AI 营销 · 深度 · 出海观察
18亿美元的赌注
AI 怎么谈论你的品牌，正在变成一门生意
Profound 1.8亿美元D轮融资始末，以及它试图重写的技术栈
2026年9月15日，纽约。一家成立刚满两年的公司宣布完成 1.8亿美元D轮融资，估值 18亿美元。
它不做大模型，也不训练基础模型。它卖的东西本质上是一种测量——告诉你 ChatGPT、Gemini 和 Perplexity 在谈论你的品牌时，究竟说了什么。
而就在7个月前，这家公司的估值是10亿美元。
7个月，估值翻倍
Profound 由 James Cadwallader（CEO）与 Dylan Babbs（CTO）于2024年创立。本轮由红杉资本与 Kleiner Perkins 联合领投，Lightspeed、Khosla Ventures、Saga Ventures、Evantic、South Park Commons 全部返场，累计融资超 3.35亿美元。
融资轨迹 · 2024 — 2026
种子轮 350万美元
2024.08 · Khosla、Saga、South Park Commons
A轮 2000万美元
2025.06 · Kleiner Perkins 领投（NVIDIA NVentures 参与）
B轮 3500万美元
2025.08 · 红杉资本领投
C轮 9600万美元· 估值10亿美元
2026.02 · Lightspeed 领投
D轮 1.8亿美元· 估值18亿美元
2026.09 · 红杉 + Kleiner Perkins 联合领投
比估值更说明问题的，是同期业务口径的变化：企业客户从 700+ 涨到 1000+，财富500强渗透率从 10% 升到 16%，财富100强已覆盖超过三分之一。客户横跨零售、金融、快消与科技——沃尔玛、Comcast、雅诗兰黛、加拿大皇家银行，以及 Zoom、MongoDB、Figma、Ramp、Cursor。
这是一个不挑垂直行业的客户结构。通常只有基础设施级的产品，才会长成这样。
它到底在解决什么问题
买家的提问框，正在吃掉搜索框。这不是叙事，是已经发生的迁移：
Adobe：2026年Q1，AI 驱动的线上购物流量同比增长 393%，转化率比非 AI 流量高 42%——而2025年3月这个数字还是「低38%」。一年完成方向性反转。
Shopify：同期 AI 引荐订单量同比增长近 13倍，平均订单价值高出 14%。
SOCi 2026本地可见度指数：分析近35万个商业网点，ChatGPT 只推荐其中 1.2%。Google 传统本地三件套的露出率是 35.9%。在 Google 上表现好的品牌，只有 45%同时被 AI 推荐。
最后这组数字最关键：一半以上的「Google 赢家」，在 AI 答案里是隐形的。排名与被推荐，已经变成两套规则、两场比赛。这就是 Profound 卖的那个焦虑。
为什么是它拿到这笔钱
一、它不只给报告，它替你干活。AEO（答案引擎优化）这个赛道不缺仪表盘——G2 上该品类从2025年3月的 7 个产品，涨到2026年4月的 248 个。稀缺的是「测完之后怎么办」。Profound 的路径是先用分析工具低门槛切入，再整体把重心移到 Agents（执行）与 AI Marketer（编排）。C轮时已有 500+ 客户每天在用 Agents；D轮时，对外叙事的主语已经从「分析平台」换成了「AI Marketer」。网站
二、20亿条真实提问，是最难复制的东西。它的 Prompt Volumes 数据来自双重确认的消费者面板，匿名聚合后分析提问量、趋势与人群特征，覆盖 ChatGPT、Gemini、Claude、Perplexity。采集 AI 答案时抓的是消费者端真实界面而非 API 输出。谁先积累到规模，谁就有资格定义这个品类的标准指标。
三、三家＊＊基金的连续加码本身就是信号。红杉、Kleiner Perkins、Lightspeed 是全球企业软件领域最挑剔的投资人，它们以逐级抬高的估值连续下注，等于共同背书一个判断：AI 时代的品牌可见度，是一个可持续的企业级品类，而不是 SEO 工具的一个附加功能。
四、它踩中了一个不可回避的前提。Profound 内部研究发现：AI 回答中被引用的信源高达 90% 会随时间变化，且不同模型依赖的信源集合差异极大。品牌不可能「优化一次就完事」，必须持续运营。这条结论，既是它产品存在的前提，也是它的续费理由。
底层原理：三层数据，一个大脑
把产品拆开，是三层采集管道 + 一层执行编排。理解这个结构，就懂了这个品类的技术门槛在哪。
＊＊层｜人们在问什么
从真实对话中抽取提问分布：某品类下用户实际在问什么、意图如何分布、哪些提问会触发哪些网站被引用。输出的是需求地图，这是整个系统的输入源。
第二层｜AI 在答什么
每日向各答案引擎发送一批追踪提示词，把每次回答捕获为一个数据点。覆盖 ChatGPT、Claude、Perplexity、Gemini、Google AI Overviews / AI Mode、Grok、DeepSeek，乃至为 Cursor、Devin 等 Agent 供搜索结果的 Exa。在此之上定义六个指标：
可见度（含你的回答 ÷ 至少提及一个品牌的回答）· 引用（哪些页面被当作信源）· 情绪（描述语气倾向）· 声量份额（你的提及 ÷ 全部品牌提及）· 平均位次（1 表示通常＊＊个被提到）· 事实核查（逐条抽取 AI 的断言，比对你的事实源，并定位是哪几个被引用 URL 造成了错误描述）。
第三层｜机器怎么读你的站
基于服务器日志识别经过验证的 AI 爬虫，看它们访问了哪些页面、在哪卡住（渲染、结构化数据、响应速度），并统计 AI 引荐带来的人类流量与转化。已接入 Cloudflare、AWS、Vercel、Akamai 等。
执行层是 Agents：可拖拽编排的工作流节点——抓取网页、调用 LLM、查询自家数据、调用外部 API，串成任意流程。做深度研究时，单个 Agent 会并行查询 16 个推理模型，先摸清「这个话题下 AI 在引用谁」，再动笔；产出经人工审批后直接发布到 CMS。规模化靠表格：成百上千行并行跑，每一列都可以是一个 Agent。
最锋利的一层：Context Manager
Profound 在官方博客里写了一句很不客气的话：简单地把 AI 连到知识库，并不会让它变聪明；超过一定体量后反而更糟。因为检索只会返回几段「技术上相关」的片段，做不出一个真正懂业务的同事该有的那种关联。
所以 Context Manager 不把材料当平面语料去检索，而是跑一条蒸馏流水线：
① 抽取 从文档、会议转录、沟通记录中提取持久性事实，丢弃噪声。
② 聚类 把互相印证的事实聚成推断，按信源权威性 × 时效性加权。
③ 归档 落入六张品牌档案——公司、市场、产品线、客群、战略、执行方式（含「我们＊＊做什么」）。
每条结论都能逐段溯源到具体文档或会议；用户的手动更正拥有＊＊权威。输入侧除知识库外，还包括经授权的 Gong 通话录音、Slack 频道与邮件往来。一句话概括它的意图：让 AI Marketer 像一个已入职三个月、开过所有会的资深同事那样提建议，而不是说「建议多发布该主题内容」这种正确的废话。
一句话总结它的底层逻辑：把「AI 怎么说你」这个黑盒，拆成可采样（每日提示词追踪）、可归因（引用源 / 爬虫日志 / 事实核查）、可执行（Agent 编排）、可付费（Ads Studio）的四段闭环。前三段是护城河，第四段是天花板。
下一步：钱会花在哪
业务上，走三条扩张线。其一，从 AEO 工具走向营销操作系统——AI Marketer 面向整个营销组织的每个职能：找媒体曝光机会、刷新过期内容、竞品分析、投放广告。其二，自然 + 付费一体化：Ads Studio 打通 OpenAI、Google、Meta 三家广告后台，用自家 pixel 追踪，让「自然可见度不够的地方用付费补上」。其三，生态化——已接 Adobe Experience Manager、GitHub、表格批处理，并在建代理公司生态。耐人寻味的是，老牌 SEO 厂商 Semrush 已在给 Profound Agents 供数据，而非正面对抗。
技术上的投入更值得注意。D轮资金的一个明确用途，是扩建设在纽约与旧金山的应用 AI 实验室：
面向营销的后训练模型
官方原话是 post-train models specifically for marketing——承认通用前沿模型做不好营销，需在之上做领域后训练。团队由研究科学家、物理与信息学国际奥赛奖牌得主、经济学家混编。
营销能力基准（benchmark）
测试模型在复杂营销任务上能走多远：能否理解一门生意、能否权衡相互冲突的市场信号、能否跨职能稳定产出高质量工作。做基准的人，通常就是将来定义标准的人。
判断力的评价方法论
数据负责人 Ali Vaghar 的判断很关键：「营销是 AI 最难支持的领域之一，因为成功取决于判断力，而不只是答案客观上对不对。」对错的判定容易自动化，判断力的判定极难——这意味着他们要在奖励模型与任务级评分器上做原创工作。这是本轮技术含量＊＊的部分。
数据面横向扩张
引擎持续铺开（新增 Exa、AI Mode、Grok、DeepSeek），形态也在增加：Citation Decay 追踪引用的生命周期以判断哪些页面该刷新，YouTube 引用拆解看哪些频道在影响 AI 答案，Shopping Analysis 分析购物意图与品牌召回。
长时记忆与主动式 Agent
Context Manager 的方向是「活的合成体」：自动更新、主动识别信息缺口并逐一追问。官方的类比是——开发者不再手写每一行代码，而是用判断力和品味指挥一支 Agent 舰队；营销人也该有这种力量。
三个还没答案的问题
平台会反制。OpenAI 已在2026年2月开启 ChatGPT 广告测试，Google 把 Gemini 深度接入营销平台。当被测量的对象同时是裁判、球员和广告位出售方，第三方测量公司的价值与风险同时在放大。
效果归因天然脆弱。既然 90% 的引用源会变化、各模型信源高度分化，那么「优化带来可见度提升」如何排除偶然？官方给出的案例（Ramp 一个月内从 3.2% 提升到 22.2%）很亮眼，但单案例在统计上并不稳固。
估值跑在证明前面。7个月翻倍，资本买的是「营销操作系统」这个终局，而非当下的分析收入。它需要在下一轮前证明留存能撑住这个终局——尤其在 Adobe 收购 Semrush 之后，巨头开始用并购而非自研来收拢市场。
对中国出海品牌，只留一条结论
出海主力品类——3C、软件工具、旅游、DTC、游戏——恰好是 AI 搜索渗透最深、也最依赖「购买前研究」的品类。已有数据显示，ChatGPT 的推荐流量中约 20% 流向 Etsy、15% 流向 Target、10% 流向 eBay。这条链路正在成型，窗口不会一直敞开。
更现实的一点是：AI 答案里的事实错误是可被定位、可被修正的——Profound 的 FactCheck 就是干这个的。对海外品牌资产薄弱的中国企业，＊＊步往往不是「优化」，而是「纠错」：先搞清楚 AI 现在到底怎么描述你，错在哪，错源是哪个页面。这件事的成本，远低于投一轮广告。
从「关键词排名」到「AI 怎么说我」，营销的测量对象从一个确定的排序，变成了一个概率性的、不断漂移的语义分布。可测量性是一切营销投入的前提，而这个前提正在被重写。
Profound 值不值18亿美元，取决于它能否成为那个新标准的制定者。钱已经到位，实验室正在纽约和旧金山招人。真正的答案，在未来12个月的基准测试里。
主要信源
Profound 官方新闻稿（GlobeNewswire，2026.09.15 及 2026.02.24）· Fortune ＊＊报道（2026.02.24）· TechCrunch、Tech in Asia · Profound 官方博客《Introducing Context Manager》· Profound 官方帮助文档 · Adobe Analytics、Shopify、SOCi 2026本地可见度指数 · G2 品类数据
公司自述且未经审计的数据（如收入增长、客户案例）已在文中标注来源方。市场预测类数据因机构口径差异过大，本文未采用作为论据。
— 完 —