F2 完成 1400 万美元种子轮融资：给 15 万亿美元私募市场装上”记忆”

在华尔街，一位资深信贷分析师离职，往往意味着一座数据金矿的消失——他对数百笔历史交易的判断经验、对特定行业风险信号的直觉、对无数 Excel 模型背后假设逻辑的理解，全部随人走。麦肯锡估计，私募信贷行业每年因人员流动和知识流失导致的效率损耗高达交易成本的 15%-20%。这个规模超过 2 万亿美元的市场，至今仍在用 email 转发 PDF、手动搬运 Excel 的方式运转。纽约初创公司 F2 的赌注是：用 AI 把这些散落在人脑和硬盘里的”机构记忆”，变成一种可以自我积累的数字资产。

融资概要

2 万亿美元市场，还在用 Email 和 Excel 做交易

私募信贷（Private Credit）是过去十年全球资本市场增长最快的资产类别之一。根据 Moody’s 数据，截至 2026 年初，全球私募信贷市场规模已达约 2 万亿美元，Mordor Intelligence 预测到 2031 年将增长至 3.48 万亿美元，年复合增长率约 12.13%。麦肯锡指出，这一市场正从传统直接贷款向资产支持融资（ABF）、信贷二级市场和混合资本解决方案等方向拓展。

但与公开市场的高度数字化形成鲜明对比的是，私募市场的技术基础设施几乎停留在上一个时代。一笔典型的私募信贷交易涉及数百页的数据室文件、数十个 Excel 财务模型、多轮尽调备忘录和内部审批流程。分析师花大量时间在”搬砖”——从 PDF 中手动提取数据、在不同版本的 Excel 之间核对公式、把历史交易中的关键条款逐一比对。BIS（国际清算银行）的研究显示，过去十年约 5000 亿美元的私募贷款流向了 SaaS 企业，占直接贷款总额的 19%，而 AI 对软件商业模式的冲击正在让这些贷款面临前所未有的重新定价压力——这意味着贷款机构比以往任何时候都更需要高效、精准的风险监控工具。

这是 F2 切入的结构性机遇：不是简单地给金融机构加一个聊天机器人，而是为整个私募交易工作流构建一套”复合智能”操作系统。

“复合智能”——当每笔交易都在训练下一笔

F2 将自己定义为”复合智能”（Compounding Intelligence）平台，这个概念值得拆解。传统的 AI 金融工具通常是”即用即弃”的——你给它一份文件，它帮你提取数据或生成摘要，任务结束后一切归零。F2 的设计哲学截然不同：平台会将每一笔交易中积累的判断逻辑、假设条件、数据来源和决策路径持久化为可查询的”机构知识”（Institutional Knowledge）资产。这意味着，一个投资团队做过的每一笔交易，都在为下一笔交易提供更精准的参考框架。

具体来看，F2 的技术架构有三个关键支柱：

Excel-Native 金融分析引擎。 这是 F2 最具差异化的技术决策之一。大多数 AI 金融工具试图绕过 Excel，用自己的界面替代它。但 F2 反其道而行——它的分析引擎原生兼容 Excel 的单元格依赖关系和审计追踪。对于一个将 85% 工作时间花在 Excel 中的信贷分析师来说，这意味着他不需要改变任何工作习惯，就能获得 AI 的分析能力。更关键的是，这种设计保留了完整的数据溯源链条——任何一个分析结论都可以追溯到原始数据源。

Agentic 工作流编排。 F2 的平台不是一个单一的大模型，而是一个多模型协作系统。它整合了 Google Gemini 3.5 Flash、Opus 4.8、ChatGPT 5.5 等多个大语言模型，以及专有的 Microsoft Office Suite 原生工具。每个模型负责不同类型的任务——文档解析、财务建模、风险评估——由平台统一编排。

“Adam” AI 交易团队助手。 这次融资同时发布的新产品 Adam，是 F2 对”agentic AI”概念的最新诠释。Adam 不是一个简单的聊天助手，而是一个能够自主拆解复杂交易的”AI 总监”——它可以将一笔交易分解为多个子任务，分配给专门的子代理（sub-agents）执行，涵盖研究、承销支持和投后监控的全流程。Adam 的独特之处在于知识沉淀：它会将每笔交易中的假设、备忘录、数据来源和决策逻辑保存在智能层中，供投资团队在未来交易中调用。

从内部工具到独立公司：Arc 孵化出的”意外之子”

F2 的诞生路径本身就是一个值得关注的创业故事。

CEO Don Muir 的履历是典型的”金融 + 科技”混合体：康奈尔大学本科、波士顿咨询集团（BCG）管理咨询、Apollo Global Management 和 Onex Partners 的私募股权投资经验、斯坦福商学院 MBA。2021 年，他与联合创始人 Emre Kazdagli 一起创办了 Arc——一家为科技初创企业提供银行和资本市场服务的金融科技公司。

F2 最初是 Arc 内部的一个工具项目，用于自动化 Arc 自身的信贷承销流程。当团队发现这个内部工具的价值远超预期时，2025 年它被拆分为独立公司。联合创始人 Emre Kazdagli 此前担任 Arc 的 CTO，拥有深厚的工程背景。

这种”从内部工具到独立产品”的路径在企业软件领域有着优秀的先例——Slack 最初是游戏公司 Tiny Speck 的内部沟通工具，Twilio 的核心技术也源于其创始团队之前项目的副产品。Don Muir 在 Apollo 和 Onex 的投资经验让他深知私募信贷工作流中的痛点；而 Emre 的技术能力确保了产品能够真正解决这些痛点，而不是做一个”套壳 ChatGPT”。

AlphaSense 做搜索，Hebbia 做研究，F2 做什么？

AI 金融工具赛道正变得拥挤，但每家公司的切入角度差异明显。理解 F2 的竞争定位，需要对比几个关键玩家：

73 Strings（另类资产估值与监控）：专注于私募信贷和私募股权的自动化数据提取（73 Extract）、投组监控（73 Monitor）和估值（73 Value），与 F2 在私募信贷领域有直接竞争，但更偏向中后台的估值和报告功能，缺少 F2 的前台交易工作流自动化能力。

Hebbia（AI 研究平台）：允许用户对数千份私有文档进行交叉检索，被投行和 PE 机构广泛用于尽调。但 Hebbia 本质上是一个”文档理解”工具，不处理结构化的财务建模和 Excel 分析。

AlphaSense（市场情报平台）：AI 驱动的搜索引擎，覆盖卖方研究、专家网络访谈和公司文件。主要面向公开市场研究，在私募信贷工作流中的覆盖深度有限。

Visible Alpha（卖方研究共识数据）：聚合和标准化卖方分析师的财务估计和预测，帮助买方获取公开公司的”共识”视图。完全面向公开市场，与 F2 的目标市场几乎没有重叠。

Brightwave / Terminal X（AI 金融研究）：帮助 PE 和投资团队构建投资论题和合成研究，但偏向定性分析，缺乏 F2 的结构化数据处理和 Excel 原生能力。

F2 的差异化在于：它不只是帮你读文件或做搜索，而是嵌入整个交易生命周期——从筛选、承销到投后监控——并在这个过程中持续积累可复用的机构知识。Excel-native 的设计选择进一步巩固了这种差异化：信贷分析师的核心工作界面就是 Excel，任何试图替代 Excel 的产品都面临巨大的用户迁移成本。

五张投资人的”入场券”各写了什么

这轮融资的投资人组合颇有看点。

HighlandX（领投）：2020 年成立、总部位于 Menlo Park 的早期风投机构，专注于为早期公司提供战略资本和运营指导。其投资组合包括 Raylu、Transcend、Airvet 等，此次领投 F2 标志着其在金融科技 + AI 交叉领域的重仓布局。

Left Lane Capital：总部位于布鲁克林的成长期基金，通常参与 A 轮到 C 轮，投资金额在 500 万至 7500 万美元之间。其投资组合中有 Arc（F2 的母公司）、Bilt Rewards、M1 Finance、LemFi 等金融科技项目。Left Lane 跟投 F2，本质上是在 Arc 生态系统中加倍下注——它相信 Arc 团队孵化的第二个产品同样具备爆发力。

NFX：硅谷最知名的种子期基金之一，以”网络效应”（Network Effects）理论闻名。NFX 在 F2 的 pre-seed 阶段就已入局，此次继续跟投。NFX 投 F2 的逻辑清晰：随着更多私募机构使用 F2，平台积累的”机构知识”数据就越丰富，产品体验就越好——这正是 NFX 所定义的数据网络效应。

Y Combinator：全球最著名的创业加速器，F2 是其校友企业。YC 的背书在硅谷生态中有极强的信号价值，尤其是在早期阶段。

Torch Capital：纽约的早期投资机构，专注于消费和企业科技领域。

值得注意的是，这轮融资的总股权金额达到 2400 万美元（包括此前融资），意味着 F2 在正式推出产品后不到两年内已获得相当可观的资本支持。Google Gemini Enterprise 的合作则是另一重要信号——这不仅是技术合作，更是分发渠道。通过 Google 的金融服务客户网络，F2 可以直接触达大量潜在企业客户。

100 家机构客户背后的增长引擎

F2 目前服务超过 100 家基金和银行，覆盖北美、英国、欧洲和亚洲市场。新融资将用于扩充纽约、旧金山和伦敦三地的工程和企业部署团队。

从商业模式推断，F2 大概率采用企业级 SaaS 订阅模式，按团队规模或使用量收费。私募信贷基金和商业银行是高客单价客户群体——一个中型私募信贷基金的年度软件预算通常在数十万到数百万美元量级。如果 F2 能在 100 家客户基础上实现 10-15 万美元的平均年合同价值（ACV），其年化收入已在千万美元级别。

Google Gemini Enterprise 合作提供了一个强大的分发杠杆。Google 的金融服务客户可以直接访问 F2 的完整平台，这意味着 F2 不需要完全依赖自己的销售团队来拓展市场。对于一家种子轮公司来说，这种”借船出海”的 GTM 策略极具战略价值。

2400 万美元够不够翻越三座大山

尽管 F2 的定位精准、团队经验丰富、投资人阵容强大，但前方仍有三座不容忽视的山峰。

第一，数据安全与合规的生死线。 私募信贷基金和银行对数据安全的要求极其严格。F2 需要将客户的历史交易数据、内部备忘录和决策逻辑等高度敏感信息存入平台，这在受到 SOC 2、GDPR、金融监管等多重约束的环境中，既是技术挑战也是信任挑战。任何一次数据泄露事件都可能摧毁整个商业模式。

第二，”复合智能”的冷启动困境。 F2 的核心价值主张是”做得越多，越聪明”，但这也意味着新客户在初期体验到的价值有限——没有历史数据喂养的”复合智能”，只是一个普通的工作流工具。如何在冷启动阶段就让客户感受到足够的价值以留住他们，是一个关键挑战。

第三，巨头入场的阴影。 Bloomberg、S&P Global（已拥有 iLEVEL 和 Visible Alpha）、FactSet（拥有 Cobalt）等金融数据巨头拥有深厚的客户关系和海量数据。如果它们决定在自有平台上集成类似的 AI 工作流功能，F2 面临的将不只是产品竞争，而是生态系统层面的对抗。

不过，Don Muir 在 Apollo 的投资经验和 Arc 的创业经历，让 F2 团队对私募市场的水温有切身体感。从内部工具到独立产品的路径证明了产品的真实需求，100 家机构客户的早期牵引力也说明市场正在买单。在一个 AI 工具公司普遍面临”demo 很酷但续约率堪忧”难题的时代，F2 的”复合智能”模型——让产品随使用深度而增值——或许是构建持久壁垒最有说服力的方式之一。