Profound 完成 1.8 亿美元 D 轮、估值 18 亿美元：AI 营销平台正从分析工具走向 Agent 编排层

在生成式 AI 的投资叙事普遍从“模型层”向“应用层”转移的两年里，真正能证明企业愿意持续付费的细分场景并不多。营销是其中最容易被验证、也最容易被质疑的一个：预算充足、链路清晰、效果可测量，但同时也高度碎片化，工具替换成本低。

Profound 在 2026 年 9 月 15 日宣布完成 1.8 亿美元 D 轮融资，估值 18 亿美元，由 Sequoia Capital 与 Kleiner Perkins 联合领投。这轮融资距离其 9600 万美元 C 轮仅过去不到七个月——C 轮时公司估值为 10 亿美元。七个月、估值上涨约 80%，这个节奏本身就值得作为产业信号来读，而不只是一条融资新闻。

行业背景：AI 搜索重塑了“被发现”的入口

过去二十年，企业营销预算的分配逻辑建立在一个稳定前提上：用户通过搜索引擎、社交信息流和零售货架发现品牌与商品。SEO、SEM、内容营销、电商运营，都是围绕这一前提建立的岗位与工具链。

生成式 AI 改变的是这一前提本身。当用户开始直接向 AI 助手提问“我应该买哪款”“哪家供应商更适合”，品牌的可见性不再由关键词排名决定，而由模型在生成答案时是否引用、如何描述、在什么位置提及来决定。这是一个语义层而非排名层的竞争，且缺乏成熟的度量标准。

Profound 的起点正是这个度量空白：为营销团队提供“AI 答案中的品牌可见性”分析。公司称其平台建立于超过 20 亿条真实用户提示之上，这一数据规模是其产品可用性的基础——没有大规模的提示语料与答案样本，就无法把“AI 提及”转化为可比较的指标。

从分析到执行：产品结构的三层演进

理解这笔 D 轮，关键在于理解 Profound 的产品已经从“观测”走到了“执行”。

第一层：AI 搜索可见性分析。 这是公司 2024 年成立时的核心产品，解决“品牌在 AI 答案中如何被呈现”的度量问题。

第二层：Context Manager（上下文管理器）。 该组件将企业知识库文件、会议记录、沟通线程等非结构化材料蒸馏为可复用的品牌上下文，使 AI Marketer 能够随品牌定位的变化持续调整输出。这一层的产业意义常被低估：企业级 AI 落地的最大摩擦点之一，是模型缺乏对组织内部动态知识的持续理解，而不仅仅是模型能力不足。

第三层：AI Marketer 与 Ads Studio。 AI Marketer 被描述为一个 Agent 编排器，扫描品牌数据、分析 AI 答案、识别机会，并调度子 Agent 执行具体工作。Ads Studio 则让营销人员可以在 OpenAI、Google 与 Meta 的广告管理器中构建、投放和管理 AI 搜索广告活动，并通过 Profound 自有像素完成追踪。

这个三层结构勾勒出一条清晰的商业化路径：先做度量（建立数据护城河），再做上下文（提高切换成本），最后做执行与预算入口（切入广告支出）。广告投放是营销技术栈中最靠近预算的一环，一旦平台能够同时解释“AI 答案里发生了什么”并直接操作“为这件事花多少钱”，它的角色就从分析工具变成了工作流系统。

客户结构与商业验证

公司披露的客户名单横跨消费品、金融与科技：Comcast、The Estée Lauder Companies、Walmart、Campari Group、Royal Bank of Canada，以及 Zoom、ServiceNow、Ramp、Cursor、MongoDB、Figma。

其覆盖比例是更值得关注的指标：超过财富 100 强的三分之一、财富 500 强的 16%。C 轮时的对应数字是 700 多家企业与 10% 以上的财富 500 强，另有 500 多家客户每日使用 Profound Agents。到 D 轮，企业客户数超过 1000 家。

七个月内客户数从 700 多增至 1000 以上、财富 500 强渗透率从 10% 升至 16%，说明增长并非仅靠单客扩张，而是新增大客户仍在持续进入。对一家 2024 年才成立的公司而言，这是相对少见的销售效率。

企业侧治理能力同样是采购门槛。Profound 网站列出的能力包括基于角色的访问控制（RBAC）、SCIM 身份 provisioning 与 SOC 2 合规，并支持 200 多个集成。在大型企业中，这些通常不是加分项，而是准入条件。

融资节奏与资本逻辑

| 时间 | 轮次 | 金额 | 估值 | 领投方 | | --- | --- | --- | --- | --- | | 2024-08-12 | 种子轮 | 350 万美元 | 未披露 | Khosla Ventures、Saga Ventures、South Park Commons | | 2025-06-18 | A 轮 | 2000 万美元 | 未披露 | Kleiner Perkins | | 2025-08-12 | 未标注轮次 | 3500 万美元 | 未披露 | 未披露 | | 2026-02-24 | C 轮 | 9600 万美元 | 10 亿美元 | Lightspeed Venture Partners | | 2026-09-15 | D 轮 | 1.8 亿美元 | 18 亿美元 | Sequoia Capital、Kleiner Perkins（联合领投） |

C 轮时公司披露累计融资超过 1.55 亿美元，且当时距离成立 18 个月仅差一天。加上本轮 1.8 亿美元，累计融资规模已进入 3 亿美元级别。

值得注意的是投资方的稳定性。Khosla Ventures、Saga Ventures、South Park Commons 从种子轮跟到 D 轮，Kleiner Perkins 从 A 轮进入并在 D 轮联合领投，Lightspeed 在 C 轮领投后继续参与，Sequoia 由 C 轮参与者升为 D 轮联合领投方。在应用层公司普遍面临“估值倒挂、老股东不跟投”质疑的周期里，这种连续加注的结构，比单笔金额更能说明问题。

市场影响：三方受到的影响并不相同

对企业客户。 采购逻辑正在从“买一个分析工具”转向“买一个可被治理的 Agent 工作流”。这意味着评估维度变化：不再是仪表盘好不好看，而是 Agent 的权限边界、上下文来源是否可审计、输出是否可追溯、能否接入现有身份体系（SCIM、RBAC）以及是否满足 SOC 2 等合规要求。Profound 把治理能力前置到产品页面，反映的正是企业采购方在 2026 年的真实关注点。

对投资者。 这轮融资为“AI 应用层能否支撑高倍数估值”提供了一个新的定价锚点：18 个月左右从零到 18 亿美元。它会推高同类公司的估值预期，也会提高市场对收入质量的追问——尤其是当客户构成中包含大量财富 500 强时，需要区分试点与全面部署。

对传统营销技术供应商。 压力来自入口迁移。当品牌的 AI 搜索投放可以在一个平台上跨 OpenAI、Google、Meta 统一管理，营销技术栈中原本由 SEO 工具、广告管理平台与分析套件分别承担的职能，开始出现整合趋势。

竞争格局：谁受益、谁承压、谁可能跟进

受益方是三类角色。一是具备真实企业客户与治理能力的应用层公司，它们能借这一估值锚点融资；二是前沿模型厂商与云基础设施供应商，因为 Agent 编排器本质上会放大推理调用量与 token 消耗，属于 AI infrastructure 层面的需求增量；三是能够承接“AI 搜索投放”这一新预算类别的广告平台，OpenAI、Google、Meta 的广告管理器获得了新的中介层。

承压方主要是功能边界单一的工具型厂商。仅提供“AI 可见性监测”的产品，很难对抗已经向下延伸到上下文管理与向上延伸到广告执行与预算入口的整合型平台，因为后者的切换成本随使用深度提升。

可能跟进的方向有三条路径：其一，传统搜索引擎优化与数字体验分析厂商向上叠加 Agent 执行能力；其二，大型营销云（如 Salesforce 一侧的营销产品线）把 AI 搜索可见性纳入既有企业套件，用一体化采购对抗单点工具；其三，前沿模型厂商或广告平台自身提供官方度量与投放工具，直接吃掉中间层。第三条路径对 Profound 构成长期结构性风险：它的部分价值建立在跨平台中立性之上，而中立性只有在平台方不提供等价能力时才有溢价。

企业启示：企业应该关注什么

1. 把 AI 可见性纳入正式指标体系。 如果客户获取路径已经部分转移到 AI 对话界面，那么在品牌健康度、搜索份额之外，应建立 AI 答案中的品牌呈现度量，否则营销预算的分配依据将系统性失真。 2. 治理能力先于能力上限。 部署营销 Agent 前，先明确数据来源、权限边界、输出审核与审计留痕。SOC 2、RBAC、SCIM 之所以成为准入条件，是因为 Agent 一旦接入品牌知识库与广告预算，错误输出的成本远高于传统软件。 3. 区分试点与规模化。 供应商公布的客户数量与渗透率反映的是签约覆盖，不等于全面部署或实际 ROI。采购方在评估时应索取按业务单元、按场景的部署深度数据，并要求可量化的成本节约或效率提升口径。 4. 保留跨平台议价能力。 无论选择自建还是采购，都应避免把 AI 搜索度量与投放的执行权完全交给单一中介，以防范平台方推出官方工具后的被动局面。 5. 关注模型后训练这一层的解释权。 Profound 计划针对营销场景做后训练并构建评测基准，这实质上是在争夺“什么样的营销工作算做得好”的定义权。定义权一旦确立，会反向影响企业内部的绩效标准与供应商评估方式。

资金用途：从产品公司到研究机构

本轮资金将用于扩建其在纽约与旧金山的应用 AI 实验室。据公司披露，团队将研究前沿模型在营销工作上的表现、评估模型能力，并针对营销场景进行模型后训练。

该研究团队的人员构成值得注意：研究科学家、国际物理与信息学奥林匹克奖牌获得者，以及经济学家。研究者正在开发一套基准，用于测试 AI 在复杂营销任务上能走多远——模型能否理解一项业务、权衡相互冲突的市场信号，并跨营销职能产出可用成果。Profound 数据负责人 Ali Vaghar 表示，公司正在构建让 AI 对营销人员真正有用的技术严谨性与第一套评估方法。

从产业视角看，这是一次典型的“应用公司向研究层上移”。原因不难理解：如果产品能力完全依赖可被任何竞争者调用的前沿模型，护城河只能来自私有数据与工作流深度；而一旦开始针对垂直场景后训练并定义评测标准，公司就在模型之上增加了一层不易复制的资产。红杉资本合伙人 Anas Biad 表示，大型品牌正在快速把 AI 应用于营销团队，Profound 已确立其在应用层的地位。Kleiner Perkins 合伙人 Ilya Fushman 则将这一演进描述为从 AI 搜索扩展到现代营销团队运作方式的更广泛平台。

未来展望

12 个月内。 关键观察点是 Ads Studio 的实际采用率，即客户是否真的把 AI 搜索广告预算交由该平台管理，而非仅使用分析功能。同时应关注该基准是否公开发布并被行业引用——评测标准被第三方接受，是定义权确立的前置条件。竞争者跟进几乎确定：AI 搜索可见性监测将快速商品化，差异化会集中到上下文管理与投放执行两端。

24 个月内。 市场大概率出现分层：少数平台型公司掌握预算入口与评测标准，大量单点工具被整合或边缘化。企业采购将把 AI 治理能力（权限、审计、合规）列为硬性要求，缺乏这些能力的供应商会被排除在大型企业之外。同时，广告平台与前沿模型厂商推出官方度量工具的可能性上升，中间层的价值主张将被迫从“度量”转向“跨平台编排与效果负责”。

三年维度。 更实质的变化是组织结构而非工具。当营销的发现入口从搜索排名转向模型生成答案，营销团队需要的是能理解业务、权衡信号并执行多职能任务的 Agent 系统，而非更多仪表盘。这将重新定义营销技术栈的边界，也会把营销预算、数据治理与 AI 治理三件事捆在同一套采购决策里。对投资者而言，判断标准会从“是否有企业客户”转为“是否掌握不可替代的上下文资产、评测标准或预算入口”。

仍需观察的问题

Profound 的增长曲线目前由客户数量与财富 500 强渗透率支撑，但公开信息尚未披露收入规模、净收入留存率与毛利率结构。本轮估值隐含的增长预期相当激进。此外，公司对外表述中的客户名单包含大量科技公司，这些客户的付费意愿与大型传统企业可能存在差异。

对产业观察者而言，这笔融资的价值不在于金额本身，而在于它标记了一个清晰的判断：营销预算正在向 AI 对话界面迁移，而围绕这一迁移的度量、上下文与执行三层基础设施，已经出现了第一个获得规模化资本支持的整合者。接下来的问题不是这条路是否存在，而是它能否在平台方亲自下场之前，把中立性与上下文资产转化为足够高的切换成本。