合规团队人数不变，工作量为何持续上升
欧洲中型银行与金融科技公司的合规部门正陷入一种结构性挤压。监管机构对反洗钱与反欺诈的要求逐年加码，交易监控规则需要覆盖更多场景、更细颗粒度的客户行为，以及更频繁的模型回溯验证；但合规团队的编制几乎没有同步扩张。EU-Startups 在报道中引述 Marble 联合创始人 Arnaud Schwartz 的说法称：”随着监管门槛不断上升，合规团队被要求在人数不变的情况下承担更多工作。”
这一矛盾在法国金融科技公司 Shine 内部曾被直接体验过。Marble 的两位创始人 Arnaud Schwartz 与 Pascal Delange 均为 Shine 前高管，他们在那里负责过合规与风控相关工作，发现市面上的工具往往在原有流程上再叠加一层系统，而不是减少人工介入。2021 年，两人在巴黎创立 Marble，试图把欺诈检测与反洗钱合规合并到同一个工作流里，即所谓的 FRAML（欺诈与反洗钱合并工作量）。
Marble 的产品回应直接针对这一结构性变化：无代码规则构建让合规官自行调整监控规则，开源内核让审计人员检查决策路径，本地部署让金融机构保留数据控制权。但其能否真正降低合规团队的总负担，仍需通过客户实际使用数据来验证。
2026 年 9 月 29 日，Marble 宣布完成 650 万欧元 A 轮融资，由 Smartfin 领投，ADNEXUS 及现有投资方 Passion、42Capital、Hexa 参投。EU-Startups 报道本轮金额与领投方，TNW、Finextra 摘要亦提及金额与投资方。本轮融资使 Marble 累计融资额达到 900 万欧元，TSIC 被列为现有投资方之一；该累计额口径来自 EU-Startups、TNW 与 Finextra 的报道原文，包含本轮。以下为本次交易的关键信息：
| 字段 | 内容 |
|---|---|
| 公司 | Marble |
| 轮次 | A轮 |
| 金额 | 650万欧元 |
| 累计融资额 | 900万欧元（来源：EU-Startups/TNW/Finextra，含本轮） |
| 投资方 | Smartfin（领投）、ADNEXUS、Passion、42Capital、Hexa；TSIC 为现有投资方 |
| 总部 | 巴黎 |
| 创始人 | Arnaud Schwartz、Pascal Delange |
| 官网 | https://www.checkmarble.com/ |
本轮融资核心字段（金额、轮次、投资方、累计融资额）来自 EU-Startups 报道及 TNW、Finextra 摘要；客户数、交易量、人工复核削减比例与 ARR 目标为公司自述。
把交易监控从供应商工程交付变成合规官日常配置
Marble 的产品逻辑建立在一个关键判断上：合规团队不应该为了调整一条交易监控规则而等待供应商排期或 IT 部门介入。据公司披露的产品功能，其平台提供无代码规则构建能力，让合规与风控人员自行创建和修改交易监控规则；同时覆盖制裁与观察名单筛查、调查与报告、客户风险评分，并允许在生产数据上对规则进行 A/B 测试。平台可本地部署，也可作为 SaaS 交付；开源内核让审计人员能够检查决策是如何得出的。
编辑分析认为，这一产品设计试图把交易监控从”供应商主导的工程交付”转向”合规团队主导的运营动作”。传统 AML 系统通常由外部供应商按项目制交付，规则变更需要重新走需求、开发、测试、上线的周期；Marble 的无代码与开源组合，理论上把规则调整变成合规官可以自行完成的配置任务。但这一判断的边界在于：目前公开材料只描述了功能清单，没有披露规则引擎的复杂度上限、模型可解释性的具体实现方式，也没有客户案例说明合规团队实际能在多大程度上脱离供应商支持。
从产品架构的角度看，无代码规则构建与 A/B 测试的组合可能带来一个传统合规系统较少具备的能力：在生产数据上验证规则变更的效果，而不是在离线环境中模拟。这意味着合规团队可以在规则上线前观察其对告警量、误报率和案件转化率的影响，从而减少”上线后才发现规则过宽或过严”的试错成本。但这一能力的实际价值取决于平台能否处理生产数据的规模与实时性，以及合规团队是否具备解读 A/B 测试结果的技能。
公司称正在开发内置 AI 代理，并称这些代理仅访问被授权使用的数据；来源未提及上线时间。从已披露信息看，这类代理的定位是把合规操作从”人盯着告警逐条处理”推向”代理自动执行调查步骤”，但代理在金融犯罪合规场景中的可审计性、误报责任归属和监管接受度，仍是未经验证的环节。编辑分析认为，代理式合规的关键风险不在于技术能力，而在于责任边界：当 AI 代理自动关闭一条告警或自动生成一份可疑活动报告时，监管机构是否认可代理的决策路径可以被完整审计，以及金融机构是否愿意为代理的错误判断承担合规责任，这些问题的答案可能决定代理式合规的落地速度。
100 多家机构生产环境运行，但所有数字均为公司自述
据公司称，其平台已在超过 25 个国家的 100 多家机构生产环境运行，每年保护超过 30 亿笔交易，并将人工复核工作量削减 90%。公司还称，近 70% 客户来自法国以外，其中 70% 的客户选择 Marble 以替换既有方案；目标是到 2027 年实现超过 500 万欧元的年度经常性收入（ARR）。
从数据口径的角度看，”每年保护超过 30 亿笔交易”这一表述本身存在多种解释空间。它可能指平台实际处理的交易笔数，也可能指平台所覆盖的客户总交易量，还可能包含仅经过部分筛查节点的交易。同样，”人工复核工作量削减 90%”可能指告警总量下降 90%，也可能指单个案件的平均处理时间缩短 90%，或者指需要人工介入的告警比例从某个基线降至十分之一。编辑分析认为，这些口径差异会显著影响对产品实际效果的判断，但在公司披露更细颗粒度的定义之前，外界无法确认这些数字对应的具体业务含义。
若”70% 客户选择 Marble 替换既有方案”这一口径成立且客户结构如公司所述，编辑分析认为，这意味着 Marble 的主要增长来自存量合规系统的替代，而非全新合规需求的首次采购。这类替代型销售通常面临更高的决策门槛，因为客户需要迁移既有规则、历史告警数据和审计记录；但一旦完成替换，续约粘性也相对更高。另一个值得注意的细节是，公司称近 70% 客户来自法国以外，但未披露这些客户的地理分布、机构类型或规模区间。如果海外客户主要集中在监管框架与法国相近的欧洲国家，那么 Marble 的国际化路径可能更多是区域扩展而非跨监管体系的复制；如果客户分布在监管差异较大的市场，则其产品的可配置性和本地化能力可能比目前披露的更强。这一假设需要后续通过客户名单或案例研究来验证。
Smartfin 的加注逻辑：基础设施归属权与中型市场空白
据 EU-Startups 介绍，Smartfin 是一家欧洲风险投资与私募股权机构，投资高增长 B2B 科技企业。Smartfin 合伙人 Saumitra Dubey 在解释领投原因时表示：”Marble 让自动化成为默认选项，而且是在客户自己的基础设施上运行。我们的判断是，Marble 将成为中型银行和金融科技公司中具有结构性差异的现代金融犯罪操作系统。这就是我们领投本轮的原因。”
这段引语透露出的投资逻辑，不在于 Marble 是否拥有最先进的 AI 模型，而在于部署模式与客户基础设施的关系。本地部署意味着金融机构对数据和决策路径保持控制权，这在欧洲数据主权和监管审计语境下是一个明确的差异化因素。编辑分析认为，本地部署与开源内核的组合可能对数据主权敏感的欧洲金融机构具有吸引力，但这一判断需要后续通过客户留存率、部署周期和审计通过率等指标来验证。
从投资时点的角度看，Smartfin 选择在 A 轮领投而非更早阶段进入，可能反映了其对 Marble 产品化程度的判断。A 轮通常意味着公司已经完成了从概念验证到初步商业化的跨越，投资机构需要看到的不再是技术可行性，而是客户是否愿意在生产环境中持续使用产品。Smartfin 在引语中强调”客户自己的基础设施”和”中型银行和金融科技公司”，说明其投资假设可能建立在两个判断上：一是中型机构对数据控制权的敏感度高于大型机构，因为它们往往没有足够的资源自建合规系统，但也不愿意完全依赖外部 SaaS 而失去对敏感数据的控制；二是中型市场的竞争强度可能低于服务大型银行的高端市场，Marble 有机会在巨头供应商的覆盖盲区中建立根据地。这两个判断是否成立，需要观察 Marble 后续的客户获取成本、销售周期、中型银行客户占比与竞品替代率，目前这些指标均未披露。
来源引述 Passion Capital 一位合伙人称：”超过 100 家机构现在在 Marble 上运行生产环境。当信念与这样的执行力相遇时，答案很简单：你加注。”TNW 报道称现有投资方 Passion Capital、42Capital 与 Hexa 均增加了投资；EU-Startups 将三者列为参投方。老股东集体跟投在 A 轮并不罕见，但结合 Passion Capital 的表述，其加注依据主要是客户数量的增长信号，而非收入或利润数据。编辑分析认为，这种以客户数量为锚的加注逻辑在早期 B2B 公司中常见，但其隐含风险在于：客户数量增长并不必然转化为收入质量。如果 100 多家机构中包含大量免费试用、开源社区用户或低客单价的小型金融科技公司，那么客户数量对 ARR 的贡献可能低于表面数字所暗示的水平。
650 万欧元要同时推进 AI、部署速度与代理式合规
本轮资金用途被公司拆分为四个方向：AI 驱动的自动化、更快的部署、代理式合规、可适配的系统。具体包括把 AI 构建进规则生成、告警分诊与案件调查；公司称本轮资金将用于通过本地部署与银行既有数据集成来加快部署，而非要求数月的数据改造；开发仅访问其被授权数据的内置 AI 代理；让规则与工作流变更成为合规官的日常配置任务而非新的技术项目。
一个值得注意的细节是，Marble 把”更快的部署”单独列为资金用途之一。本地部署模式通常意味着更长的销售和实施周期，因为需要与银行既有数据系统集成、通过信息安全审查、完成审计验证。若公司所称”与既有数据集成”的部署方式成立，Marble 的本地部署交付效率将直接影响其在中型银行市场的扩张速度。编辑分析认为，”与既有数据集成”这一表述可能暗示 Marble 采用了一种适配器或连接器模式，通过预置的数据接口与常见银行系统对接，而不是要求客户将数据迁移到 Marble 的专有数据模型中。这种模式如果成熟，可以显著缩短部署周期；但如果客户的数据系统高度异构或存在大量遗留系统，适配器模式的实际工作量可能并不比数据改造低。这一判断需要后续通过客户部署案例来验证。
FRAML 的整合叙事与组织现实的落差
Marble 的核心概念是 FRAML——把欺诈检测与反洗钱合并到同一工作流。这一概念在行业讨论中并不新鲜，但落地时往往遇到组织结构的阻力：在许多金融机构中，反欺诈团队与反洗钱团队分属不同部门，使用不同系统，向不同负责人汇报。Marble 的 FRAML 产品能否推动客户内部的组织协同，还是会被既有部门边界所限制，本次采集材料未找到公开客户案例可以说明。
编辑分析认为，FRAML 的整合价值只有在客户内部打破部门壁垒时才能兑现。如果 Marble 的销售对象只是反洗钱团队，而反欺诈团队仍使用独立系统，那么”合并工作量”的产品优势就会被组织现实稀释。反过来，如果 Marble 能够同时进入两个部门并推动统一规则引擎，其客单价和续约率都可能高于单一场景的合规工具。这一假设需要后续观察客户的组织层级、采购决策链和实际使用范围。
从技术角度看，FRAML 的整合并非简单地把两套规则引擎放在同一个界面里。欺诈检测通常强调实时性和行为特征，反洗钱则更强调交易模式、关联网络和监管报告；两者的告警逻辑、调查流程和报告模板存在显著差异。来源披露的产品功能清单显示其覆盖欺诈检测与反洗钱两个场景，但未说明底层规则引擎是否采用统一数据模型，还是将两套逻辑并行封装在同一产品中。编辑分析认为，这一技术选择会直接影响 FRAML 的整合深度：如果是统一数据模型，那么跨场景的关联分析可能成为差异化优势；如果是并行封装，那么产品更多是提供了操作层面的便利，而非真正意义上的工作流合并。目前公开材料无法区分这两种情况。
另一个待验证的环节是开源内核的商业化路径。开源让审计人员可以检查决策逻辑，降低了合规审查的信任成本；但开源也意味着核心代码对客户和潜在竞争者可见。Marble 未披露其开源许可证类型、商业版与开源版的边界，以及是否有客户基于开源内核自行构建系统而不付费。这些信息对于判断其长期收入质量至关重要。编辑分析认为，开源合规工具的商业化通常面临一个核心张力：开源内核越完整，客户自行部署和修改的动机越强，付费转化的难度越大；开源内核越受限，审计透明度的价值越弱，产品对数据主权敏感客户的吸引力越低。Marble 如何在这两者之间划定边界，将直接影响其从开源社区到付费客户的转化效率。
从替代成本的角度看，Marble 的竞争壁垒可能不在于功能清单的丰富程度，而在于客户迁移的沉没成本。一旦一家金融机构将交易监控规则、历史告警数据和调查工作流迁移到 Marble 平台，其后续更换供应商的成本会显著上升。这意味着 Marble 的竞争策略可能更接近”先以低门槛进入，再通过使用深度锁定客户”，而不是”以功能全面性正面击败传统供应商”。但这一策略的前提是客户愿意承担首次迁移的成本和风险。在合规领域，迁移风险不仅包括技术层面的数据丢失或系统中断，还包括监管层面的审计连续性：如果迁移过程中出现告警遗漏或报告延迟，金融机构可能面临直接的合规处罚。因此，Marble 的销售过程中可能需要同时说服合规团队、IT 部门和内部审计部门，决策链比一般 B2B 软件更长。这一判断与公司披露的”70% 客户用于替换既有方案”形成呼应。
竞争格局：基于公开产品类别与客户结构的编辑分析
本次采集材料未提及 Marble 的直接竞争对手。但 Marble 的客户结构——70% 用于替换既有方案——本身就说明它处于一个存量竞争市场。被替换的”既有方案”可能是传统 AML 供应商的本地部署系统，也可能是金融机构内部自建的规则引擎，还可能是早期采购的轻量级筛查工具。公司未披露被替换方案的具体类型，因此无法判断 Marble 主要从哪一类供应商手中夺取客户。
以下竞争格局分类为基于公开产品类别与客户结构的编辑分析，非来源已确认的竞争事实。从产业链位置看，Marble 的替代方案类型至少包括三类：一是传统金融犯罪合规供应商，它们拥有深厚的监管关系和存量客户，但在部署灵活性和规则迭代速度上可能落后；二是新兴的 AI 原生合规工具，它们可能在告警分诊和案件调查自动化上更激进，但缺乏本地部署和开源审计能力；三是金融机构内部 IT 团队自建的系统，它们没有外部采购成本，但持续维护和规则更新的负担会随监管复杂度上升而加重。需核验的竞品名单、客户迁移数据与各替代方案类型的实际市场份额，目前均无公开数据。编辑分析认为，Marble 的差异化在于把无代码、开源和本地部署三者组合在一起，但这一组合能否形成足够宽的护城河，取决于客户迁移成本和开源社区的活跃度。
2027 年 ARR 目标背后的验证路径
公司称其目标是到 2027 年实现超过 500 万欧元 ARR。从 900 万欧元累计融资额与 650 万欧元 A 轮规模看，编辑分析认为，Marble 的资本效率路径需要在 2027 年目标节点前完成从”产品验证”到”收入规模化”的跨越。这一判断的前提是：公司自述的 100 多家生产环境客户能够转化为持续付费的合同，且 70% 的替代型客户在迁移完成后不会流失。
要验证这一路径，需要观察几个关键指标：一是 ARR 的绝对值与增速；二是净收入留存率，即现有客户续约时是否扩大合同金额；三是客户集中度，即前十大客户是否贡献了大部分收入；四是本地部署项目的实施周期与回款节奏。在这些指标公开之前，Marble 的规模化能力只能被视为待验证假设。
公司未披露定价模式、付费客户占比、平均合同金额与净收入留存率，因此无法判断现有客户基础距离 500 万欧元 ARR 有多远。编辑分析认为，这一目标的可实现性不仅取决于新客户获取速度，还取决于现有客户的合同升级空间。如果 Marble 的定价模式是按交易量或按规则数量收费，那么客户业务增长会自然带来收入扩张；如果是固定订阅费，则收入增长更依赖客户数量增加。
Marble 的融资故事建立在一个真实的行业痛点上：合规团队人数不变，监管要求持续上升，传统工具无法消化新增工作量。但痛点真实不等于产品必然胜出。Marble 需要证明的不仅是”有人愿意试用”，而是”客户愿意为替换既有系统付出迁移成本，并在替换后持续付费”。650 万欧元 A 轮给了它推进 AI 与代理式合规的空间，但真正的验证节点在客户合同、收入留存和部署效率上，而非融资新闻本身。
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：Marble 把开源、无代码和本地部署塞进同一个合规平台，试图让中型银行像改配置一样改规则。这个方向切中了合规团队”人少事多”的长期矛盾，但 100 多家机构、30 亿笔交易、90% 人工削减这些数字目前只有公司自己说了算。真正的分水岭不在 AI 代理有多聪明，而在那些被替换掉的既有系统背后，客户是否愿意为迁移和持续付费买单。
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。