当对冲基金开始为“原话”付费
2026年8月，一家瑞典公司的融资消息在金融数据圈引发了不少讨论。不是因为金额——1800万美元在当下的AI基础设施投资热潮中并不算大——而是因为它所指向的一个正在发生的结构性变化：买方机构不再满足于二手加工过的研究摘要，而是开始为上市公司“第一手原话”的结构化访问权付费。
这家公司叫Quartr，总部位于斯德哥尔摩。它的核心生意听上去简单得近乎朴素：把上市公司财报电话会议的音频、实时转录、监管文件和路演幻灯片，结构化、实时地交付给金融机构和AI系统。但正是这门“整理原话”的生意，据公司披露，已经拿下了超过800家金融机构和科技公司客户，其中包括全球前五大对冲基金中的四家。
8月12日，Quartr宣布获得1800万美元融资，由现有投资方Altos Ventures领投，瑞典老牌金融机构SEB作为新投资方参与。这轮融资的轮次在公开来源中存在冲突：Fundup AI将其标注为Series C+，但其他来源未明确轮次。Quartr官方新闻稿和多数报道均未使用轮次标签，仅以“funding round”或“investment”表述。
| 字段 | 内容 |
|---|---|
| 公司 | Quartr |
| 轮次 | 未披露（Fundup AI标注为Series C+，存在来源冲突） |
| 金额 | 1800万美元（约1560万欧元） |
| 投资方 | Altos Ventures（领投，现有投资方）、SEB（新投资方） |
| 总部 | 瑞典斯德哥尔摩 |
| 创始人 | Oscar Küntzel、David Dag、Oliver Hamrin、Sami Osman |
| 官网 | https://quartr.com/ |
一家“数据原教旨主义”公司的产品边界
Quartr的产品逻辑与市面上大多数AI金融研究工具有一个根本差异：它只处理上市公司自己发布的第一手材料。财报电话会议录音、实时文字转录、监管申报文件、投资者日幻灯片——这些是Quartr数据管道的全部输入。公司称其构建了一个“AI驱动的知识图谱”，将这些分散的、非结构化的IR材料转化为可查询、可API调用的结构化数据。
据EU-Startups报道，Quartr CEO Oscar Küntzel在Altos Ventures的一次对话中这样描述产品目标：“我们想要实现的是，让其他人能够在那个知识图谱之上构建，真正知道你可以对一个真正复杂的查询得到穷尽性的答案。”这句话的关键词是“穷尽性”——它暗示的不是AI生成一个看似合理的回答，而是确保回答覆盖了所有相关的第一手来源。
Quartr通过两条产品线交付这些数据。Quartr Pro是一个面向人类分析师的研究平台，服务对象包括对冲基金、资产管理公司、股票研究员和IR专业人士。据公司披露，Pro平台上的每一个AI生成答案都会链接回源文档。Quartr API则面向开发者和AI系统构建者，提供结构化音频、实时转录、文件和幻灯片数据，覆盖超过15000家上市公司、超过65个市场。
值得注意的一个技术决策是：据公司声明，Quartr不训练客户查询。在金融数据领域，这个选择具有实质性的商业含义。如果一个平台用客户的查询行为来训练模型，那么一个对冲基金对某只股票的反复查询模式，理论上可能通过模型权重泄露给其他客户。Quartr明确将自己定位为“数据层”而非“模型层”，这既是技术架构的选择，也是面向买方机构的一种信任承诺。
“四家前五大对冲基金”背后的真实含义
Quartr披露的客户数据中，最引人注目的不是800这个总数，而是“全球前五大对冲基金中的四家”这一表述。这个数字来自EU-Startups的报道，其信源为公司自身。在Quartr更早的2024年新闻稿中，这一数字是“前五大中的三家”，且明确限定为“Quartr Pro客户”。从三家到四家的变化，意味着在约一年半的时间里，Quartr在最顶级的买方机构中又拿下了一个客户。
但这里需要区分两个不同的客户群体。对冲基金使用Quartr Pro做研究，是“消费”数据；而科技公司使用Quartr API，是“构建”应用。据公司2024年披露，“Magnificent 7”科技公司中有两家是API合作伙伴。这两类客户的付费逻辑、合同规模和留存驱动因素截然不同。Quartr在公开材料中并未分别披露两类客户的收入贡献，这使得外界难以判断其增长质量的结构。
公司披露的净收入留存率约为120%，并称保持三位数增长。在B2B SaaS语境下，120%的NRR意味着现有客户在续约时平均增加了20%的支出，这通常来自用量增长、席位扩展或产品升级。对于一家以API为主要交付方式之一的数据公司而言，NRR的驱动因素更可能来自数据消费量的增长，而非传统SaaS的“买更多座位”。但Quartr未披露其NRR的计算口径，也未说明这一指标是整体NRR还是分产品线NRR。
金融数据市场的“原话层”争夺
Quartr所处的赛道，正在被两股力量同时挤压和抬升。一方面，传统金融数据终端——以Bloomberg、FactSet、Refinitiv为代表——拥有深厚的客户关系和分发渠道，但它们的数据产品在结构上并非为AI系统设计。另一方面，AI原生的研究工具正在大量涌现，它们用大语言模型直接生成研究摘要、盈利预测甚至交易信号，但其中相当一部分建立在二手数据源或未经授权的抓取数据之上。
Quartr的差异化主张在于：它占据的是“第一手数据层”这个位置。公司称其数据“直接来自上市公司”，这意味着它不依赖新闻媒体的二次加工，也不依赖网络爬虫的非结构化抓取。在AI系统对数据质量和来源可追溯性的要求日益严格的背景下，这个定位具有一定的结构性优势。但“第一手”并不自动等于“独家”。上市公司的财报电话会议录音和监管文件本质上是公开信息，任何有足够技术能力的公司都可以获取和结构化这些数据。Quartr的护城河不在于数据本身的可获取性，而在于其结构化管道的规模、实时性和API交付的可靠性。
从已披露的15000家公司和65个市场的覆盖范围来看，Quartr已经建立了一个具有相当广度的数据管道。但覆盖广度与数据深度之间往往存在权衡。一家覆盖15000家公司的平台，对每家公司的数据更新频率、历史数据深度和字段丰富程度能达到什么水平，公开材料中并未披露。对于前五大对冲基金级别的客户而言，他们关心的可能不是“覆盖了多少家公司”，而是“对某一家特定公司的数据是否足够深、足够快、足够干净”。
Altos Ventures的“非典型”加注逻辑
这轮融资的领投方Altos Ventures值得单独审视。这家成立于1996年的硅谷风投机构，以“不寻常的耐心”和“在初次投资多年后继续大额加注”而闻名。在Quartr的案例中，Altos的角色经历了显著升级：2022年参与种子轮，2024年单独投资540万欧元，2026年领投1800万美元并成为最大股东。
Altos Ventures联合创始人兼普通合伙人Ho Nam在2024年的新闻稿中这样评价Quartr：“Quartr正是我们喜欢支持的那类公司——使命驱动的创始人，以专注和清晰的目标感构建着不可或缺的东西。”这段话放在Altos的投资组合语境中理解，比放在Quartr的语境中更有信息量。Altos历史上以支持资本效率高、创始人控制力强的公司著称，其投资组合中不乏在很长时间内保持低调、然后突然爆发的案例。
从资本结构看，这轮融资的另一个信号是SEB的加入。SEB是北欧最大的金融机构之一，其参与不仅是财务投资，更可能意味着Quartr在北欧金融体系中的渠道价值。一家瑞典金融数据公司获得瑞典老牌银行的背书，对于其在欧洲市场的企业销售具有实际的信任传递作用。但SEB的具体投资金额和战略合作条款未披露。
根据Tracxn数据，Quartr累计融资约4100万美元，共6轮。这意味着本轮1800万美元占其累计融资额的约44%。对于一家声称三位数增长、NRR约120%的公司而言，这个融资节奏显示其仍然处于“用资本换覆盖和产品深度”的阶段，而非已经进入自我造血的成熟期。
资金用途的“加速”叙事与未解问题
Quartr对这笔资金的用途表述相当克制：加速产品开发，扩大全球上市公司数据覆盖。公司明确表示，这轮融资是“为了跟上并领先于行业向AI的转变”，而非进入新的业务线。这种“不转向”的表态，在当前AI创业公司普遍追逐新概念的环境下，本身就是一个信号。
但“加速产品开发”和“扩大覆盖”这两个方向，各自对应着不同的资本需求曲线。产品开发——尤其是在AI研究平台上的持续迭代——需要的是高密度的工程人才投入。而扩大全球覆盖——从15000家公司向更多市场延伸——需要的是数据获取、处理和质检的基础设施投入，以及可能的数据授权成本。Quartr未披露这笔资金在两个方向上的分配比例，也未披露其数据获取的具体成本结构。
一个值得追问的问题是：Quartr的数据覆盖扩展是否存在边际成本递减的路径？如果其数据管道已经建立了从公开IR材料到结构化数据的自动化流程，那么增加一家新公司的边际成本应该相对较低。但如果某些市场的数据获取需要人工干预、语言处理或本地化适配，那么覆盖扩展的成本曲线可能会比“AI自动化”这个标签所暗示的更陡峭。Quartr在公开材料中未提供这方面的数据。
风险不在技术，在“数据层”的定价权
Quartr面临的核心风险，在公开材料中未被公司主动披露，但从其商业模式的结构中可以推导出来。第一个风险是定价权的可持续性。Quartr的数据源是公开信息，这意味着其产品的核心输入没有排他性。如果客户认为Quartr的API定价过高，他们可以选择自建管道，或者转向其他数据供应商。Quartr的防御手段是规模效应和切换成本——一旦客户的AI系统深度集成了Quartr API的数据格式和更新节奏，迁移成本会随时间累积。但这种锁定效应在多大程度上能够抵御价格压力，目前没有公开数据可以验证。
第二个风险是AI模型能力的快速演进。如果未来的大语言模型能够直接从公开网络实时获取和结构化IR数据，那么Quartr作为“中间数据层”的价值可能会被压缩。Quartr的回应逻辑是：实时性、结构一致性和来源可追溯性不是模型能力能够轻易替代的。这个逻辑有其合理性——模型可以“读”网页，但无法保证读到的是最新版本、无法保证结构化的一致性、无法提供可审计的来源链条。但这一推理的边界在于：如果模型能力足够强，且客户对可追溯性的要求没有Quartr预期的那么高，那么“足够好”的免费方案可能侵蚀“完美”的付费方案。
第三个风险来自竞争格局的模糊性。Quartr将竞争对手描述为“传统研究工具和新兴AI原生竞争对手”，但没有具体点名。在传统阵营中，Bloomberg和FactSet正在将AI能力嵌入其终端产品；在AI原生阵营中，多家创业公司正在以不同的技术路径切入金融研究。Quartr的“第一手数据层”定位在概念上是清晰的，但在实际采购决策中，客户面对的是一个整合了数据、分析和AI的解决方案市场。Quartr能否在这个市场中保持其作为“独立数据层”的不可替代性，是这轮融资之后最值得观察的问题。
从斯德哥尔摩到纽约：一家北欧数据公司的全球化张力
Quartr的全球化路径在2024年已经显现：公司在纽约和都柏林设立了办公室。纽约办公室的逻辑显而易见——全球最大的对冲基金和资产管理公司聚集地，是Quartr Pro的核心客户所在地。都柏林办公室则更多服务于欧洲企业客户和人才获取。
但一家斯德哥尔摩起家的数据公司，在纽约与华尔街机构打交道时，面临的不仅是销售周期的问题，还有信任建立的文化维度。金融数据采购是一个高度关系驱动的决策过程，买方机构的数据负责人需要确信供应商能够在市场压力下保持服务的稳定性和数据的安全性。Quartr的北欧背景在某些方面是优势——北欧公司在数据治理和隐私保护方面的声誉通常较好——但在华尔街的销售场景中，它也可能被感知为“局外人”。
从已披露的客户构成来看，Quartr已经跨越了这个信任门槛：四家前五大对冲基金作为客户，本身就是最强有力的信任背书。但“作为客户”和“作为深度依赖的数据基础设施”之间仍有距离。一个对冲基金可能试用Quartr Pro，甚至为其部分团队购买订阅，但这与其核心研究流程深度绑定Quartr API是两回事。Quartr未披露其客户中API收入与Pro订阅收入的比例，也未披露前五大对冲基金客户的具体使用深度。
从已披露的事实来看，Quartr的叙事是自洽的：一个从“整理上市公司原话”起家的瑞典团队，在AI浪潮中发现自己站在了“AI就绪数据层”的位置上，然后被一家以耐心著称的硅谷风投持续加注。但自洽的叙事不等于已验证的终局。Quartr需要证明的是：在公开数据源之上建立的“结构化层”，能够形成足够强的定价权和客户锁定效应，以抵御来自上游模型能力和下游客户自建的双重挤压。这轮1800万美元的融资，买来的是继续验证这个命题的时间窗口。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：当AI把“获取信息”的成本打到趋近于零，“整理信息”的价值反而在上升——但前提是整理得足够结构化、足够实时、足够可追溯。Quartr的赌注是：在金融数据这个最不愿意容忍错误的领域，买方机构会为“原话的结构化访问权”持续付费。这个赌注能否兑现，取决于它能否在公开数据的非排他性与客户切换成本之间，筑起一道真正有效的护城河。
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。