Vantora 拿到超过一亿美元投资并宣布转型。这家公司不卖软件，而是先和保时捷、阿拉斯加航空这样的大企业一起找出最贵的问题，再从零组一家新公司去解决；不愿再买第三方 AI，正是它转型的理由。

9月18日，美国公司 Vantora 宣布获得超过1亿美元投资，出资方是 Silversmith Capital Partners。

这是这家公司成立四年来第一次拿外部的钱。在此之前它一直由创始人控制，而且已经盈利。

它做的生意不太常见。它不卖软件，它给大企业造创业公司。

到目前为止造了17家，目标是年底前到20家。合作过的企业包括保时捷、阿拉斯加航空、货运公司 J.B. Hunt、挂车制造商 Wabash，以及家具品牌 Ashley Furniture 的母公司 TDG。收入同比增长79%。

这次融资同时伴随一次转型，而转型的理由，比这笔钱本身更值得看。

Vantora 的基本盘。Sense AI 整理自公开报道

01 先说清楚这个模式怎么转

Vantora 的前身叫 UP.Labs，2022年成立，创始人是 John Kuolt，此前在波士顿咨询的数字风险投资部门做企业创投。公司在加州，和一家叫 Up.Partners 的风险投资机构共用办公室。

它的做法大致是这样。先和一家大企业签成合作伙伴，进到这家企业内部，找出它运营里最贵的那些问题，然后针对其中一个问题，从零组建一家新公司去解决。

关键在后面三件事。

这家大企业会投资这家新公司。

这家大企业会成为这家新公司的第一个客户。

等这家新公司做到一定规模，这家大企业有权把它买下来，并进核心业务。

Kuolt 把最后这一项称作一条自有的并购管线。

02 为什么这三件事加在一起很不一样

企业创新实验室这个东西存在了几十年，大部分最后都关掉了。

失败的原因高度一致。实验室做出来的东西，母公司自己不买。

原因不难理解。母公司的业务部门有自己的预算、自己的供应商、自己的考核。一个从内部孵化出来的产品，在他们眼里和外面的供应商没有区别，甚至更麻烦，因为它不成熟，出了问题还不好追责。于是项目做完了，没有人用，两三年后关停。

Vantora 的结构把这个死法堵住了。采购承诺不是做完之后去争取的，是在公司成立之前就写进去的。投资也是同一时点发生的，母公司出了钱，就有了让它成功的理由。

这个结构把企业创新最常见的死法堵住了。Sense AI 整理

这里可以对照一下常见的几种企业创新做法。

第一种是内部立项。业务部门提需求，IT 部门排期，做出来的东西受制于现有系统和现有流程，很难做出结构性的改变。

第二种是投资外部创业公司。钱出去了，但这家公司的路线图由它自己的其他客户决定，大企业只是众多客户之一，想要的功能未必排得上。

第三种是直接收购。价格贵，而且收购完成之后的整合失败率很高，团队走人是常态。

Vantora 的位置在这几种之间。公司是新建的，所以没有历史包袱。它从第一天就为这家企业的问题而生，所以路线图归这家企业。而收购发生在它已经被验证之后，价格和风险都比买一家成熟公司低。

从创业公司的角度看，这解决了最难的那一半。一家新公司通常要花几年时间找第一个真实客户，而这个客户在第一天就存在，而且是一家财富百强企业。

代价也在这里。它从第一天起就只有一个客户。

03 真正的转变是它决定不再对外卖

这次融资伴随的转型，是这条新闻里信息量最大的部分。

此前 Vantora 造的公司，既服务合作的大企业，也面向更广的市场卖。现在它只做前者。

Kuolt 给的理由是一句话。我们错过了那些价值最大的问题，正因为要对外卖，所以错过了。

展开来说是这样。财富百强的工业企业需要对自己的 AI 智能层保持主权控制，它们没法依赖一个同时把东西卖给竞争对手的第三方。

这句话值得停下来。

过去二十多年的企业软件逻辑是反过来的。买现成的比自己造便宜，因为供应商把研发成本摊到几百个客户身上。一家公司自己开发一套客户管理系统是不划算的，所以大家都买 Salesforce。

这个逻辑成立的前提是，软件本身不构成差异化。所有人都用同一套客户管理系统，竞争优势在别的地方。

但如果一家工业企业最核心的竞争力，正在变成它怎么调度设备、怎么排产、怎么定价、怎么预测故障，而这些能力现在由 AI 系统承载，那么买一套和竞争对手一模一样的系统，等于主动放弃差异化。

为什么大企业开始拒绝买第三方的核心 AI。引语为 Kuolt 在 TechCrunch 报道中的表述

换一个角度看，这其实是软件行业一个来回摆动的钟摆。

上世纪八九十年代，大企业普遍自建系统，理由正是业务流程各不相同。后来标准化软件和云服务兴起，自建被认为是浪费，因为流程可以向软件靠拢，而软件便宜得多。

现在摆回去的原因，不是流程又变得独特了，是承载差异化的那一层换了位置。当竞争优势从流程转移到模型和数据的组合上时，用和对手相同的那一套，就等于把优势让出去。

这就是那句主权控制的实际含义。

04 一个具体的例子

Kuolt 举了一个能说明问题的例子。

他们曾经为 J.B. Hunt 的业务想过一个 AI 方案，当时因为太敏感而没有做，因为按旧模式，这家新公司最终要对外销售，而这个方案涉及的东西不能让外部市场看到。

改成只服务合作伙伴之后，这个方案就可以做了。

这个例子把上一节的抽象说法落到了地上。一家货运公司最值钱的那部分知识，是它怎么调度车辆、怎么定价、怎么在网络里安排回程货。这些东西一旦做成产品卖给同行，它自己的优势就没了。

所以越是核心的问题，越不可能由一家对外销售的软件公司来解决。而这些恰恰是最贵的问题。

05 那17家公司在做什么

公开材料对具体的公司名字说得不多，但提到了业务方向。

一类是为定制化制造自动化产品配置与报价。

这一类我们此前写过两次。慕尼黑的 Atira 在做工业制造商的报价流程，日本的 CADDi 在做图纸数据与采购复用。两家都是对外销售的创业公司，面向尽可能多的制造企业。

Vantora 的做法是同一个问题的另一个解法。不做一家卖给所有人的公司，而是为某一家企业单独造一家。

同一个问题的两种解法。Sense AI 整理，其中 Atira 与 CADDi 为本刊此前报道过的公司

两种路线各有各的经济学。对外销售的那种，客户越多边际成本越低，但要照顾所有人的流程，产品必然向最大公约数收敛。只服务一家的那种，可以深到对方的实际流程里，但研发成本没有地方摊。

哪种更好，取决于这个问题在客户那里值多少钱。如果只值几十万美元一年，只能做通用产品。如果它关系到几亿美元的运营成本，专门造一家公司就算得过来。

另一类业务是重建航空公司的维修计划。这类问题同样属于后者，一架飞机停场一天的成本，足以支撑一次定制开发。

06 为什么是现在

这个模式在五年前很难成立，原因在成本。

从零做一家软件公司，过去需要一支完整的工程团队做很久。为一家企业单独做这件事，账算不过来。

这两年变了两件事。一是开发成本大幅下降，同样的功能所需的人和时间都少了。二是工业场景里的数据开始可用，传感器、设备日志、维修记录这些原本散落的东西被接起来了。

可以用一个门槛来想这件事。假设为一家企业定制一套系统，过去需要二十个人做两年，那么人力成本大约两千万美元起。这个数字意味着，只有那些一年能省下几千万的问题才值得做，而这样的问题一家公司里没有几个。

如果同样的东西现在五个人一年能做出来，门槛就降到了几百万美元。值得做的问题数量会因此增加很多倍，因为一家大型工业企业里，一年浪费几百万美元的环节到处都是。

开发门槛下降真正改变的是什么。数字为说明结构所做的假设

以上数字是我们为了说明结构所做的假设，不代表这家公司的真实成本。要说明的是那个方向，门槛下降不是让原来的项目变便宜，是让原来根本不在考虑范围内的项目进入了考虑范围。

这两件事合在一起，让定制开发从不划算变成在某些问题上划算。

公司这次把方向明确为物理 AI，指的就是这一类落在实体运营里的应用，设备、车队、产线、仓储，而不是办公室里的文档和对话。

07 Silversmith 为什么投

被投方的状态本身有点特别。这家公司此前没有拿过外部资金，由创始人控制，而且已经盈利。

一家已经盈利的公司融1亿美元，通常不是因为缺钱，是因为要加速，或者要给早期股东提供流动性，又或者两者都有。

从投资方的角度看，这个标的有一个不常见的属性。它的收入来自与大企业签的长期合作，而不是单个软件产品的订阅。同时它还持有17家新公司的股权，这部分价值在合作方行使收购权时才会体现。

这是一个混合体，一半像咨询公司，一半像风险投资基金。这类结构的估值方法和纯软件公司不一样，这大概也是出资方是一家成长期投资机构而不是早期风投的原因。

08 这个模式的几处难处

把风险列在这里。

第一是客户集中度。合作伙伴数量有限，每一家的分量都很重。一家大企业换了首席执行官或者削减预算，对应的那条线就会受影响。

第二是造出来的公司的天花板。一家只有一个客户的公司，增长上限就是这个客户的需求上限。如果合作方最终没有行使收购权，这家公司要么继续依附，要么被迫转向对外销售，而后者正是这次转型要放弃的方向。

第三是人。一个工程师加入一家注定只服务一个客户的公司，他的预期回报是什么，这个问题不好回答。传统创业公司的吸引力来自可能的巨大上行，而这个结构里的上行被收购价格封住了。

这一条还有一层。这个结构里最稀缺的不是工程师，是能同时听懂两边的人。一边是财富百强企业里几十年形成的运营语言，什么叫排产、什么叫回程货、什么叫停场损失。另一边是从零搭一家公司需要的那套判断，做什么不做什么、先做哪个、什么时候该停。

同时具备这两样的人非常少，而每造一家新公司就需要一组。这是这个模式最硬的产能约束。

第四是它和母公司之间的张力。新公司要快，大企业要稳。当两者冲突时，谁说了算，这个问题在合同里写得再清楚，执行时仍然会反复出现。

第五是可复制性。17家公司在四年里造出来，平均每年四家出头。这个速度受制于有多少人能同时进到不同企业内部把问题找准。这类人不好招，也很难标准化。

09 这件事指向一个更大的问题

把 Vantora 这个案例放大一点看，它在回答一个很多企业现在正在面对的问题。

AI 能力到底应该买还是造。

过去的答案基本是买。现在这个答案正在分叉。

通用能力继续买。写文档、做会议纪要、客服应答、代码补全，这些没有人会自己做，因为它们不构成差异化，而且现成的产品足够好。

但那些跟公司怎么赚钱直接相关的部分，正在往自己造的方向移动。一家航空公司怎么排航班和机务，一家货运公司怎么调度网络，一家制造企业怎么报价和排产，这些东西背后是几十年积累的经验和数据，它既不适合交给一个把同样方案卖给对手的供应商，也很难用通用产品覆盖。

买还是造，答案正在按是否构成差异化分叉。Sense AI 的判断

Vantora 做的是给这个分叉的后半段提供施工队。

它自己不掌握任何一个行业的知识，保时捷懂车，J.B. Hunt 懂货运，阿拉斯加航空懂机务。Vantora 提供的是把一个模糊的运营痛点变成一家能运转的公司的那套流程，包括怎么定义问题、怎么组队、怎么在十八个月里做出第一版、怎么让它被真正用起来。

这套能力本身不新，风险投资机构和咨询公司都声称有。区别在于它把结果绑在了一个具体的交付物上，一家有收入、有客户、可以被收购的公司，而不是一份报告或者一笔投资。

这个判断对中文读者同样成立。如果一家公司正在考虑引入 AI，先问一个问题会有帮助。这件事如果竞争对手用同一套方案做得一样好，那么它就该买。如果它做好了能拉开差距，那么它大概率不能只靠买。

10 几个还不知道的

把没有答案的部分列清楚。

17家公司具体是哪些、各自的规模和存活状态，公开材料没有逐一披露。我们不知道其中有多少已经被合作方收购，有多少已经关闭。

Vantora 在每家新公司里占多少股权，合作方占多少，收购权按什么价格行使，这些核心条款没有公开。

收入同比增长79%，但绝对值没有披露。盈利的口径也没有说明。

1亿美元里有多少是新股融资、多少是老股转让，公开报道没有区分。

合作伙伴名单里除了已公布的五家，还提到有工业制造和油气行业的企业，具体是谁没有说明。

那个 J.B. Hunt 的方案最终有没有立项，处在什么阶段，也没有公开。

资料来源：

TechCrunch 报道 Vantora 获得1亿美元投资并全面转向物理AI（2026年9月18日）原文 https://techcrunch.com/2026/09/18/a-startup-that-builds-other-startups-raised-100m-and-is-all-in-on-physical-ai/

Vantora 获得 Silversmith Capital Partners 投资的官方公告原文 https://finance.yahoo.com/technology/ai/articles/vantora-secures-more-100-million-143000605.html

citybiz 报道本轮投资细节原文 https://www.citybiz.co/article/904316/vantora-secures-100-million-plus-investment-from-silversmith-capital-partners/

UP.Partners 宣布成立 UP.Labs 并公布保时捷为首个合作伙伴原文 https://up.partners/up-partners-announces-the-launch-of-up-labs-a-first-of-its-kind-venture-lab-announces-porsche-as-its-first-corporate-partner/

Runtimewire 报道 Vantora 的模式与合作伙伴构成原文 https://runtimewire.com/article/vantora-raises-100m-physical-ai-corporate-startups

AI Weekly 关于本轮融资与转型的说明原文 https://aiweekly.co/alerts/vantora-raises-100m-from-silversmith-pivots-to-physical-ai