实体安全行业长期困在一个悖论里：摄像头越装越多，传感器越铺越密，但真正能在事件发生前阻止入侵、暴力或事故的干预能力，并没有同步提升。大多数企业安全运营中心仍然依赖人眼盯屏、事后回放和分散的报警系统。一个园区每天可能产生数千条运动检测告警，其中绝大多数是误报；而真正危险的几秒钟，往往淹没在噪音里，等到有人发现时，事件已经结束。这种“被动记录、事后追溯”的模式，正在成为企业安全管理中最昂贵也最脆弱的一环。

2026年10月20日，Allegion plc 旗下企业风投基金 Allegion Ventures 宣布领投 Ambient.ai 的 C 轮融资。这是一家总部位于加州 Redwood City 的实体安全平台公司，核心主张是把企业已有的摄像头和传感器转化为持续在线的安全智能体。交易的具体金额没有披露，但公司通稿称，本轮融资使其累计融资额突破 1 亿美元。这也是 Allegion Ventures 自 2023 年首次投资 Ambient.ai 之后的第二次战略下注。

这轮融资的叙事重心不在金额，而在方向。Ambient.ai 正在把实体安全从一个“监控基础设施”问题，重新定义为一个“实时智能体响应”问题。它试图回答的，不是如何存储更多视频，而是如何让系统在人类操作员监督下，持续感知、理解并对现实事件做出行动。

字段 内容
公司 Ambient.ai
轮次 C轮
金额 未披露
投资方 Allegion Ventures 领投
总部 Redwood City, California
创始人 Shikhar Shrestha、Vikesh Khanna
官网 https://ambient.ai/

把旧摄像头变成安全智能体，Ambient 的产品逻辑是叠加而非替换

Ambient.ai 的产品路径与许多 AI 安防公司不同。它不要求客户更换摄像头，也不以销售硬件为核心。公司通稿称，其平台将现有摄像头和传感器接入一个统一智能层，通过边缘优化的推理视觉语言模型，持续感知、理解并实时响应现实事件。这意味着客户可以保留原有的视频监控与门禁基础设施，在其上叠加一层 AI 决策与行动能力。

这套系统的关键组件是 Ambient Pulsar。公司称这是一款面向实体安全场景、边缘优化的推理视觉语言模型。与传统的运动检测或深度学习视频分析不同，视觉语言模型的目标是理解画面中的语义关系，而不仅仅是识别运动或物体。例如，系统需要判断一个人是在正常经过走廊，还是在尾随他人进入受限区域；需要区分一辆车是临时停靠，还是正在逼近装卸区。公司通稿称，Ambient Pulsar 推出后，市场采用加速，覆盖企业园区、数据中心、关键基础设施、教育、制造、医疗和博物馆等领域。

从产业链角度看，这种“叠加智能层”的策略降低了部署门槛，但也对模型在真实环境中的推理可靠性提出了更高要求。实体安全场景的误报代价极高：漏报可能导致入侵或伤害，误报则会让操作员陷入告警疲劳。Ambient.ai 在 2023 年的通稿中曾称，其平台可将访问控制误报降低 95% 以上，并将取证调查速度提升 20 倍。这些数字来自公司单方披露，本次来源未提供独立核证，但其指向的产品目标很明确：不是增加告警数量，而是减少无效告警，同时加速事件回溯。

另一个值得注意的设计原则是 human-in-the-loop。公司 CEO Shikhar Shrestha 在通稿中强调，下一阶段的企业实体安全将由 AI 智能体与经验丰富的操作员协同运行，系统在实时感知、推理和行动的同时，保留人类控制与隐私设计。这意味着 Ambient.ai 的产品定位不是全自动替代安保人员，而是把 AI 作为操作员的实时决策辅助。这种定位在商业上更易被企业安全团队接受，但也意味着产品价值高度依赖人机协作体验，而非单纯的模型精度。

从 2023 年的 2000 万美元到 C 轮，Allegion 的资本关系在加深

本轮融资的资本结构透露出比金额更重要的信号。Allegion Ventures 总裁 Rob Martens 自 2023 年起担任 Ambient.ai 董事会观察员，本轮后正式加入董事会。Andreessen Horowitz 的 Martin Casado 自 2019 年起担任董事。这意味着 Ambient.ai 的董事会中，同时出现了企业战略投资方与早期风险投资方的代表。

2023 年 10 月，Allegion Ventures 曾向 Ambient.ai 投资 2000 万美元，当时被描述为该基金历史上最大的一笔单笔投资。彼时 Ambient.ai 的总部记录为加州 San Jose，累计融资额超过 7200 万美元。本轮来源则将其总部记为 Redwood City，累计融资超过 1 亿美元。总部地址的变化未在来源中解释，但公司主体与创始人信息一致，均为 2017 年由 CEO Shikhar Shrestha 与 CTO Vikesh Khanna 创立。

从投资逻辑看，Allegion 的持续加注具有明显的战略协同意图。Allegion 本身是一家门禁与安防硬件公司，其产品覆盖锁具、门控、访问控制与出入口管理。Allegion 总裁兼 CEO John H. Stone 在通稿中表示，Ambient 持续证明了专用 AI 在实体安全中的变革潜力，后续投资反映了对其技术、领导力以及双方合作深化的信心。2023 年时，Stone 曾更具体地描述过这种互补：Allegion 的联网硬件管理访问与入口，Ambient 的平台提供情境理解，以大幅降低门禁误报并改善威胁检测与响应。

这种“硬件入口 + AI 智能层”的组合，理论上可以形成从物理门禁到实时威胁响应的闭环。但需要指出的是，双方合作的具体产品形态、收入分成或联合交付模式，本次来源均未披露。Allegion 的投资与董事会席位只能说明战略绑定在加深，不能直接等同于商业协同已经规模化。

90% 的 ARR 增长与正现金流，是公司口径下的财务信号

Ambient.ai 在本轮通稿中给出了两个关键财务指标：2026 财年年度经常性收入增长 90%，并在该年上半年实现正现金流。公司还称，其客户包括财富 100 强企业，覆盖企业园区、数据中心、关键基础设施、教育、制造、医疗和博物馆等领域。

这些数据来自公司通稿单方表述，本次来源未提供经审计的财务文件或独立第三方验证。90% 的 ARR 增长基数、收入确认口径、正现金流的计算期间与是否包含融资性现金流入，均未披露。因此，这一增长率的绝对水平需要谨慎解读。不过，正现金流这一表述本身值得注意。对于一家仍在强调“继续大力投入研发”的 AI 公司来说，如果正现金流属实，意味着其商业化收入已经能够覆盖运营与研发支出，这在企业 AI 应用公司中并不常见。

2023 年的通稿曾称，公司自 2022 年结束隐身期以来实现 4 倍以上的营收与客户增长，并称美国前十大科技公司中有七家使用其平台，Adobe、VMware、Impossible Foods 等为其客户。这些历史数据同样来自公司单方披露。将 2023 年与 2026 年的口径放在一起看，Ambient.ai 的增长叙事是连续的：从隐身期结束后的快速扩张，到 2026 财年的 ARR 高增长与正现金流。但连续叙事本身并不构成独立验证，它只能说明公司在不同时间点给出了相互一致的增长表述。

从编辑推断角度看，如果 90% 的 ARR 增长与正现金流同时成立，Ambient.ai 可能已经进入一个相对成熟的商业化阶段，客户集中在大中型企业，合同价值较高，且收入具有一定可预测性。但这一推断的前提是公司披露的财务口径真实且可比较。在具体金额、估值和收入基数均未披露的情况下，外部无法判断其 ARR 的绝对规模，也无法评估 90% 增长对应的实际收入增量。

实体安全 AI 的竞争不在模型，而在与现有安防体系的耦合深度

实体安全 AI 并不是一个空白市场。传统安防厂商、云视频监控平台、计算机视觉创业公司以及大型云厂商都在不同层面切入这一领域。Ambient.ai 的差异化主张集中在两点：一是面向实体安全场景的专用视觉语言模型，二是与现有摄像头和传感器的兼容性。

从技术路线看，通用视觉语言模型在安防场景中面临一个核心矛盾：模型需要理解高度情境化的行为语义，而这类数据往往涉及隐私、合规与标注成本。Ambient.ai 强调 privacy by design，但来源未披露其模型训练数据的具体来源、脱敏方式或合规框架。在医疗、教育、数据中心等敏感场景中，视频数据的处理边界往往比模型精度更先决定客户能否采用。

从竞争格局看，Ambient.ai 的直接对手可能包括两类：一类是拥有硬件与渠道优势的传统安防厂商，它们正在把 AI 功能嵌入自有摄像头和门禁系统；另一类是提供云端视频分析平台的软件公司，它们以更轻量的方式切入存量摄像头市场。Allegion 作为战略投资方的意义在于，Ambient.ai 有可能通过门禁与访问控制场景获得更深的系统耦合，而这是一般软件平台难以触及的层面。但反过来，这种深度绑定也可能限制其与其他门禁硬件厂商的合作空间。

公司通稿称 Ambient.ai 是 Agentic Physical Security 领域的领导者，并称 Ambient Pulsar 是首个面向实体安全的边缘优化推理视觉语言模型。这些“领导者”与“首个”的表述来自公司通稿，本次来源未提供独立第三方验证。在实体安全 AI 仍处于快速演进的阶段，这类定位更多是市场叙事的一部分，而非可验证的竞争事实。

资金用途指向研发，但商业化瓶颈可能在人机协作与部署成本

Shrestha 在通稿中表示，本轮资金将用于加速把智能体能力引入实体安全，并继续大力投入研发。他没有提及销售团队扩张、地理市场拓展或并购计划。这与公司强调技术领先的叙事一致，但也留下一个问题：在 ARR 增长 90% 的背景下，Ambient.ai 最需要的是更强的模型能力，还是更快的客户获取？

从产品逻辑看，实体安全智能体的真正瓶颈可能不在模型推理，而在部署与运维。企业安全团队通常缺乏 AI 系统的调优能力，他们需要的是开箱即用、误报可控、能与现有 SOP 对接的解决方案。如果 Ambient.ai 的智能体需要大量场景化配置或客户侧数据训练，其扩张速度将受限于交付团队规模。公司未披露其部署周期、单客户实施成本或客户成功团队规模，因此无法判断其收入增长是否伴随着交付能力的同步扩张。

另一个待验证假设是边缘推理的实际性能。Ambient Pulsar 被描述为边缘优化的推理视觉语言模型，这意味着模型需要在摄像头或本地网关等资源受限设备上运行。边缘部署可以降低带宽成本与隐私风险，但也会限制模型规模与推理复杂度。公司未披露 Ambient Pulsar 的参数量、硬件要求、推理延迟或与云端模型的性能差距。这些技术细节直接关系到“实时响应”这一核心承诺能否在真实园区环境中兑现。

未披露的金额与未验证的财务口径，是这轮融资最大的信息缺口

本轮 C 轮融资的具体金额未披露，这是本次交易中最显著的信息缺口。通常来说，C 轮融资的金额、估值与股权稀释比例是判断公司阶段与资本效率的关键指标。Ambient.ai 选择只披露累计融资突破 1 亿美元，而不披露本轮金额，可能意味着交易规模相对温和，或者公司希望将叙事焦点从资本规模转向战略合作与财务健康。

从历史数据可以做一个粗略的资本结构推算。2023 年 10 月，公司累计融资超过 7200 万美元。本轮后累计融资超过 1 亿美元。这意味着自 2023 年 10 月以来，公司新增融资额在 2800 万美元以上，但具体金额、是否包含其他跟投方、是否有老股转让，均未披露。Allegion Ventures 被明确为本轮领投方，但通稿未列出其他参与方。

这种披露策略在战略投资中并不罕见。企业风投的参与往往带有商业合作意图，而非纯粹的财务回报诉求。Allegion Ventures 的再次加注与董事会席位升级，说明双方关系已从财务投资走向治理层面的绑定。但对外部观察者而言，缺乏金额与估值的融资公告，更像是一次战略合作声明，而非完整的资本市场事件。

需要集中说明的是，本项目的统计口径与验证边界：累计融资超过 1 亿美元、2026 财年 ARR 增长 90%、上半年正现金流、客户覆盖财富 100 强企业、Ambient Pulsar 为“首个”边缘优化推理视觉语言模型、平台可将访问控制误报降低 95% 以上、取证调查速度提升 20 倍，这些表述均来自公司通稿或历史公司通稿，本次来源未提供独立第三方核证。编辑无法从现有材料判断其收入确认方式、客户合同结构、模型性能测试条件或“首个”的技术定义。这并不意味着相关能力或记录不存在，而是说外部暂时无法独立验证。

从被动监控到智能体响应，Ambient 押注的是一个尚未被证明的范式转移

Ambient.ai 的融资故事，本质上是在押注实体安全行业的一次范式转移：从记录事件的被动系统，转向在人类监督下实时感知、推理和行动的安全智能体。这个方向与当前企业 AI 的整体趋势一致，但实体安全场景的特殊性在于，错误的“行动”可能直接造成人身或财产损失。

因此，human-in-the-loop 不是产品上的保守选择，而是进入企业安全市场的必要前提。它让 AI 可以承担持续监控、异常识别与响应建议，而把最终决策权留给操作员。这种设计降低了客户采用的心理门槛，但也意味着 Ambient.ai 的价值兑现，不仅取决于模型能力，还取决于操作员是否信任系统、能否高效处理系统给出的信息，以及组织是否愿意重构原有的安全运营流程。

从已披露的信息看，Ambient.ai 至少在三件事上做出了明确选择：不碰硬件，专注存量摄像头与传感器的智能化；不做全自动替代，坚持人机协同；不追求通用 AI，聚焦实体安全场景的专用模型。这三项选择共同构成了一个相对清晰的商业策略。但策略清晰不等于验证完成。公司需要在未来证明，其智能体能力能够在多样化的真实环境中稳定运行，能够在不显著增加部署成本的前提下规模化复制，并且能够把与 Allegion 的战略协同转化为可量化的商业成果。

Allegion Ventures 的再次加注，至少说明一个产业资本方愿意用真金白银和董事会席位来支持这个方向。但实体安全 AI 的竞争才刚刚开始。传统安防厂商不会放弃自己的硬件入口，云平台公司会继续以价格和易用性争夺存量市场，而通用 AI 模型的快速演进也可能侵蚀专用模型的技术壁垒。Ambient.ai 选择了最难也最有价值的一条路：让 AI 真正进入物理世界的安全决策链。这条路能否走通，取决于它在未来几个季度能否把 90% 的 ARR 增长转化为可验证的规模化收入，以及能否在真实安全事件中证明智能体响应比传统监控更可靠。

RecodeX 极客视：实体安全的真正瓶颈从来不是摄像头不够多，而是决策链太长。Ambient.ai 试图用视觉语言模型压缩从感知到响应的时间差，但它的最大对手不是另一家 AI 公司，而是企业安全团队对“机器建议”的信任门槛。当 AI 开始参与物理世界的安全决策，每一次误报都在消耗信任，每一次漏报都在放大风险。这轮融资没有披露金额，却披露了一个更重要的信号：产业资本正在用董事会席位，为尚未被验证的智能体安全范式下注。

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。