1,200 萬美元的錯帳與 1.8 億美元的估值：Sapien 的 AI 代理專門替 CFO 抓錯

企業 AI 市場從不缺「副駕駛」——自動補完試算表儲存格、摘要上季差異報告的工具一抓一大把。但 2024 年 10 月才成立、總部位於舊金山的 Sapien，走的是一條大膽得多的路，而投資人本週決定為此付出 1.8 億美元的估值：該公司已完成由 Neo 的 Ali Partovi 領投的新一輪融資，曾領投其 870 萬美元種子輪的 General Catalyst 也繼續參投。《Fortune》於 9 月 8 日獨家報導了這項消息。這輪的實際募資金額未公開，估值本身就是頭條。

Sapien 到底做什麼

產品概念說來簡單，做起來極難：AI 代理（agents）直接接入企業既有的基礎設施——ERP、資料倉儲、CRM——把營運決策一路追溯到它們對損益表的影響。傳統 FP&A（財務規劃與分析）流程產出的是一個數字；Sapien 產出的是歸因：不只告訴你毛利率變了，還告訴你是哪一個具體決策讓它變的。

執行長兼共同創辦人 Ron Nachum 一直明確表示這不是又一個「Excel 副駕駛」。用他的說法，目標是打造一個會「調查」一家公司的系統，找出財務團隊手動要花數週才能發現的模式。原本需要多天的分析被壓縮到幾分鐘，但速度幾乎不是重點——真正有意思的主張是「正確性」：平台的代理等於是在審計企業自身報表裡的因果關係。

那 1,200 萬美元的錯帳

最能解釋為什麼大型製造業願意簽約的案例，來自汽車供應商 Carlex：該公司原本的獲利能力分析，把某些因素歸功於約 1,000 萬美元的正向 EBITDA。Sapien 的代理重建這份分析後發現，這些因素實際上造成的是 200 萬美元的拖累——總計約 1,200 萬美元的歸因錯誤，而且方向完全相反，就埋在資本配置決策的地基之下。

這正是試算表時代分析的典型失敗模式：產出速度慢、而且在任何人讀它之前就已經是錯的，因為負責產出的人必須手動調和一堆當初根本沒打算互通的系統。Sapien 另外宣稱能帶來超過 800% 的報表細緻度提升——財務團隊可以把營運資料切到傳統 BI 工具到不了的粒度，因為代理查詢的是來源系統，而非預先聚合好的資料方塊。

誰在買單

客戶名單像是一場精心策劃的產業巡禮，鎖定營運複雜度高、毛利率精度值大錢的行業：Bayer（製藥）、Carlex 與 Cooper Standard（汽車供應鏈）、Blink Charging（電動車充電基礎設施）、Westgate Resorts（飯店觀光）。這些不是拿試點預算來玩玩的新創，而是已有 FP&A 團隊與 ERP 系統的成熟企業——這表示 Sapien 是在取代既有流程，而非開闢新的預算科目。這種銷售更難，但一旦站穩，黏著度也高得多。

團隊背後大約只有 20 人——這讓 1.8 億美元的估值更顯醒目——成員來自 Meta、Google、Palantir、麥肯錫、Blackstone 與 Plaid。Nachum 在哈佛念電腦科學與統計、做過 AI 研究，之後與 Pranav Ravella、Arya Grayeli（現任首席科學家）共同創辦 Sapien。過去一年員工數成長約 5 倍。第三方估算其 2025 年 ARR 約 33 萬美元，但該數字已過時，公司也未揭露目前營收。

擁擠的賽道，不一樣的問題

Sapien 進入的是一個火熱但擁擮的 AI-for-finance 戰場：Rillet 以 10 億美元估值完成 1 億美元 C 輪，打造 AI 原生 ERP；Ramp 與 Brex 把支出管理推向自主財務營運；Workday、SAP、Oracle 則在幾十年的老財務套件上外掛 AI 副駕駛。

Sapien 主張的差異化在於「問題的範圍」。它不是在自動化某個財務工作流（結帳、支出分類），而是嘗試回答一個更難、更非結構化的問題：獲利為什麼變動？是哪根營運槓桿造成的？這是給 CFO 辦公室的決策支援，而非交易處理——這個類別可信的玩家更少，信任門檻也高得多，因為它的輸出是關於「一家 AI 並不實際經營的企業」的因果斷言。

未解的問題：誰來審計審計者？

兩年內從 870 萬美元種子輪到 20 倍的估值跳升，以 2026 年的企業 AI 標準而言算是激進但正常。更有意思的盡職調查問題，是分析師們反覆在問的：當 Sapien 的歸因出錯時，審計軌跡在哪裡？一個錯置因果關係的 CFO 工具，比一個只是秀出壞資料的工具更危險——一個被自信呈現的錯誤槓桿，可以在整個組織的背書下重新導引資本。《Fortune》的報導並未詳述 Sapien 的輸出與財務團隊決策之間存在什麼驗證或治理層，公司也未揭露營收、留存率或這輪的金額——只有最終估值。

這個治理問題正在成為企業 AI 廠商之間真正的分化點，重要性甚至超過底層模型。Sapien 的賭注是：兩年內從宿舍創業走到六、七位數合約，靠的是一個命題——AI 系統可以比做報表的人更懂一家公司的損益。對 Carlex 而言，證明是一筆 1,200 萬美元的方向反轉；對市場而言，下一個證明點是這種準確度能否規模化——以及當它出錯時，誰來檢查模型的家庭作業。