答的核心问题:如果每个客户的 AI 代理都需要围绕其独特运营方式单独构建,那么公司的收入增长是否只能靠堆人头来实现。这是定制化 AI 交付模式在工业场景中的经典困境。通稿没有披露任何关于交付效率、客户获取成本或毛利率的数据,因此这个问题目前只能作为假设存在。

另一个待验证的假设是客户集中度。通稿只具名了两家客户,其中一家客户的 CEO 同时是一家私募股权集团的 CEO,并表示正在把 Modern Industrials 推广至其他投资组合公司。这意味着公司早期收入可能高度依赖少数客户及其关联网络。如果这一判断成立,公司的收入质量需要更长时间来验证。可核验指标包括:公司后续披露的前五大客户收入占比、客户数量增长曲线和来自关联网络的收入比例。

以下为编辑分析,前提是通稿中 Steve Rask 关于“推广至其他投资组合公司”的表述属实。私募股权集团的背书是一把双刃剑:它可以在短期内带来关联客户,降低获客成本;但也会让外界难以区分真实的市场需求和关联方驱动的增长。若公司后续披露其非关联客户收入占比显著提升,上述关于客户集中度的担忧需要修正。

RecodeX 极客视:Modern Industrials 拿到 600万美元种子轮,真正的赌注不是 AI 模型有多强,而是“围绕每个客户单独构建代理”这件事能否在工业分销的复杂工作流里跑出可复制的单位经济模型。两家具名客户的背书说明它已经跨过了从技术到场景的第一道门槛,但通稿没有回答一个更关键的问题:当客户从两家变成二十家,定制化的交付成本是会下降,还是会吃掉所有毛利。在这个被遗留软件困了太久的行业里,AI 代理的想象空间足够大,但想象空间从来不是收入。

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。