Pursuit 获 2200 万美元 A 轮融资：用 AI 爬取 1.1 万个政府实体数据，让公共合同不再“埋没”在 PDF 和会议视频中

当一家由连续创业者创办、旨在将政府合同数据从“深埋于PDF和会议视频”中解放出来的AI公司，在成立仅一年后便获得由OpenGov联合创始人领投的2200万美元A轮融资时，一个尖锐的问题浮出水面：为什么在政府科技这个公认的“慢赛道”上，Pursuit能如此迅速地获得资本和市场的双重认可？答案或许不在于它发明了什么颠覆性技术，而在于它精准地抓住了SLED（州、地方、教育）市场长期被忽视的信息不对称红利。

“挖矿”而非“造水”：为什么SLED数据比联邦市场更诱人

Pursuit的创始人Mike Vichich和Brandon Max选择了一个看似“脏活累活”的切入点：从全美约11000个SLED实体中持续抓取公开数据。这些数据包括预算文件、合同登记簿、FOIA记录以及RFPs（招标书）。与联邦政府合同市场（如GovWin IQ覆盖的领域）不同，SLED市场极度碎片化——每个学区、县、市甚至特区都有自己的采购流程和文档格式。Vichich将此描述为“数据一直是公开的，只是被埋葬在数千个网站中”。

这种碎片化恰恰构成了Pursuit的护城河。传统竞品如Deltek GovWin IQ主要依赖人工整理联邦数据，而Starbridge和GovSpend则更侧重历史交易记录。Pursuit的差异化在于：它不满足于“记录已发生的事”，而是通过AI分析预算信号、领导层变动和机构面临的特定问题，预测“未来12个月内哪些机构最可能采购”。这相当于为每个政府客户配备了一个永不疲倦的“AI克隆体”，持续监控其采购意图。

从商业逻辑看，SLED市场的价值被严重低估。联邦合同市场虽然金额大，但竞争激烈且周期长；而SLED市场虽然单笔金额小，但交易频次高、决策链条短、竞争对手少。Pursuit的AI系统能够从11,000个实体中筛选出“高意向”买家，本质上是在做数据套利——将公开但难以获取的信息转化为可操作的销售线索。

从消费级创业到政府科技：Vichich的“第二次跨栏”

Mike Vichich并非政府科技领域的新人。他此前创立的消费类公司曾在2021年以2亿美元出售给Olo——这是一次教科书式的退出。但有趣的是，他并未选择继续在消费科技领域深耕，而是转向了政府科技。这种跨界背后有其逻辑：Vichich的家庭背景（教师、FBI、陆军）让他对公共部门有天然的亲近感，而消费互联网的创业经验则让他深谙“数据驱动决策”的威力。

联合创始人Brandon Max是Vichich上一家创业公司的创始工程师，两人在技术执行层面的默契不言而喻。这种“创始人+CTO”的搭配在早期创业公司中尤为关键——政府科技产品需要同时满足技术可行性（处理海量非结构化数据）和业务可用性（输出销售团队能直接使用的线索）。Pursuit的AI系统需要处理来自不同格式（PDF、视频、扫描件）的数据，并将其标准化为可搜索的数据库，这本身就是一项工程挑战。

不过，值得警惕的是，Vichich的消费级创业经验能否完全平移至政府科技领域？消费科技讲究“快速迭代、用户增长”，而政府科技则更看重“合规性、数据安全、客户信任”。Pursuit虽然声称其AI系统“持续阅读”公开数据，但政府数据的敏感性和更新频率可能比想象中更复杂——例如，某些FOIA记录可能涉及隐私问题，或者预算文件可能因政治因素而延迟发布。

投资方阵容的“信号效应”：为什么OpenGov联合创始人亲自下场

本轮融资由OpenGov联合创始人Mike Rosengarten领投，这一细节值得玩味。OpenGov本身是政府预算和绩效管理领域的独角兽，其产品被数千个地方政府使用。Rosengarten的领投不仅意味着资金支持，更意味着Pursuit能够接入OpenGov的客户网络和行业认知。此外，投资方还包括Jack Altman（Alt Capital）、Bill Gurley（Benchmark的传奇投资人）以及Sam Hinkie（87 Capital）——这些名字在科技投资圈中代表着“深度研究”和“长期主义”。

Bill Gurley的参与尤其引人注目。作为Uber、OpenTable等公司的早期投资人，他通常只投那些能创造“结构性优势”的公司。Pursuit的“结构性优势”在于：它不是在和竞品比拼谁的数据更多，而是在构建一个“数据+AI预测”的飞轮——随着更多客户使用其系统，Pursuit能够收集更多关于采购行为的反馈，从而优化预测模型。这种网络效应在政府科技领域极为罕见，因为大多数竞品只是静态的数据仓库。

但需要冷静看待的是，Pursuit目前仍处于早期阶段。2500万美元的总融资额（包括种子轮）在AI公司中并不算高，而SLED市场的销售周期可能比预期更长。政府客户通常需要6-12个月的采购流程，且决策者往往对AI工具持谨慎态度。Pursuit需要证明其AI预测的准确率能够显著高于传统方法（如销售团队的人工调研），否则它可能只是另一个“锦上添花”的工具，而非“雪中送炭”的必需品。

“AI克隆体”的边界：当预测变成承诺，风险随之而来

Pursuit将其产品描述为“AI克隆体”，这一隐喻既聪明又危险。聪明的点在于，它直观地传达了产品的核心价值——像一个人一样持续关注每个账户的采购动态。但危险在于，“克隆体”暗示了某种程度的自主性和可靠性，而AI系统在政府数据领域的误判可能带来严重后果。例如，如果AI错误地将某个学区标记为“高意向买家”，而销售团队据此投入大量资源，最终却发现该学区因预算削减而取消了采购计划，那么Pursuit的信用将受到损害。

此外，Pursuit的数据源虽然公开，但并非完全中立。政府预算文件可能包含政治性表述，而FOIA记录可能因各州法律差异而存在完整性差异。AI系统需要处理这些“噪音”，否则可能输出偏差结果。Vichich在采访中强调“数据一直是公开的”，但“公开”不等于“可用”——这正是Pursuit的价值所在，也是其技术壁垒的来源。

从竞争格局看，Starbridge和GovSpend并非等闲之辈。Starbridge专注于K-12教育市场，而GovSpend则覆盖联邦和州级合同数据。Pursuit的差异化在于“预测”而非“记录”，但这一优势需要时间验证。如果竞品也引入类似的AI预测功能，Pursuit的先发优势可能被快速侵蚀。

Pursuit的故事本质上是一个关于“信息套利”的故事——在政府科技这个被互联网改造最慢的领域之一，用AI技术将沉睡的公开数据转化为可行动的洞察。其创始团队的跨界背景、投资方的行业资源以及SLED市场的巨大空白，共同构成了一个令人兴奋的叙事。但真正的考验在于：当销售团队开始依赖Pursuit的预测时，它能否持续提供高于市场平均水平的准确率？当政府客户逐渐熟悉AI工具后，Pursuit的“预测”是否会从差异化优势变为行业标配？在政府科技这个慢赛道中，Pursuit需要证明自己不仅是“最先吃螃蟹的人”，更是“最终能吃到肉的人”。