Fragment 融资 5600 万美元，用 AI 自主解决工业采购异常

Fragment Data Technologies 于 2026 年 10 月 28 日结束隐身，累计融资 5600 万美元，瞄准企业运营中最不起眼、也最顽固地依赖人工的问题之一：采购异常处理。采购异常是指采购订单与发票不符、到货数量出现意外差异，以及订单变更冲突，这些问题在制造商采购生产物料的各个环节不断累积。尽管企业在 ERP 上投入了数十年，每年仍要耗费数十万小时的人工。这笔资金包括 8VC 领投的 A 轮，以及此前由 General Catalyst 和 A* 共同领投的种子轮。Fragment 押注的是，自主 AI 智能体能彻底弥合这一缺口。

A 轮吸引了一批知名天使投资人，包括 Roelof Botha、Nikesh Arora、Jeff Wilke、Eric Wu 和 Dennis Cinelli。联合创始人兼 CEO Pranav Mulgund 于 2025 年与联合创始人 Naveen 在旧金山创立了公司。Fragment 称 2026 年上半年营收增长约 30 倍，不过这一数字来自公司的招聘材料，而不是经独立审计的财务报表。「我们有意从供应链最复杂的大型企业的直接采购入手，因为解决这个难题可能从根本上改变企业软件的能力。」Mulgund 在公司官方公告中说，「采购团队花了太多时间在各个系统之间追查差异。AI 如今让我们能够打造理解业务、并把这些工作贯彻到底的软件。」

Fragment 的自主上下文引擎如何连接 ERP 连不起来的数据

Fragment 平台的核心技术组件是自主上下文引擎（ACE）。ACE 针对的根本问题是数据碎片化：一个采购异常往往需要核对分散在 ERP 系统、供应商门户、物流系统，以及只存在于采购团队集体经验中的非正式制度性政策里的信息。

ACE 的设计目标是连接企业采购软件栈（SAP、甲骨文、Coupa、Ariba、Jaggaer 和 GEP），无需制造商更换或深度重新配置这些系统。Fragment 称，ACE 不是建立在基于规则的自动化之上，而是同时捕捉正式的业务政策，以及决定异常通常如何解决的隐性制度知识。同样是 3% 的数量短缺，来自某个供应商的异常，可能与来自另一家合作多年、有事后补货记录的供应商的异常处理方式不同。ACE 的设计就是要编码这种依赖上下文的推理。

一旦发现异常，Fragment 的智能体就会端到端地解决它：不是标记给人工采购员，也不是提出方案等待批准，而是自主落实解决方案。公司称，90% 以上的异常无需人工干预即可解决，客户在部署的头几周内未结异常量减少约 50%。这些数字由公司自行报告，未经独立审计。Fragment 按解决的异常数量收费，而不是按用户席位收费，这种定价模式让公司收入直接与智能体完成的可衡量工作挂钩。

为什么直接采购与间接支出是两类不同的问题

大多数企业采购 AI 都瞄准间接支出类别，即办公用品、软件订阅、差旅和其他非生产性物品的采购。间接采购的单笔风险较低，供应商关系也更标准化，因此是 AI 自动化更容易切入的起点。

直接采购是购买进入制成品的实物原料和零部件，风险容忍度根本不同。保洁用品订单的价格纠纷不会让生产线停工，而制造商周五早上就要到货的机加工零件，一张有争议的发票就可能做到。直接采购中的异常处理是在运营时间压力下进行的，往往涉及多年建立的复杂供应商关系，还需要整合来自从未设计成互通的系统的数据。Fragment 专注于这一类别，而不是间接支出或寻源需求受理，这是其竞争定位中结构上最重要的差异点。

Fragment 在智能体采购版图中的位置

近年来，更广泛的采购软件市场吸引了大量资本，投资者押注 AI 将压缩采购职能中白领劳动密集的部分。Zip 专注采购需求受理和审批工作流，融资 1.9 亿美元后估值达 22 亿美元。Pactum 在 C 轮融资 5400 万美元，主打 AI 驱动的供应商谈判。Didero 于 2026 年 2 月融资 3000 万美元，瞄准制造商和分销商。Freehand 于 2026 年 7 月在 B 轮融资 7500 万美元，客户包括 Meta 和联合利华。Levelpath 于 2025 年 6 月融资超过 5500 万美元，专注间接支出。

主要的 ERP 厂商也没有停步。SAP 的 Joule AI 助手和 Ariba 平台都增加了 AI 辅助采购功能，甲骨文 Fusion Cloud Procurement 套件也嵌入了预测式和生成式 AI 能力。关键在于，这些厂商的 AI 工具主要在单一 ERP 环境内运行，而采购异常恰恰典型地出现在系统之间的接缝处。一家用 SAP 管财务、用第三方供应商门户、再用独立物流跟踪系统的制造商，正是 Fragment 瞄准的场景。

具名客户包括电气分销公司 Graybar 和天然气生产商 CNX。Graybar 每年处理约 300 万张发票，其中 80% 需要某种形式的处理，这一规模说明异常处理工作在大型企业运营中嵌得有多深。Fragment 估计，平均每位客户每年有 500 万至 1000 万美元的采购成本受异常影响。公司称其目标市场包括汽车、电子、食品饮料和能源制造业。

「大多数软件公司都是随着时间推移才打入企业市场的，而 Fragment 从一开始就在那里。」8VC 合伙人 Jack Moshkovich 说，「从第一天起就为规模庞大、依赖关系成千上万、复杂度极高的公司打造产品，Fragment 正在创造一开始就能达到更高标准的技术。」

有实际后果的智能体，以及市场尚未回答的治理问题

投资者对 Fragment 的兴趣，反映出企业 AI 从提出行动建议的系统，转向直接采取行动的系统。Fragment 的智能体会就财务差异落实解决方案，这与起草建议方案供人工采购员审阅的副驾驶有本质区别。这让 Fragment 进入了一些研究者开始称之为「有后果的 AI 智能体」的类别：这些系统执行带有真实经济结果的工作，日常决策的审批环节没有人参与。

这一区别带来了企业软件市场尚未完全解决的治理问题。当自主智能体落实的解决方案事后证明是错的，损害了供应商关系或错配了数百万美元付款，谁来承担责任？怎样的审计追踪才足以让财务主管和外部审计师满意？随着 Fragment 从现有客户群扩展到合规环境更复杂的大型制造商，它需要对这些问题给出可信的回答。

整个AI 采购市场据 Mordor Intelligence 预测，将从 2026 年的约 50 亿美元增长到 2031 年的约 200 亿美元。Fragment 的 A 轮要检验的更具体的问题是：在 ERP 厂商或资金更雄厚的竞争对手把同样的能力纳入更大平台之前，完全自主的异常处理（有别于辅助处理、工作流自动化或寻源优化）能否成为一个站得住脚的企业产品类别。这 5600 万美元给了 Fragment 去寻找答案的跑道。