AI Agent并不总能理解公司如何运作。这家初创公司融资520万美元来解决这个问题。

一句话看懂：初创公司 Zeroset 完成 520 万美元 pre-seed 轮融资，目标是让 AI Agent 真正读懂一家公司的实际运作流程，而不是只在一堆文档里做检索。它想解决的，正是当前企业级 Agent 落地时最容易被低估的一环。

事件核心：发生了什么

Zeroset 由两位辍学生创立：18 岁的 Akshat Kannan（今年离开斯坦福）和 21 岁的 William Zhang（去年离开德州大学奥斯汀分校），公司于今年 1 月成立，目前仅 5 名员工。其 520 万美元 pre-seed 轮由 Gradient 和 2048 Ventures 联合领投，Leblon Capital 参与。Gradient 是 Google 于 2017 年设立、专注早期 AI 与机器学习项目的基金。

Zeroset 的首个产品名为 Nebula，会接入企业已在使用的 Microsoft 365、SharePoint、Outlook、Teams、GitHub 以及工作场景通讯工具，持续跟踪这些系统里信息与活动的变化。它不满足于把公司文档塞给 Agent 做搜索，而是希望让 Agent 理解构成工作流的事件与决策顺序，从而知道类似情况以前是怎么处理的，并自主完成相应工作。目前产品仍处于封闭研究预览阶段，将逐步放开客户访问，而非一次性大范围发布。定价上采用license与按用量结合的方式，用量部分随数据和 Agent 活动规模浮动。

为什么重要

当下大模型的通用能力在提升，但企业内部的运作知识往往散落在 CRM、工单系统和内部文档中，且很少进入模型的训练数据。Kannan 的说法是，现成模型“完全不了解企业实际怎么运转，也不了解工作是怎么完成的”。这正好点中 AI Agent 商业化的核心瓶颈：能否自主干活，不取决于模型多聪明，而取决于它对具体业务上下文的理解深度。

从赛道看，Zeroset 与 Mem0、Zep 等做 Agent 记忆基础设施的公司存在间接竞争，差别在于它更强调对企业流程动态的持续建模，而不只是记忆存储。行业侧重点是制造业、供应链运营和金融研究等需要长时间运行 Agent 的场景。

对用户/开发者/创作者的影响

对开发者而言，Nebula 这类产品如果成熟，意味着接入企业数据、构建长链路 Agent 的门槛可能下降，不必自己从零搭建流程理解层。对企业采购方来说，评估 Agent 工具时应多问一句：它是能检索文档，还是能理解并复现流程？这直接决定自动化能走多远。成本方面也值得留意，Kannan 表示训练是最大开支之一，单次峰值训练两周就烧掉约 10 万美元，这种成本结构最终会反映到定价上。目前公开信息显示，产品尚未大规模开放，实际效果还需等真实客户案例验证。