兩個“賣鏟”程序員，不營銷卻不到2年撬動7個億

出品｜虎嗅科技組

作者｜SnowyM

編輯｜陳伊凡

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對AI原生創(chuàng)新欄目，這是本系列的第「32」篇文章。

在今天這個AI“淘金熱”的時代，所有人的目光都聚焦在那些更智能、更強大的大語言模型上。

然而，大多數(shù)人都忽略了一個房間里的大象：如果AI吃的是“垃圾”，那么它吐出的也必然是“垃圾”。

在B端企業(yè)中往往會有超過80%的數(shù)據(jù)，被“鎖”在PDF、掃描件、表格和演示文稿這些“混亂”的非結構化文檔中。

傳統(tǒng)的OCR工具在處理這些文件時，會“弄亂”布局、破壞表格，導致下游的LLM產生“幻覺”。這在金融、醫(yī)療或法律等嚴肅場景中往往是不可被業(yè)界接受的。

而在硅谷，一個可能會終結“垃圾進，垃圾出”問題的初創(chuàng)企業(yè)，叫 Reducto AI。

這家公司在沒有任何營銷的基礎上，用了 18 個月就融資 1.08 億美元，約合人民幣7.6億元，而其快速的融資速度，即便是在爆火的AI熱潮下，都十分少見。

嘉和資本CEO袁子恒告訴虎嗅，文檔解析類產品，能做和做好的差別很大，因為B端客戶需要的是高精度，特別是文檔布局的表格、復雜公式識別。這也是Reducto AI能夠迅速脫穎而出的優(yōu)勢。從產業(yè)鏈定位來看，非結構化數(shù)據(jù)解析平臺偏infra層。也就是說，更像是個“賣鏟人”。無論AI營銷、AI客服、AI財務、AI研發(fā)、AI HR，AI供應鏈等等，都離不開底層的結構化數(shù)據(jù)。所以市場規(guī)模很大，全球市場超千億美金，還在以超過40%的速度高速增長，因為企業(yè)的數(shù)據(jù)80%以上是非結構化數(shù)據(jù)，還在持續(xù)增長，這些非結構化數(shù)據(jù)都需要處理成高質量、結構化、AI可以使用的數(shù)據(jù)。而從用戶需求來看，數(shù)據(jù)沒有AI-Ready是目前國內外企業(yè)落地AI和構建自有知識庫的最大障礙，“痛點很迫切”。

瘋狂增長

Reducto AI成立于2023年1月，起初只是一家兩人團隊的初創(chuàng)公司，在短短18個月內，它相繼獲得了硅谷“名人堂”的重注（虎嗅注：硅谷工程師協(xié)會（SVEC）于1989年成立，該協(xié)會自1990年開始設置硅谷名人堂。 硅谷工程名人堂旨在記錄那些在專業(yè)領域取得了杰出成就的工程師和技術領袖們。 從1990年以來，有超過97個人入選該榜單。 最近一次是NVIDIA 的首席科學家 Bill Dally。 他在斯坦福大學工程學院的流處理研究成果幫助推動了 GPU 計算的發(fā)展,掀起了 AI 革命。）

從2024年起，Reducto憑借其API優(yōu)先（API-first）的文檔AI平臺便開始吸引全球頂級投資機構的目光。

頂級VC們在極短時間內接力領投，反映了他們對這樣一個“品類定義者”公司的極度FOMO（恐慌情緒）。其A輪（2025年4月）和B輪（2025年10月）之間僅隔5-6個月，還觸發(fā)了B輪領投方（a16z）的“搶先下注”（Pre-emptive Round）。First Round（頂級種子）、Benchmark（頂級A輪）和a16z（頂級B輪）這三家風格頂尖的機構相繼成為Reducto的“第一大外部股東”。

到2025年10月，Reducto的累計融資額已達到1.08億美元。

這里有個很好的小故事，足以證明Reducto的融資速度，其CEO Adit Abraham曾在播客采訪中透露，當Reducto還只是一個兩人團隊時，Benchmark的Chetan Puttagunta就主動與他們溝通，建議進行A輪融資。

這種“反向推銷”的現(xiàn)象，充分反映了Reducto在硅谷的影響力。

解決文檔解析痛點，為企業(yè)提供真實來源

Reducto到底造出了什么，能讓全美最大的孵化器——YC社區(qū)的早期用戶驚呼“比亞馬遜的AWS還好”？

Reducto的產品形態(tài)是一個API優(yōu)先的文檔AI平臺，輔以一個名為“Reducto Studio”的交互式工作區(qū)，供團隊構建、評估和部署數(shù)據(jù)管道。

它不是一個單一的工具，而是面向開發(fā)者的“工具箱”。其核心API矩陣構成了一個完整的工作流，大致由 4 種 API 組成，我們做了整理：

Parse API（解析）：作為Reducto的基礎，Parse API將復雜文檔（如PDF、圖像、表格）轉換為包含文本、表格、圖形及布局信息的結構化輸出。

Extract API（提取）：基于Parse API，允許用戶通過提供JSON Schema或自然語言提示，從文檔中精確提取結構化字段。

Split API（拆分）：將長文檔（如1000頁PDF）智能拆分為語義上有意義的“塊”，為下游RAG應用優(yōu)化上下文。

Edit API（編輯）：Reducto的“核心”，是行業(yè)首個AI文檔編輯API，允許AI“回寫”或填寫文檔中的空白、復選框和表格。

在API層之上是Reducto最核心的Agentic OCR框架。

由于Reducto的技術哲學是“像人類一樣閱讀”，采用“視覺優(yōu)先”方法，將PDF視為包含豐富上下文的視覺對象，而非純文本流，所以他們創(chuàng)新性地采用了Agentic OCR工作流，大致如下：

首先，“傳統(tǒng)CV（計算機視覺）”模型首先介入，對文檔進行視覺分解，理解文檔的整體布局，捕獲區(qū)域、表格、文本塊。

接著，“VLM”模型介入，在上下文中解釋每個區(qū)域，將標簽（如“發(fā)票號”）與數(shù)值（如“INV-123”）智能地關聯(lián)起來。

最后，由Reducto的護城河技術：Agentic VLM 智能體模型，像一個“人類編輯”一樣，自動審查和糾正前兩遍輸出中可能存在的微小錯誤。

這個“AI監(jiān)督AI”的系統(tǒng)使Reducto在長尾邊緣情況（如復雜表格、手寫體、低質量掃描件）中仍能保持高準確率，避免了傳統(tǒng)OCR/VLM解決方案中的人工審核問題。

這個“多遍自修正”系統(tǒng)，通過AI智能體替代人工審核員，自動化質量保證（QA）環(huán)節(jié)，從而實現(xiàn)極高的準確性。

用Reducto自己的話來說，這叫做“提供真實來源”。

這就是革命性的地方。

傳統(tǒng)OCR/VLM的解決方案是“人在回路中Human-in-the-Loop”（HITL），即模型無法處理時，將任務發(fā)給人類審核員。這既慢又貴。

Reducto的“Agentic OCR”用一個“AI質檢員”取代了“人類審核員”。這是一個“AI監(jiān)督AI”的自修正系統(tǒng)。這就是為什么他們能實現(xiàn)“99%+”的準確性。

憑借這樣的核心產品技術，Reducto的增長堪稱“閃電戰(zhàn)”。在參加2024年初的YC W24批次期間，Reducto完成了從“LLM記憶”到“文檔AI”的關鍵轉型。

Reducto在核心產品（Parse API）發(fā)布后的6個月內，ARR從0增長到“7位數(shù)”，超過100萬美元。

在2025年10月的播客采訪中，CEO Adit Abraham分享了通過“創(chuàng)始人主導銷售”（Founder-led sales）實現(xiàn)ARR突破500萬美元的經驗。

除了ARR，其他增長指標也相當亮眼。

到2025年4月A輪融資時，Reducto已經處理了“數(shù)億頁”文檔；而在2025年10月的B輪融資時，累計處理量超過了“10億頁”。在A輪到B輪的短短5-6個月內，月處理量增長了6倍。

此外，Reducto還表現(xiàn)出了極高的資本效率。CEO Adit Abraham在播客采訪中多次強調，公司在籌集了1.08億美元后，到2025年10月為止，僅“燒掉”了100萬美元。

“籌集1.08億，只花100萬”表明Reducto的產品市場契合度（PMF）極強，團隊也非常精干。Adit也表示這筆錢，將全被用來在AI人才戰(zhàn)中不計代價地招募到最頂尖的博士，并且用來應對與AWS、Google等云巨頭的長期消耗戰(zhàn)。

硅谷經典創(chuàng)業(yè)路徑

Reducto AI的2位創(chuàng)始人也非常有來歷，經驗和性格的搭配讓其順利走過了從“維生素”到“止痛藥” 的硅谷經典創(chuàng)業(yè)歷程。

Reducto AI由兩位MIT畢業(yè)的聯(lián)合創(chuàng)始人Adit Abraham（CEO）和Raunak Chowdhuri（CTO）共同創(chuàng)建。

Adit畢業(yè)于麻省理工學院（MIT），獲得計算機科學與工程學士學位。他曾在Google擔任產品經理，負責YouTube搜索，并領導了YouTube搜索歷史上收入最高之一的項目發(fā)布。

此外，他還在MIT Media Lab和BlinkAI從事機器學習（ML）研究。Adit是一位具備深厚技術背景的“產品型CEO”，深刻理解技術商業(yè)化和規(guī)模化的關鍵。

Raunak同樣畢業(yè)于MIT，獲得計算機科學學士學位，主攻AI與機器人方向。他是一個“技術天才”，在高中畢業(yè)前便在計算機視覺（CV）領域發(fā)表了學術論文，并獲得了超過100次引用。在MIT期間，他還曾在MIT Driverless的感知團隊和MIT林肯實驗室擔任機器學習（ML）研究員。

在創(chuàng)辦Reducto之前，Raunak創(chuàng)辦了一家計算化學咨詢公司，并成功將其干到20萬美元的ARR。

圖注：Raunak（左）和Adit（右），來源：Business Insider

可以說，他是Reducto的技術核心，在計算機視覺領域擁有近十年的“科班”經驗。

兩位創(chuàng)始人最初相遇在MIT，當時Adit是大三學生，而Raunak是大一新生，他們在一門研究生機器學習課程上結識。

Reducto的誕生并不是一帆風順，他們也進行了Pivot（產品轉型）。

最初，Adit和Raunak申請YC時的項目名為“Remembrall”，它是一個“LLM的長期記憶API”。這個項目在Twitter上引起了一定的關注，并收到了數(shù)百個試用注冊。

然而，Adit在與這些早期用戶交流時發(fā)現(xiàn)了問題：雖然用戶覺得這個想法“有趣”，但并沒有真正的需求，客戶只愿意為此支付每月10-20美元。

這個項目顯然只是一個“弱信號”的“Vitamin”（維生素）產品，而非真正解決“Painkiller”（止痛藥）類問題。

在深入與客戶對話后，Adit和Raunak敏銳地意識到，客戶反復抱怨的“如果你能管理聊天記錄，能否管理用戶上傳的PDF文件”才是一個“強信號”。

他們發(fā)現(xiàn)，幾乎所有AI團隊都面臨“處理PDF的準確性”問題。于是，他們花了一個周末時間，用Streamlit構建了一個簡單的PDF解析工具原型，并在YC論壇發(fā)布。

結果，得到了截然不同的反饋，用戶紛紛表示：“這比我從Textract（AWS）得到的結果還好，有API嗎？”

這個反饋讓Adit和Raunak意識到，他們找到了真正的“Hair on Fire”的痛點，立即決定放棄原有的LLM記憶項目，轉而專注于文檔智能，從而誕生了Reducto AI。

在YC期間，他們憑借全新的方向和出色的產品原型，在仍然是“兩人創(chuàng)業(yè)公司”的時候，就成功簽下了一家《財富》10強企業(yè)客戶，驗證了PMF。

而且，Adit的畫像在業(yè)內非常清晰：極端專注、反直覺、客戶至上。他非常重視“拒絕”的藝術（The Art of Saying "No"）。在Reducto的早期，他曾果斷地“解雇”一個價值5000美元的合同，因為該客戶的需求會分散團隊的精力。

此外，他也拒絕了價值“數(shù)百萬美元”的建筑文件合同，因為這不符合他們對核心產品精度的專注。Adit非常推崇“工程師每周只有一個優(yōu)先事項”的工作模式，確保團隊能夠在一個方向上做到極致。

作為一位技術背景的創(chuàng)始人，Adit親自負責公司的銷售工作，直到ARR突破500萬美元。他的銷售理念是“關懷勝于銷售技巧”，他強調應該與早期客戶建立深度關系，以至于“你愿意邀請他們參加你的婚禮”。

開辟新藍海的“賣鏟人”

Reducto所處的“智能文檔處理”（IDP）市場，正在以20%-30%的高復合年增長率高速擴張。

這個賽道的核心痛點，就是我們開頭提到的“80%的數(shù)據(jù)詛咒”：企業(yè)價值被“鎖”在非結構化文檔中，而傳統(tǒng)OCR工具的“準確性災難”導致AI“垃圾進，垃圾出”。

表面上看，這是一個充斥著三類玩家的“紅海”。

云巨頭們，像是Amazon Textract, Google Document AI， 它們是云平臺的“捆綁”服務，價格低廉，與云生態(tài)深度集成。老牌企業(yè)軟件（像是ABBYY），是為“業(yè)務人員”設計的“低代碼”RPA工具，品牌歷史悠久。同時，這個行業(yè)還存在著一堆開源工具（像是Unstructured.io）， 免費、可自托管。

然而，Reducto正在這個“紅海”中開辟一個全新的“藍海”。

Reducto AI是一家罕見的，在正確的時間（VLM與RAG爆發(fā)的技術周期）由正確的人（“產品CEO” Adit與“技術天才CTO” Raunak）執(zhí)行了正確戰(zhàn)略（從YC的“市場拉力”轉型和“極端專注”）的“三重奏”公司。

他們沒有去制造“淘金熱”中的LLM，而是選擇成為那個最關鍵的“賣鏟人”。

云巨頭的工具是“大而全”的捆綁產品，但在需要極致準確性的“長尾”復雜文檔上表現(xiàn)不佳。Reducto則在基準測試中“最高領先AWS, Google和Azure 20%”。在金融或醫(yī)療領域，這20%的準確性幾乎就是生與死的區(qū)別。

例如，AI原生TPA（第三方管理人）Elysian使用Reducto處理保險索賠文件，將審查速度提高了16倍。醫(yī)療公司Anterior使用Reducto處理醫(yī)療記錄，實現(xiàn)了99%以上的準確率，將決策從幾天縮短到幾秒。

這種創(chuàng)業(yè)路徑和領域，也給了許多AI創(chuàng)業(yè)者啟發(fā)。

當然，涌入的創(chuàng)業(yè)者，這也給Reducto帶來競爭和挑戰(zhàn)。袁子恒最近正在陪跑一家中國出海的文檔解析創(chuàng)業(yè)企業(yè)，他表示，這家企業(yè)的精度超過了Reducto，并且成本更低，速度更快，還開發(fā)了自有的多模態(tài)數(shù)據(jù)解析引擎和多個自研模型，主要面向海外市場，已經獲取了很多海外企業(yè)客戶，有美國的知名大學、金融機構，還有歐洲的一些企業(yè)，在解析精度、千頁價格、支持的格式種類還超過了歐洲大力扶持的大模型廠商Mistral的OCR。

另一個挑戰(zhàn)來自大廠。

首先，AWS和Google正在將其文檔處理能力與VLM（如Gemini）和AI平臺（如Bedrock）深度“捆綁”銷售。他們可能以“更低”甚至“免費”的價格提供“足夠好”的解析能力。

其次，行業(yè)面臨“GPT-5是否會免費解決這一切？”的長期威脅。隨著基礎模型在視覺理解能力上的飛躍，Reducto的“準確性”優(yōu)勢可能會被削弱。

不過，巨頭切入的市場，可能與Reducto不同。袁子恒對文檔解析的創(chuàng)業(yè)生態(tài)十分熟知，DeepSeek也做過類似探索，今年10月發(fā)布了Deepseek-OCR，嘗試解決大語言模型長文本處理的瓶頸，主要目標是提高 LLM 處理長文檔時的計算效率、降低內存占用，并有效解決長上下文的“遺忘機制”問題。本質是輸入預處理器，優(yōu)化了 LLM “看”和“記住”長文檔的方式。但袁子恒表示，盡管這種OCR看起來和Reducto很像，但從目標和要解決的問題以及面向的市場來看，和Reducto完全不一樣。

還有一個可能的危機，來自CEO Adit Abraham的“極端專注”哲學。“創(chuàng)始人主導銷售”、“雇人慢”、“拒絕客戶”、“每周一件事”，這些理念幫助他們打造了完美的產品，并實現(xiàn)了從0到500萬ARR的奇跡。

但是，這個理念被認為無法將公司從500萬ARR帶到1億美元ARR。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4806189.html?f=wyxwapp