Loop 获得 9500 万美元 C 轮融资，以扩大其在供应链中的 AI 平台

Loop 已获得 9500 万美元 C 轮融资，领投方为 Valor Equity Partners 和 Valor Atreides AI 基金。该公司计划利用此次融资扩大其 AI 平台在物流、金融和更广泛的供应链运营中的应用。 此次融资还包括 8VC、Founders Fund、Index Ventures、J.P. Morgan Growth Equity Partners 和 Tao Capital Partners 的参与。

此次融资发生在供应链面临日益严峻的挑战之时，包括贸易动态的转变、成本的上升和全球运营的复杂性增加。对于许多企业来说，根本问题不是缺乏工具，而是系统间缺乏一致且可靠的数据基础。

为什么供应链仍然是 AI 最难解决的问题之一

供应链本质上是碎片化的。关键数据分散在发票、运输记录、合同和多个企业系统中，这些系统很少能清晰地相互通信。甚至常规流程，如对账或成本分析，往往依赖于手动干预。

这为 AI 部署带来了结构性挑战。绝大多数模型依赖于结构化、高质量的输入，但供应链数据往往不一致、不完整或被锁在传统基础设施中。因此，即使是设计良好的 AI 系统也难以在现实世界的物流环境中有效运行。

从断裂的数据中构建智能系统

Loop 的方法集中在将这些碎片化的数据转化为一个统一的系统，以支持自动化和决策。

该平台不仅仅作为一个独立的分析层，而是从物流工作流中的运营和财务数据中获取数据，标准化这些数据，并应用特定领域的模型来解释运输、成本和供应商之间的关系。这使得企业能够从孤立的数据点转变为更完整的运营图景。

该架构的一个关键方面是能够同时处理多种数据格式。文档、结构化系统数据和半结构化记录都在同一个管道中处理，从而实现对以前断裂的系统的更广泛的可见性。

DUX 的作用：为物流现实构建的模型

在平台的核心是 DUX，一系列专门为供应链环境设计的模型和代理。

这些模型结合了文档理解、结构化数据处理和特定领域的推理。这样，它们就可以解释复杂的物流数据，例如发票和运输文件，同时保持对更广泛的运营背景的认识。

DUX 还被设计为采取行动，而不仅仅是产生见解。通过将解释与执行相结合，该系统可以自动化诸如审计、对账和成本分配等工作流程，减少对手动流程的依赖，这些流程在历史上一直主导着该行业。

从运费审计到全栈供应链智能

Loop 的平台从最初专注于运费审计和支付开始，这是一个数据碎片化和财务影响特别明显的领域。

从这个领域开始提供了对高价值运营数据的访问，并使公司能够构建能够处理现实世界复杂性的系统。从那里，平台扩展到了采购、供应商管理、合规和仓库运营等相邻领域。

这种进展反映了企业 AI 中的一个更广泛的模式，即解决一个狭窄但关键的问题为扩展到更广泛的运营层提供了基础。

向运营 AI 系统的转变

像 Loop 这样的技术指向了企业中 AI 应用的转变。AI 不再主要用于分析或报告，而是被嵌入直接到运营工作流中。

在供应链中，这可能意味着持续地对财务和运营数据进行对账、自动检测低效率以及更快地对不断变化的条件做出调整。随着时间的推移，这种系统可能会减少对周期性报告的依赖，并用更连续、实时的决策过程取代它们。

与此同时，这些系统的有效性将在很大程度上取决于数据质量、系统集成以及在广泛场景中可靠运行的能力。供应链是动态环境，维持大规模的准确性仍然是一个重大的技术挑战。

这对企业基础设施意味着什么

像 Loop 这样的平台的扩张表明了企业架构的逐渐转变。传统系统，如 ERP、TMS 和 WMS 平台，主要是为记录保存和事务处理而设计的。AI 驱动的层正在开始位于这些系统之上，将静态记录转化为决策的活跃输入。

如果这种模式继续发展，它可能会导致一个更统一的运营层，其中财务和物流数据不再被分开处理。相反，它们成为一个单一系统的一部分，该系统不断更新、对账和通知业务决策。

然而，转变的步伐不太可能是统一的。许多组织仍然依赖于深深根植的传统系统，将 AI 集成到这些环境中会引入技术和组织复杂性。采用速度可能会根据公司现代化数据基础设施同时保持运营稳定的能力而有所不同。组织仍然依赖于深深根植的传统系统，并且将 AI 集成到这些环境中会引入技术和组织复杂性。采用速度可能会根据公司现代化数据基础设施同时保持运营稳定的能力而有所不同。