企业智能体融资里，最不缺的是「平台型」故事：一个大而全的编排层，包揽所有场景。但真正难啃的市场，往往是那些不在科技中心的传统行业——物流、公用事业、电信、金融服务业，它们有数据、有流程，却卡在「怎么把智能体接进老旧系统」这一步。多伦多初创 Expertise AI 的打法，恰恰是把这一步当成了产品本身。
它卖的不是软件，是「连接方式」
Expertise AI 完成 320 万加元种子轮，由 UpHonest Capital 领投，AMINO、Welight、UpScaleX、AltaIR 跟投。它的模式听起来朴素：派「驻场工程师」（forward-deployed engineer）进客户现场，把企业已有的知识库和系统，对接、配置成定制化的智能体，去干售前咨询、线索筛选、会议预约、工单路由这类具体活。
这背后的判断是：传统行业不缺「想用 AI」的意愿，缺的是把 AI 从实验变成可重复业务能力的工程桥梁。通用平台给的是画布，而 Expertise AI 给的是「有人替你把系统和智能体之间的桥先搭起来」。
为什么「驻场」在当下反而重要
过去两年，行业一度迷信「自助式、零代码、自己配」的智能体平台。但落到传统行业，现实往往是：数据散在多个系统、流程没人说得清、负责人没空折腾配置。这时，一个能进现场、懂业务、会接系统的工程师，比十个自助模板都管用。Expertise AI 选的正是这条「高接触、重交付」的路。
增量认知：智能体落地的最后一公里，常常不是模型能力，而是「把企业自己的知识和系统接起来」的脏活累活。谁愿意派人把这活干了，谁就更容易在传统行业拿到真实付费。
辩证地看这笔种子
优势很明显：重交付模式换来的是更高的客户黏性和更真实的落地数据，对传统行业尤其对口；种子轮不大，试错成本低，可以聚焦几类垂直场景打磨方法论。局限也同样实在：驻场模式天然「重」，扩张受工程师人力约束，很难像纯软件那样边际成本趋零；一旦客户内部有了自己维护智能体的能力，续费结构会不会松动，也要观察。
更宽的视角看，Expertise AI 代表了一种和「大而全平台」相反的智能体商业化路径——不急着做通用底座，而是先帮最不性感、却最肯付钱的传统行业，把智能体真正跑起来。这类「贴地交付」的公司，往往比纯平台更早见到真收入。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。