互联网巡回犬 Vol.16：B2B 销售工具栈要被 Agent 重写，YC 两个斯德哥尔摩小孩在帮餐厅接电话

今天是周日，信号比平时稀，TechCrunch 的 AI 频道整整一天没发新文章1，36 氪也没有符合报道方向的融资新闻2。但两件事还是叼回来了：一个是周四就出了公告、等到今天才有时间深挖的融资——Sprouts.ai，做 B2B 销售 Agent 的 Palo Alto 团队，拿了 $9M；另一个是周日在 YC 发射台新冒出来的——Elyra，两个斯德哥尔摩小孩，帮餐厅接电话。

Karan Chaudhry 说 B2B 收入技术栈已经坏掉了。「The B2B revenue stack is broken. Sales and marketing teams operate across more than 20 tools, work off dirty data, and bolt AI on top of infrastructure that was never built for it.」（「B2B 收入技术栈已经坏掉了。销售和市场团队同时用着 20 多个工具，依赖脏数据，再把 AI 嫁接在一套根本不是为它设计的基础设施上。」）3 他创办的 Sprouts.ai 要做的事就是把那 20 多个工具压缩成一个平台，让 AI Agent 自主完成从找客户到成单的整条路。4

Sprouts.ai 的产品叫 Revenue Agents，核心是一套叫 Deep AI GTM Engine 的东西，驱动五个功能模块：AI 驱动的 ICP（理想客户画像）发现、99% 准确率声称的数据充实、AI 意图信号映射、多渠道自动外展、ML 购买模式预测。4 平台接入了 20+ 外部数据源——Bombora、Clearbit、Hunter、RocketReach 等——企业不用分别签约，直接通过 Sprouts 访问，同时原生嵌入 Salesforce 和 Microsoft Dynamics，兼容 Claude 和 Microsoft Copilot。3

底层技术架构值得看一眼：Sprouts.ai 的主数据存储和向量数据库都跑在 Elasticsearch 上，平台处理 4 亿+ 条数据记录，来自 40+ 独立数据源，每周刷新。5 CTO Kapil Chaudhry 在 Elastic 客户案例里说得直接：「Sprouts.AI processes over 400 million data records from more than 40 disparate sources that are refreshed every week. Managing, indexing, and querying this vast corpus in real time required the highly robust and scalable infrastructure that Elastic provides.」（「Sprouts.AI 每周处理来自 40+ 独立数据源的 4 亿多条数据记录。实时管理、索引和查询这个庞大的语料库，需要 Elastic 提供的高度健壮且可扩展的基础设施。」）5 他们还用了 Elastic MCP（Model Context Protocol）Server——区别于传统 RAG 只根据用户查询检索内容，MCP 让 AI Agent 可以动态构建并实时执行任务。安全合规层接了 Tumeryk AI Trust Platform，负责防止幻觉、敏感数据泄露和合规执行。5

2026 年 5 月 15 日，Sprouts.ai 宣布完成 $9M Pre-Series A，由 True Global Ventures（TGV）和 Accel 联合领投，累计融资到 $14M（此前完成过 $5M 种子轮，Team Ignite Ventures、7BC Venture Capital、Exitfund、Jolly VC、Llama Ventures 参与）。3 TGV CEO Beatrice Lion 进入董事会，Accel Partner Shekhar Kirani 担任观察员。3

三位创始人的背景组合有点意思。Karan Chaudhry（CEO）是 Stanford GSB 的 MBA/MS，在那之前做过 Disney+ Hotstar 的 EVP，主导欧洲、中东非洲和东南亚的国际市场扩张；再往前在印度流媒体公司 The Viral Fever（TVF）做总裁兼 CPO，任内主导了约 $30M 风投融资，视频产量翻了 4 倍。6 他不是第一次创业：此前联合创办过 DropThought Inc、Comnplus Inc、Econetix，三家加起来融了 $7M+ 。6 目前是 StartX（斯坦福孵化器）导师和 Pavilion CEO 成员，在硅谷的创业和 GTM 圈子里有人脉。

Kapil Chaudhry（CTO）的简历走的是技术硬核路线：50+ 项专利在手，曾任 DirectTV 工程总监，在 Evergent 把平台扩展到月处理数十亿笔交易。5 注意 Kapil 和 Karan 同姓但不是亲戚，两人都有印度背景，教育履历都在美国完成。

Avinash Nagla（COO）是三人中 GTM 实战经验最扎实的：他在 HighRadius 担任市场总监时，亲手把这家公司的 GTM 策略从 $30M ARR 推到 $150M ARR。7 这个履历不是随便说说的——HighRadius 是做 AR/AP 自动化的 Fintech，当年从 $30M 打到 $150M 是靠高度精准的企业 ABM 策略。Avinash 知道 B2B GTM 的脏活是怎么干的，这也是 Sprouts.ai 产品逻辑的来源之一。

三位创始人均有印度背景，在硅谷和印度两地运营，这对理解他们的早期客户群有直接意义——Razorpay 和 HighRadius 都是印度背景的企业，不是随机进来的。3

Revenue AI 这个赛道的体量已经不小了：2025 年市场规模 $8.8B，分析预测 2032 年到 $63.5B，年复合增长 32.6%。8 Gartner 在 2025 年 12 月首次把「Revenue Action Orchestration」发布成独立 Magic Quadrant，说明这个市场在分析机构眼里已经成型了。8

可以从市场演进角度看清楚 Sprouts.ai 在切哪个缝隙。2015-2020 年是「联系人数据库时代」，ZoomInfo、Clearbit 做静态联系人数据，但数据每年自然衰减 25-30%；2020-2024 年是「意图信号+工作流编排时代」，6sense、Demandbase、Clay、Outreach 开始用公司级意图信号+工作流触达，但仍需专人维护；2024 年之后，AI 自主执行替代通知、世界模型替代数据库，Sprouts 押注的就是这第三阶段。8

Sprouts 的差异化定位不是说「我们有 AI」——这个现在没人不说。它的护城河逻辑是：自己聚合并维护 4 亿+ 条实时刷新的 GTM 数据，形成独立于第三方的数据层；原生嵌入 CRM 而不是做外部 SDR（AI SDR 公司 11x.ai 定价约 $50K/年，在外面打电话发邮件，但不碰 CRM 内部数据）；全漏斗覆盖从 ICP 发现到成单，不像 Gong 只做对话智能、Clay 只做数据编排。48

客户验证方面，官网 Logo 墙上有 HP、Razorpay、HighRadius、Udemy、Aon、BrowserStack、Hevo Data 等名字。4 公开的量化数据是公司自报的：ICP 合格线索 3 倍增长、GTM 工具成本降低 35%、BDR/SDR（业务拓展/销售开发代表）效率提升 3 倍。3 SmartKargo VP of Marketing Ed Burek 的公开证言是：「Sprouts has aligned our sales and marketing teams much more effectively, targeting the Ideal Customer Profile and relevant personas, which has increased our funnel and improved our downstream sales qualifications overall.」（「Sprouts 让我们的销售和市场团队更有效地对齐了 ICP 和相关角色，增加了漏斗规模，改善了整体下游销售资格认定。」）4 这些数据都未经第三方审计，独立验证来源目前不完整，需要打折看。

Accel 的 Shekhar Kirani 在公告里说了这么一句话：「The platform gives revenue teams unprecedented intelligence and execution, dramatically compressing the time from prospect identification to closed deals.」（「该平台给收入团队提供了前所未有的智能和执行能力，大幅压缩了从潜在客户识别到成单的时间。」）3 Accel 在印度和全球 SaaS 圈都有很深的网络，他们押 Sprouts，更多或许是押那个印度裔硅谷团队在两个市场同时撬企业客户的打法，而不仅是产品本身。

昨天 YC 发射台新出来一个：Elyra，做 AI 餐厅预订系统，Spring 2026 批次。9

切入点很具体：餐厅平均 40% 的来电无人接听，中型餐厅因此每年损失超过 $100,000。10 服务员正在桌边服务客人的时候，厨房在出菜高峰，前台电话响了没人接——这不是管理问题，就是物理限制。Elyra 的解法是三个模块：语音 Agent 接听所有来电、邮件管家即时回复所有邮件、智能桌位分配实时优化桌位布局。10 创始人 Felix 对产品的描述是：服务员可以专注于眼前的客人而不用接电话，经理看到以前流失的预订自动完成，老板看到空桌被填满。10

使用餐厅给出的反馈很接地气：「Some regulars thought we hired a new waiter.」（「有些常客以为我们雇了新服务员。」）另一家说：「We made back a year's cost in two weeks.」（「两周内赚回了一年的成本。」）10 还有一句 Elyra 放在首页的话：「Aha, this is what AI should feel like.」（「啊，这才是 AI 应该有的感觉。」）10 这句话没有量化数据，但反映了用户对「感知不到 AI 存在」这件事的满意度——对语音 Agent 来说，这是比功能清单更关键的门槛。

产品已为多家顶级餐厅集团提供服务，官网声称新餐厅上线数周内即达到创纪录入住率，具体客户名称未公开披露。10

Felix Odeberg Glasenapp 是 KTH（瑞典皇家理工学院）工程物理专业，Alan Mando 是 WU Vienna（维也纳经济大学）商学院背景，两人从小在斯德哥尔摩相识。10 官网域名是 elyrasystems.com，公司正式名称是 Elyra Systems，目前公开信息主要来自 YC 发布页。融资金额、估值、此前经历均未披露——典型的 YC 早期项目状态，拿了 YC 标准投资，项目刚从隐身模式出来。

KTH 工程物理是斯堪的纳维亚技术人才密度最高的专业之一，Felix 的技术背景对应 Elyra 语音 Agent 实时处理的核心难点；Alan 的商科背景对应餐饮行业客户开发和产品商业化路径。两人搭档的分工比较清晰。

Elyra 踩的逻辑是：语音 Agent 的实用价值在 SMB 垂直场景里，往往比企业级部署更容易验证。餐厅场景的需求极度具体——每天固定时间段高峰、任务重复性高（预订/改期/取消）、错误容忍度相对低、客户体验对声音和自然语感敏感。这四个特征叠加在一起，让「语音 Agent 能不能用」这个问题在餐厅场景里有非常快的答案：客人打进来一通电话，几十秒就能判断好不好用。

从竞争格局看，OpenTable 和 Resy 覆盖了预订平台层，但两者都不做来电语音 Agent；Yelp 推过 AI 来电接听功能但产品停留在引流逻辑；Toast、Square for Restaurants 做的是 POS 和运营侧，也不触碰电话接听。Elyra 切的正好是这个没有大玩家认真做的缝隙。10 目前产品深度和覆盖城市未披露，团队是否有餐饮行业资源也不明朗，这是早期的典型局限。但「40% 来电无人接」这个问题是真实的，「两周回本」这个用户反馈如果可以在更多客户里复现，就是一个把 TAM 说清楚的切口。

时机也是个变量：YC P26 批次里陆续冒出来几个语音 Agent 项目，方向从电话销售到客服到预订，Elyra 是往餐饮 SMB（中小企业）走的。语音 Agent 在 2025 年仍是「打电话能 work 但体验参差不齐」，2026 年如果语音模型的延迟和自然度都能再上一台阶，餐饮这个用例可能是第一批有清晰 ROI 数字的落地场景之一。

这周还有一个东西从 Product Hunt 冒出来，放进追踪名单：Fere AI，5 月 17 日在 PH 首发，定位自主 AI Agent 交易平台，把市场信号转化成加密货币和 Polymarket 预测市场交易，不只是告诉你该怎么做，而是直接帮你做。11 创始人 Aron 和 Pranav Prakash 从 2014 年就在做自主 AI，经历覆盖药企 AI、Fortune 100 运营 AI 和 Web3 基础设施，投资方包括 Ethereal Ventures 和 Galaxy Vision Hill。11 Aron 在 PH 上说了一句话：「The market splits into two failures: Chatbots that walk you through a trade and never make it. Bots that fire orders all day and can't tell you why. Fere is the third thing.」（「市场上有两种失败：聊天机器人陪你走完交易流程但永远不下单；自动化机器人全天发单但说不清为什么。Fere 是第三种东西。」）11

需要打折看的是：7000+ 日活、1000 万+ 自主执行次数是 PH 推广页上的自报数据，当前无第三方独立验证11，加密赛道的用户数字注水也是行业惯例。方向是 A2A 经济层里比较激进的一支，下轮看看有没有独立媒体跟进报道。

今天这三件事看起来赛道截然不同，但背后的逻辑是同一根线：AI Agent 正在从「帮人做决策」变成「替人执行任务」，而且落地场景越来越具体、可量化。Sprouts.ai 在替企业销售团队执行 GTM 任务，Elyra 在替餐厅接听电话并管理预订，Fere AI 在替用户执行加密交易。三者的共同点不是技术路线，而是商业逻辑：都是在找「人类执行这件事成本高、错误率高、但任务本身重复性强」的那个缝隙，然后用 Agent 塞进去。

一个可以自己想一想的问题：这三个方向都选择了高度垂直的场景切入，而不是做通用 Agent 平台。但 AI Agent 平台的竞争最终会不会把这些垂直场景里的差异化压平——就像当年云服务商把垂直 IT 外包公司压平那样？还是说垂直数据积累和行业工作流理解会形成真正的护城河？