一句话：卡住企业智能体的不是模型，是上下文
2026 年 9 月 9 日，以色列初创 Euno（法定名 Delphi.io Inc.）完成 2300 万美元 A 轮融资，由 N47 领投，种子轮领投方 10D 及多位科技公司创始人跟投，总融资达 2900 万美元。它做的事很聚焦：为企业自主智能体打造一个 AI 原生「上下文大脑」。CEO Sarah Levy 的判断是，拖住企业智能体落地的主因不是模型不够强，而是智能体读不懂企业数据背后的真实含义与关联——也就是缺上下文。这处判断，正切中当下企业 agent 从试点走不出、卡在原型阶段的核心痛点。
痛点：业务数据为人而写，机器读不懂
Euno 的出发点是业务数据的结构方式。企业数据被组织成方便人访问和阅读的形态，但这意味着对想基于数据采取行动的机器而言效率很低。当 AI 系统去查一笔业务信息，它并不知道理解数据真义或数据间关联所需的业务上下文。一些企业曾尝试用数千页文档给智能体喂上下文，但这是缓慢、繁琐且要持续维护的工程。Euno 想用「实时、AI 原生的脑」替换人工维护的上下文，把准备时间从长达一年压缩到数周。这处「一年到数周」的口径来自公司披露，未经独立验证，读者应视为厂商主张。
技术取向：从操作信号推断，而非人工整理
Euno 的关键技术选择是——决定数据如何使用、何时可信的大部分上下文，不必人工策展，而是能从操作信号中推断出来。它持续分析不断演变的元数据图谱中的模式，自动推断出关键的组织知识，再提炼成智能体能理解的上下文。同时把企业的治理规则烘进这一层，确保每个智能体只访问完成其特定任务所需的上下文与信息。这种「读元数据而非读底层业务数据」的架构，既降低数据暴露风险，又能映射数据关系。需要留意的是：权限边界能否在真实企业环境被严格执行，仍是一个待验证的假设。
生态衔接：数据仓库、转换与 BI 都接
从公开披露看，Euno 的平台支持与 Snowflake、Databricks、dbt、Tableau、Looker、Power BI 等工具集成，并提供自研的 EQL 查询语言与 MCP 服务器。这套集成范围说明它要进的是企业已有的数据栈，而不是另起一套。对已经把数据散落在数据仓库、转换工具与 BI 平台的企业，Euno 的价值在于把分散各处的元数据层权限收拢，给智能体吐出一致的上下文。MCP 服务器的存在，也意味着它把自己定位成智能体生态里可被调用的上下文层，而非封闭系统。
客户与团队：Zayo、AlphaSense 已用，约 30 人
据公开信息，Euno 的上下文大脑已帮助 Zayo Group Holdings 与 AlphaSense 等大型企业加速智能体部署；公司目前约 30 名员工，计划到明年年底把团队规模翻倍，扩充研究、销售与市场。N47 合伙人 Moshe Zilberstein 的点评很直白：要让智能体真正起作用，它必须基于当前且可信的业务数据行动，这要求精确、可扩展且带上下文的基础设施，而 Euno 是少有以 AI 原生方式构建它的公司。这类「少有」的表述属投资方口径，读者宜结合多家竞品自行判断。
利好与隐忧：需求真实，但验证窗口未关
乐观的一面是，企业智能体的上下文缺口是真实且普遍的，谁供给可靠记忆与上下文，谁就可能占据 agent 栈里类似数据库在软件时代的核心层。隐忧同样明显：Euno 披露的「一年到数周」「客户加速部署」均属公司口径，缺少独立第三方验证；元数据层权限的严格性、与现有数据治理工具的边界，都还要看真实部署。此外，上下文平台这一方向已有多家在做，Euno 能否凭 AI 原生架构拉开差距，尚待时间与客户数据检验。
行业含义：上下文层成 agent 栈的新基建候选
Euno 这笔融资，和近期 Euno、AI Score、Guickly 等围绕治理、可观测与支出归因的融资一起，指向同一个信号：企业智能体的竞争，正从「谁的模型会聊」上移到「谁供给可靠记忆与上下文」。当模型质量趋于收敛，企业真正的护城河会越来越像 Levy 说的那样——是自身运营积累出的专有上下文与经验，竞争对手难以复制。把上下文做成 AI 原生的可调用层，可能成为 agent 栈里下一处被资本争相下注的新基建。
结语
Euno 完成 2300 万美元 A 轮，表面是又一笔企业 AI 融资，底层是一个正在成形的判断：卡住企业智能体的不是模型，而是它读不读得懂组织积累的上下文。Euno 用「从操作信号推断、而非人工整理」的取向去填这个洞，并把准备时间从一年压到数周。至于这套上下文大脑能否在真实企业里站稳，还要看独立验证与客户落地——这些目前官方及行业暂未披露更多细节。