一句话：把工业报价这摊「慢活」，从数周压到数天
慕尼黑创企 Atira 完成 1750 万美元早期融资，其中 1500 万美元种子轮由 Accel 领投，另有此前未公布的 250 万美元 pre-seed，合计早期资本 1750 万。它瞄准的是一个软件从未真正自动化的巨型工作流：工业销售工程——也就是制造企业为复杂、按单定制的产品准备技术报价的过程。公司由 Florian Diegruber（前 Palantir 商业负责人）与 August DuMont Schütte（前 Google 机器学习工程师）于 2024 年 11 月创办，用多智能体编排把从客户来询到完整投标的链路端到端协调。
为什么值得看：制造业里最被忽略的白领苦工
卖复杂定制工业品的厂家，回应一份询价往往要几周甚至数月：销售工程师、技术团队、法务与商务团队要一起啃几百上千页规格书，评估风险、准备技术与商业文档，才能交出最终方案。这个流程高度依赖散落在人和文档里的专家经验，很难被传统规则软件吃下。Atira 的判断是，大语言模型能理解这种非结构化、依赖上下文的信息，并跨整个流程做编排，于是真正可自动化的时机到了。它不替换企业既有的 CRM、ERP 与 CPQ，而是坐在它们之间当协调层——这恰好踩中 Agent 落地的一条稳妥路线：不掀桌子，而是把已有系统缝起来。
机制拆解：多智能体分守流程各段
它的形态不是一个单一助手，而是一套多智能体编排系统。不同智能体分管流程的不同阶段：有的分析并分类来询文档，有的配置合适的技术方案，有的生成构成最终提案的技术与商业内容，朝着「产出一份完整、准确的报价」这一共享目标协作。系统接在 CRM、ERP、CPQ 之上，把来询 RFQ 拆给各智能体并行处理，再汇成提案。Accel 合伙人 Harry Nelis 的点评点到了要害：复杂制造报价之所以难被传统软件自动化，正因为它夹着海量非结构化信息、技术判断与分散在人和系统里的知识——而这正是 LLM 能理解上下文、并能跨流程编排的地方。这种「编排而非替代」的设计，也降低了客户的替换成本与心理门槛。
商业落地：已有 15+ 客户与硬数字
自 2025 年 11 月商业发布以来，Atira 已签下 15+ 客户，包括 ABB E-Mobility、Chiron Group、Rema Tip Top 与 Robel 等。早期客户给出的数字相当具体：请求到投标的准备时间最多压缩 80%，单个投标可省约 95 小时工程时间——对铁路养护设备制造商 Robel 这类客户，这意味着同样人力能响应更多标书而不必加人。公司还特意把部署门槛压低：客户签约后一两天即可跑起来，且一个月不满意就能取消，这种低承诺结构正是为了化解保守工业买家对新供应商的顾虑。它把瞄准的全球工业销售工程人力年支出估在 1280 亿美元以上，作为市场框架而非审计 TAM。
优势与局限：traction 真实，证明项仍缺
优势在它拿出了可验证的早期牵引：15+ 真实客户、80% 与 95 小时这类客户侧披露数字，比纯概念融资有说服力得多；不替换既有系统、低门槛部署，也契合工业客户的保守气质。局限也清楚：其一，除一个美国试点外，其余具名商业客户与真实 win-rate 提升、ARR、估值均未披露，规模化说服力有限；其二，它声称拥有「配置真相」还是只起草被人返工的文档，是能否真正替代专家的关键分野，目前仍待更多证据；其三，关于它在更长、更混乱的多轮投标上的稳定性，官方及行业暂未披露更多细节，后续将持续跟进迭代动态。Accel 领投与 Celonis 联合创始人的天使支票，则释放出「销售工程是流程智能之后的下一个垂直」这一信号。
结语
Atira 把多智能体编排推进到一个软件长期啃不动的工业白领流程：不替换 CRM、ERP、CPQ，而是把它们协调起来，用 80% 的周期压缩与 95 小时的工时节省讲一个可验证的故事。它能否从试点走向工业商业系统的底座，取决于代理是真正拥有配置真相，还是只替人起草一份还要返工的草案。工业报价的智能体化，正从这周几天的承诺开始。