在俄亥俄州阿克伦一间仍在使用二战时期机床的工厂里，操作员每天要花将近一小时排队打卡、手动录入机器信息、在三个不同终端之间来回切换。这些动作不产生任何产值，却真实地吞噬着美国制造业本就紧张的劳动力。当硅谷风险资本涌向从零开始建造的高度自动化工厂时，Harmoni 选择了一条相反的路：把 AI 和软件塞进那些已经存在了几十年的老厂房。
2026 年 9 月，这家成立于 2023 年的初创公司宣布完成 1000 万美元 A 轮融资，由 Bessemer Venture Partners 领投。公司同时发布了名为 HAL 的 AI 产品，据公司披露，HAL 能够利用工厂编排系统采集的实时运营上下文来回答问题并执行操作。Harmoni 未披露本轮估值。
| 字段 | 内容 |
|---|---|
| 公司 | Harmoni |
| 轮次 | A轮 |
| 金额 | 1000万美元 |
| 投资方 | Bessemer Venture Partners 领投 |
| 总部 | 美国俄亥俄州阿克伦和纽约州纽约 |
| 创始人 | David Caputo、Adam Ellis |
| 官网 | https://harmoni.io/ |
把平板电脑吸在二战机床上，Harmoni 想用“编排层”绕开替换设备的死结
Harmoni 的产品核心是一套工厂编排系统，物理载体是定制平板电脑。据 Business Insider 报道，这些平板可以磁力附着在工厂机器上，能连接的设备范围从现代系统一直延伸到二战时期制造的机床。工人用平板完成打卡、调取作业指导书、追踪工单、报告异常等操作，不再需要在多个系统之间切换。
这套系统建立在三个功能支柱上：自动化、流程控制和可观测性。据公司披露，Harmoni 使用 RFID 技术和机器级工作流来自动化非生产性工作，包括工时追踪、ERP 事务处理、文档检索、质量报告和支持请求。流程控制层确保操作员始终获得正确的文档——作业指导书、机器程序、检查表——以减少错误。可观测性层则将 ERP、机器、操作员和 RFID 数据整合到一个实时视图中。
这种设计针对的是一个具体的产业约束：大量美国中小型工厂无力也不愿替换昂贵的老旧设备。加州州立理工大学波莫纳分校工业与制造工程系主任 Shokoufeh Mirzaei 对 Business Insider 表示，亚马逊等大公司在自动化方面遥遥领先，而许多美国中小型工厂缺乏基础分析能力，运行的技术早于互联网时代。她说：“我们发现普通工厂落后于自动化曲线，它们使用非常老旧的遗留系统。”Mirzaei 还指出，许多制造商不愿更换昂贵设备，但对改造现有机器的方案持开放态度。
Harmoni 的切入逻辑由此清晰：不要求客户推翻现有产线，而是在每台机器旁边增加一个信息节点，把分散的人、机、系统连接起来。公司称其系统可在数周内部署完成。这一速度主张目前没有独立第三方验证，但考虑到其产品形态是软件加平板而非重型自动化设备改造，部署周期短于产线级自动化改造在逻辑上是合理的。
HAL 的卖点是“上下文感知”，但它的能力边界取决于数据质量
Harmoni 的 AI 产品 HAL 是本次融资公告的核心亮点。据公司披露，HAL 建立在 Harmoni 采集的实时运营上下文之上，这些上下文包括历史上分散在多个系统、机器、工程文档、生产记录和机构知识中的信息。因为系统已经知道哪台机器在运行、哪个工单正在进行、之前的生产运行发生了什么，工人可以直接向 HAL 提问，无需先提供背景信息。
公司联合创始人 David Caputo 对 Business Insider 表示，HAL 让工人能够“literally speak to the machines”——字面意义上与机器对话。据公司披露的使用场景包括：工人可以询问某台机器为何运行速度低于预期，可以指示 HAL 提交维护请求，或者为下一班操作员标记异常情况。
这里需要区分公司口径与可验证事实。HAL 的上下文感知能力来自 Harmoni 平板采集的机器级数据、RFID 触发的工作流记录以及 ERP 集成数据。从已披露的产品架构看，HAL 的推理质量直接取决于这些底层数据的完整性和准确性。如果一台机器没有连接传感器，或者操作员没有在平板上准确记录异常，HAL 的“上下文”就会出现盲区。Harmoni 未披露 HAL 在客户现场的准确率、响应延迟或误操作率，也未说明 HAL 的回答是否需要人工审核后才能执行操作。这些是评估其 AI 能力的关键指标，目前均未公开。
从产品逻辑上推断，HAL 与通用大语言模型的关键差异在于其输入不是开放域文本，而是被 Harmoni 系统结构化后的工厂运营数据。这意味着 HAL 的幻觉风险可能低于通用 AI 助手，但前提是 Harmoni 的数据采集层覆盖足够全面。对于一家成立仅三年的公司而言，在约 40 家客户的生产环境中积累的数据量是否足以训练或微调出可靠的工业 AI，仍是一个待验证的问题。
40 家客户与“每年 200 小时”的效率数据，背后是航空航天订单的集中度风险
Harmoni 披露目前拥有约 40 家客户，预计本月再增加 10 家，航空航天和国防是最大的客户细分。公司披露的客户结果显示，其自动化每年为每位操作员增加超过 200 小时的生产时间，主要通过消除行政性和其他非生产性任务实现。这一数据来自公司披露，未经独立审计。
Business Insider 报道中提到了一个具体客户案例：位于圣何塞的 WessDel，一家为航空航天和国防公司生产精密部件的制造商，自 2024 年起使用 Harmoni。WessDel 副总裁 Jeff McKay 对 Business Insider 表示，在使用 Harmoni 之前，工人需要在三个不同的终端排队打卡，并手动录入机器信息，这些任务每天可能耗费工人近一小时。现在工人只需在 Harmoni 平板上刷 ID 卡即可完成打卡，平板还会自动记录机器活动。
WessDel 案例提供了具体的时间节省场景，但需要注意的是，这是公司主动提供给媒体的客户案例，且 McKay 的表述属于客户主观评价而非独立审计结果。航空航天和国防作为最大客户细分的集中度也值得关注：这一行业受政府预算周期和合规要求影响较大，如果国防开支出现波动，Harmoni 的客户集中风险会随之放大。
从收入结构看，Harmoni 是典型的 B2B SaaS 模式，向制造商销售平台和 AI 产品。公司未披露客单价、年经常性收入或净收入留存率。40 家客户的规模在工业软件领域仍处于早期阶段，与 MachineMetrics 等已运营多年的竞争对手相比，Harmoni 的客户基数较小。但航空航天和国防客户通常具有较高的合规门槛和粘性，一旦进入供应链体系，替换成本较高，这在一定程度上可以缓解客户集中风险。
在 Hadrian 与 MachineMetrics 之间，Harmoni 的“编排”定位是差异化还是模糊地带？
Harmoni 的竞争格局呈现出两个截然不同的方向。一边是 Hadrian 和 Machina Labs 这类从零开始建造高度自动化工厂的初创公司，它们试图用机器人和自动化重新定义制造业；另一边是 MachineMetrics 和 Datanomix 这类机器监控和生产追踪软件公司，它们已经在市场上建立了客户基础。
Harmoni 的定位介于两者之间。它不像 Hadrian 那样建造新工厂，也不像 MachineMetrics 那样专注于机器数据采集和分析。公司联合创始人 Caputo 对 Business Insider 的表述是：“我们专门构建了这个系统，来武装这些家伙，让他们能与那些自主工厂竞争。”这里的“这些家伙”指的是美国约 28 万家使用传统机械和人工的工厂。
从产品功能上看，Harmoni 与 MachineMetrics 和 Datanomix 存在重叠：三者都涉及机器数据采集和生产监控。Harmoni 的差异化主张在于“编排”——不只是监控，而是把工时追踪、ERP 事务、文档管理、质量报告等多个环节整合到一个工作中心级别的操作界面中。公司创始人 Caputo 在新闻稿中表示：“Harmoni 的信念是制造商不需要另一个断开的应用程序，他们需要一个帮助工作正确、高效、实时完成的系统。”
这一差异化在逻辑上成立，但在商业实践中面临挑战。工业软件市场长期存在“单点工具泛滥、集成困难”的问题，Harmoni 试图用一个平台替代多个单点工具，这要求客户愿意放弃现有的部分软件投资。对于已经部署了 ERP 和 MES 系统的中型制造商而言，Harmoni 的价值主张需要足够强才能说服他们引入另一个平台。公司未披露客户从哪些竞品或替代方案迁移到 Harmoni，也未披露其平台与现有 ERP 系统的集成深度。
Bessemer 的“运营层”逻辑与 1000 万美元的实际购买力
Bessemer Venture Partners 合伙人 Kent Bennett 在新闻稿中给出了投资逻辑：“Harmoni 正在为制造业构建一个新的运营层，连接工厂车间的人、机器和系统。”他还表示，客户已经从 Harmoni 的工厂编排平台中看到了有意义的价值，而 Harmoni 创造的运营上下文为将 AI 直接交付到生产工作流中提供了强大基础。
“运营层”这个表述值得拆解。在软件投资逻辑中，“层”意味着平台型机会——一旦成为工厂日常运营的默认界面，Harmoni 就拥有了分发更多功能和应用的位置优势。这与 Bessemer 在垂直 SaaS 领域的投资风格一致：先占据工作流中的关键节点，再向上下游扩展。
但 1000 万美元的 A 轮规模也划定了现实边界。Harmoni 计划将资金用于加速产品创新、市场拓展和 HAL 的持续发展。对于一个要在全国范围内拓展制造客户、同时持续投入 AI 研发的团队而言，这笔资金大约能支撑 18 到 24 个月的运营，前提是团队规模保持精简。公司未披露员工人数和烧钱率。如果 HAL 的研发需要大量算力投入或数据标注工作，资金消耗速度会更快。
从资本结构看，本轮只有 Bessemer 一家领投方被披露，未提及跟投方。这与典型的 A 轮结构略有不同——通常 A 轮会有 2 到 3 家机构参与。单一投资方可能意味着 Harmoni 在融资谈判中的选择空间有限，也可能意味着 Bessemer 对公司的控制力较强。公司未披露董事会构成变化。
工会阻力、技术成熟度与“人形机器人协调者”的远期叙事
Harmoni 面临的风险可以从三个层面审视。
第一是劳动力关系。滑铁卢大学工程学教授兼 RoboHub 主任 William Melek 对 Business Insider 表示，像 Harmoni 这样的工具可以帮助制造商应对长期劳动力短缺，但自动化部分工厂工作的技术也可能引发工会对其就业影响的抵制。Caputo 的回应是，Harmoni 是为继续依赖人力的工厂设计的，目标是减少重复性行政任务而非削减员工人数。他还补充说，许多客户已经面临招工困难。这一逻辑在劳动力短缺背景下有一定说服力，但无法消除工会对技术替代的长期担忧。如果 Harmoni 的自动化功能从行政任务扩展到更多生产环节，劳资关系的张力可能加剧。
第二是技术成熟度。HAL 的上下文感知能力依赖于 Harmoni 数据采集层的覆盖质量，而公司目前只有约 40 家客户的数据积累。工业 AI 的可靠性要求远高于消费级 AI——一个错误的维护请求或错误的机器参数建议可能导致生产事故。Harmoni 未披露 HAL 的错误率、人工审核机制或安全防护措施。在航空航天和国防客户中，这些要求会更加严格。
第三是竞争压力。MachineMetrics 和 Datanomix 已经在机器监控领域建立了品牌认知和客户基础，Hadrian 和 Machina Labs 则在自动化工厂叙事中获得了大量资本关注。Harmoni 的“编排”定位如果不能在客户心智中形成清晰认知，可能被归入“又一个工厂软件”的模糊地带。公司需要在 40 家客户的基础上证明其平台能产生可量化的差异化价值，而不仅仅是整合了多个功能。
Caputo 在 Business Insider 报道中还提到，如果未来工厂由人形机器人操作，Harmoni 的系统也可以协调它们。但他同时承认“技术还没到那个程度”。这是一个远期叙事，对当前估值和客户决策没有实质影响，但反映了公司试图在自动化光谱上保持灵活性的意图。
从 28 万家老工厂到 380 万工人缺口，Harmoni 的验证路径仍在前方
美国制造业的劳动力缺口为 Harmoni 提供了宏观叙事支撑。据 Deloitte 和 Manufacturing Institute 的研究，美国制造商到 2033 年可能需要 380 万额外工人，其中约一半岗位可能无法填补。这一数据在 Harmoni 的新闻稿中被引用，作为其市场机会的佐证。
但宏观缺口与微观购买决策之间的距离并不短。一个中小型工厂主面对劳动力短缺时，可以选择加薪招人、外包生产、引入自动化设备，或者采用 Harmoni 这类软件平台。Harmoni 需要证明的是，在工厂主面临的多个选项中，它的方案能以最低的成本和最快的速度产生可感知的效率提升。公司披露的“每年每位操作员增加 200 小时生产时间”如果能在更多客户中复制，将构成有力的销售论据；但目前这一数据仅来自公司披露，缺乏独立验证。
从已披露的信息看，Harmoni 的验证路径包括三个关键节点：第一，客户数量能否从 40 家扩展到足以支撑规模化收入的水平；第二，HAL 能否在实际生产环境中证明其 AI 能力可靠到客户愿意将操作决策交给它；第三，航空航天和国防之外的客户细分能否打开，以降低行业集中风险。这三个节点都需要时间，而 1000 万美元的 A 轮资金为 Harmoni 争取的正是这段时间。
Harmoni 的故事本质上是一个关于“存量改造”的赌注。当资本和媒体注意力集中在自主工厂和人形机器人上时，美国 28 万家使用传统设备的老工厂仍然每天在生产，仍然面临劳动力短缺和效率低下的问题。Harmoni 试图用软件和 AI 在这些工厂中创造价值，而不是等待它们被替换。这个赌注能否兑现，取决于它能否在保持产品简单到可以快速部署的同时，积累足够深的运营数据来让 HAL 变得真正有用。两者之间的张力，将是 Harmoni 下一阶段的核心考验。
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：Harmoni 的融资故事里最值得关注的不是 1000 万美元的数字，而是它选择了一条与硅谷主流叙事相反的路——不建新工厂，不造机器人，而是把 AI 塞进二战时期的老机床旁边。这种“存量改造”逻辑在劳动力缺口数据上说得通，但真正的考验在于：当 HAL 的回答出错时，代价不是一次糟糕的搜索体验，而是一批报废的航空零件。工业 AI 的容错率远比消费级 AI 低，而 Harmoni 目前披露的信息还不足以让外界判断它是否已经跨过了可靠性门槛。
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。