出来的同时带着两轮融资
2026 年 10 月 28 日，旧金山的 Fragment 出隐身，同时宣布累计融资 5600 万美元。这笔钱由两部分组成：8VC 领投的 A 轮，以及 General Catalyst 与 A* 共同领投的种子轮。天使名单里有 Roelof Botha、Nikesh Arora、Jeff Wilke、Eric Wu 与 Dennis Cinelli。创始人是 Pranav Mulgund 与 Naveen Kashyap，前者做过 Zoom 的部分产品团队，后者此前与他合作过智能体产品。
公司瞄准的是直接采购，也就是构成制造商成品的那些原材料与零部件的采购。切入点是采购里的异常：发票与订单对不上、收货有差异、关税或短缺引发的一连串核查。这类事情的麻烦之处不在于难，而在于它散落在多个系统里，需要有人拼起来、理解公司自己的规矩、判断下一步是否被允许。
Fragment 引用的一份口径说，交易型采购中约有两成仍然靠人工处理。这个比例是否适用于具体企业无从判断，但它指向的场景是真实的：越是靠近流程尾部，越难被标准化软件覆盖。
Autonomous Context Engine 想解决什么
产品的核心被命名为 Autonomous Context Engine，缩写 ACE。按公司描述，它把分散在企业系统里的数据、保单、供应商关系与处置口径接成一层上下文，智能体据此判断某个异常该怎么走，并在被授权的范围内穿过既有系统把事情办完。
描述里的工作流包括三单匹配（订单、收货单与发票）、处理订单变更、以及与供应商沟通。举例说的情形是：发票与订单不符时，智能体先调查这个差异，如果公司政策允许，就自行了结。
值得注意的是它强调不动数据迁移。对大型企业来说，这是能不能立项的前提之一——替换 ERP 的项目很难通过，叠加一层执行层则有谈判空间。
条款里写的两句话
这家公司把两件事写进了公开材料。一是责任：权限由客户授予，相应责任也由客户承担，公司建议按风险等级安排人工复核。二是定价：不按席位或人头收费，而按智能体完成的工作量计。
第二句话是这套商业主张真正有意思的地方。它把「什么算解决」从内部惯例变成了合同条款——因为不定义清楚，就没法计价。对买方来说这既是好事也是负担：好处是不必先赌一笔许可费，负担是验收标准必须提前写成可执行的约定。
Fragment 同时给了一组公司自述的数字：平均每家客户有 500 万到 1000 万美元的成本受影响，上线最初几周内异常量下降约一半，超过 90% 的异常无需人工介入。这几个数字都被明确标注为公司口径，文章也说明未能独立核验。
这个赛道上已经有一排人
采购方向的智能体并不冷清。Zip 在 2024 年 10 月拿到 1.9 亿美元 D 轮，当时报道的估值约 22 亿美元；Levelpath 2025 年 6 月融资超过 5500 万美元；Pactum 同期 5400 万美元，做的是与供应商自动议价；Didero 今年 2 月拿到 3000 万美元 A 轮；Freehand 7 月拿了 7500 万美元。市场预测方面，被引用的一份口径说 AI 采购平台市场将从 2026 年的 49.9 亿美元成长到 2031 年的 197.4 亿美元，这是预测而非既成事实。
Fragment 的差异有两处：只做直接采购，以及在客户既有系统里结案而不是另起一套流程。这两处同时也是它的限制——它承接的流程越靠尾部，越依赖客户自己讲清楚规矩。
三盆冷水
其一是信息披露的边界。这一轮没有公布营收绝对值、客户数量与估值，5600 万美元是累计口径，把它当成 A 轮规模会改变新闻的含义。已知客户只有公开点名的 Graybar 与 CNX 两家。
其二是口径来源。异常下降约一半、九成免人工、每位客户受影响成本 500 万到 1000 万美元，全部是公司自述。没有第三方审计，也没有对照组，这些数字更适合当作上限而不是基线。
其三是商业模式内在的张力。按完成的工作量收费，意味着异常越少，可计价的事情越少。如果产品真的有效，它就在削减自己的计价基础。理性的解法是向更多流程扩张——这也解释了为什么这笔钱的一部分明确投向了 source-to-pay 的其余环节。但对已经付钱的客户来说，这个激励方向值得提前谈清楚。
把这三点和它的主张放在一起看，Fragment 提出的其实是一个更朴素也更难的问题：当软件开始替人决定一笔账什么时候算了结，这个判定的权力该写在谁的文档里。