Lightfield：a16z 领投 4700 万美元，押注“Agent 时代”的系统记录 (2026)

原文定位

2026 年 9 月 10 日，a16z.news 刊发了由 Joe Schmidt IV、Alex Rampell 和 Fabrizio Serafini 联名撰写的投资文章《Investing in Lightfield》。文章宣布 a16z 领投企业级客户关系管理软件（CRM）初创公司 Lightfield 的 A 轮融资。1

a16z 的核心判断是：传统 CRM 依赖人工填报和僵化数据表结构，导致企业数据严重滞后。在 AI Agent 普及的周期里，下一代系统记录（System of Record）需要通过自动摄取全部客户交互，重构为动态的时间上下文图谱，让人类与 AI Agent 基于同一套 API 协同处理复杂业务。这一论断属于 a16z 的投资视角；关于 Lightfield 的融资规模、产品特性及运营数据，来自官方与行业公开披露。

融资事实与团队转型背景

2026 年 9 月 9 日，Lightfield 官方发布新闻稿，宣布完成 4700 万美元 A 轮融资。本轮由 Andreessen Horowitz（a16z）领投，Maverick Capital、Coatue、Greylock Partners、Lightspeed Venture Partners、Audacious Ventures 以及 Alumni Ventures 共同参投。2

Lightfield 由 Keith Peiris 和 Henri Liriani 创立，两位创始人此前曾在 Meta 担任产品与工程职务。在此之前，团队创办了 AI 生成演示文稿产品 Tome，曾积累超过 2500 万注册用户，估值曾达到 3 亿美元。1 3

在运营 Tome 的过程中，团队发现维持增长面临瓶颈，于是缩编团队并保留核心工程力量，转向解决自身在扩张期遭遇的管理痛点：现有 CRM 无法承载 AI 原生公司的销售与协作需求。Lightfield 产品于 2025 年底正式上线，官方披露目前已有超过 5,000 家企业注册使用，并开始承接部分从中小型与传统 CRM 迁移的客户。1 2

传统 CRM 的结构瓶颈与新解法

几乎每家企业都依赖 CRM 作为获客、成单和维护客户的系统记录，但销售与支持团队普遍对现有工具感到繁重。a16z 在文章中指出，传统 CRM 的核心问题在于其架构设计：系统预设了固定的字段和流程，要求员工在每次电话、邮件或会议后手动录入数据。这种机制导致数据常常过时，所谓的业务洞察也演变成管理层要求业务员自行搭建和维护的复杂报表。1

针对这一结构缺陷，Lightfield 提出了三项关键设计：

自动摄取与零人工配置：系统直接连接企业的邮件、即时通讯、通话录音与会议纪要，在几分钟内自动解析并生成结构化客户档案，省去前期漫长的字段定义。1 2
时间上下文图（Temporal Context Graph）：传统系统只记录静态交易阶段（例如“合同签署中”），Lightfield 则追踪决策演进的全过程，记录客户需求调整的原因、关键利益相关方的态度变化以及长达数月的往来背景，适应复杂的多线企业采购。1
人类与 Agent 共享同一套平台与 API：所有客户交互记录均通过 API、MCP（模型上下文协议）和命令行开放，内置的 AI Agent 可以直接读取上下文并执行客户跟进、状态更新、跨部门交接与业务汇报。1 2

比较维度	传统 CRM（如 Salesforce / HubSpot）	Agent 时代 CRM（Lightfield）
数据获取机制	依赖人工手动填报、格式化表单	自动摄取全量邮件、会议与通话录音
数据底层结构	静态预设关系型表格（需反复配置 Schema）	动态时间上下文图（Temporal Context Graph）
系统交互主体	以人类员工操作为主，AI 多为附加插件	人类与 AI Agent 拥有平等的读写权限与统一 API
商业计费模式	按人类员工坐席（Per-Seat）订阅付费	按实际完成工作量与交付价值（Value-Delivered）计费
业务定位	客户阶段状态库与销售管控看板	沉淀全部交互的“企业业务世界模型”

商业模式重构：从“买坐席”到“买工作产出”

在传统软件时代，SaaS 公司的收入与企业采购的员工账号数量直接挂钩。随着 AI Agent 开始独立承担邮件撰写、线索初筛、客户跟进和报表汇总等日常工作，按坐席收费的模式逐渐遇到阻力。如果工具的价值在于帮企业精简团队规模，继续按人头收费会削弱软件提供商的收入空间。

Lightfield 采取的策略是将计费模式绑定在具体完成的工作与交付的价值上。通过让 Agent 代替销售人员处理环绕在系统记录周围的琐碎杂务，企业的预算转向购买具体的产出结果。1

更深层的意图在于构建 a16z 所谓的“业务世界模型（Business World Model）”。当一套系统完整掌握了从销售初访到售后支持的每一次客户交谈细节，它所拥有的不仅是一份名单，而是企业与外部世界交互的完整上下文。企业可以基于这层上下文直接指导下一步的产品研发规划与定价策略，形成随时间推移不断加深的数据壁垒。1

创业者需要核对的四道边界

a16z 在文章中回顾了企业软件的演进历程：Siebel 建立在客户机/服务器时代，Salesforce 崛起于云计算浪潮，HubSpot 抓住了中小企业集客营销（Inbound Marketing）的窗口。投资人认为，正在成立的新一代 AI 原生企业会直接挑选适应 Agent 协作的系统记录。1

对于技术创业者和企业评估者而言，理解这一愿景的同时，需要核对以下四道现实边界：

从轻量级工具跨入企业关键核心资产的信任门槛。演示文稿工具对安全与权限的要求较为宽松，而系统记录涉及企业的全部客户隐私、成交价格与交易机密。从消费级产品团队转型为企业核心软件供应商，必须经受企业级权限隔离、合规审计与数据主权认证的严格考验。
非结构化数据自动转化的准确率。企业客户交流中存在大量口头约定、行业术语与隐性信息。完全依赖大模型自动提炼时间上下文，如何在长达一年的销售周期中避免因幻觉产生错误推论，依然需要持续的落地验证。
老牌巨头的存量防御与生态惯性。Salesforce 与 HubSpot 拥有庞大的存量客户群、定制化插件生态以及深植于企业财务与法务的系统依赖。老牌厂商正在通过推出自研智能体（如 Salesforce Agentforce）巩固阵地，存量大型企业切换核心底层系统的实际成本依然高昂。
Agent 执行越权与失误的责任界定。当系统允许 Agent 自动发送邮件或修改客户商机状态时，一旦发生沟通失误或错误承诺，责任如何清晰划分。企业必须设立明确的操作审批规则，而非直接让模型全权接管商业沟通。