印度 AI 创业公司 Runable 获 2100 万美元 A 轮融资
人工智能让搭建网站和应用的门槛越来越低，一家印度创业公司却认为真正的机会在于"之后"——帮企业获客、助力业务增长。Runable 近日宣布完成 2100 万美元 A 轮融资，押注这一方向。
融资详情
本轮由 Susquehanna Venture Capital 与 Nexus Venture Partners 联合领投，既有投资方 Together Fund 和 Array VC 跟投。联合创始人兼 CEO Umesh Kumar 透露，该轮融资为全股权融资，融资后估值达到 6500 万美元。
公司创立于 2025 年，总部位于班加罗尔，目前团队仅 15 人。
从基础设施到"一站式"AI 助手
Kumar 与联合创始人 Saksham Sarda 最初将 Runable 定为 AI 基础设施创业公司，主要研发浏览器抓取技术。但他们很快注意到，用户频繁请求基于浏览器的 AI 助手帮助制作幻灯片、网站等内容。团队随即决定转型，打造一款通用型 AI 代理。
这一转型效果显著：2026 年 3 月推出付费功能后，Runable 仅用三周便将年化收入率（ARR）从零提升至 200 万美元。
如今，Runable 的 AI 代理支持用户用自然语言指令创建网站、应用、演示文稿等各类内容，并自动处理部署和数据分析等底层基础设施。更关键的是，公司正将能力边界拓展至"增长"（grow）环节——代投广告、管理社交媒体、处理 SEO，乃至优化企业在 AI 聊天机器人结果中的展示。
Kumar 对 TechCrunch 表示："归根结底，企业并不需要 Codex 或 Claude Code，它们需要的是实实在在的业务成果。如果一家企业每月花 1 万美元委托代理商运营 Google Ads，有没有更低的替代方案？这就是 Runable 的切入点。"
用户规模与市场分布
Kumar 透露，Runable 目前拥有约 170 万注册用户，美国、英国和日本是其最大的三个市场。此外，巴西也有一定用户基础，但公司正将资源进一步聚焦前三者，并预计日本最快将于下月与美国并列成为其核心市场。
最近 90 天内，用户累计消耗超过 1 万亿 token，其中 60%~70% 来自付费客户。不过 Kumar 也坦言，公司目前毛利润仍为负值——部分原因在于平台对 AI 使用成本进行了补贴。Runable 采用多模型组合策略（包括自研模型），并预计推理成本持续下降将改善未来的经济模型。
"我们正在看到一条路径：以接近十分之一的成本提供同等质量的推理服务。"Kumar 说道。
差异化挑战
Runable 面临的更大挑战在于：其所依赖的所有顶级 AI 模型厂商都在自行构建 AI 代理。Kumar 认为，Runable 的独特优势在于为小企业主提供"一条龙"服务——将基础设施、分析工具、投流分发等完整串联，用户无需自行拼凑多个平台。
TechCrunch 进行了简短实测：要求 Runable 为一个虚构的咖啡订阅业务搭建并部署网站、配置分析工具，再用 25 美元广告预算吸引前 100 名访客。Runable 完成了网站建设和广告活动策划，但因需连接外部广告账户而未能自动执行投放。用 Cursor 进行类似测试时，也遇到了相似限制——需要 Meta 广告账户、支付方式及第三方服务来完成网站永久部署。相比之下，Runable 在平台内完成了更多基础设施工作，但仍依赖外部广告账户才能实际消耗广告预算。
Runable 表示，在 ChatGPT 上投放广告时已可实现无需客户绑定自有广告账户，这得益于平台合作方支持（公司未披露合作方身份，称之为"软楔子"策略）。
Kumar 表示，Runable 并非要与编程辅助工具正面竞争：对于需要处理本地文件、主要写代码的开发者，OpenAI 的 Codex 或 Anthropic 的 Claude Code 更为适合。Runable 的目标客群是缺乏技术背景的小企业主——他们不想自己配置一堆工具和服务，只想把 AI 生成的产品变成真正运转的业务。
在被问及主要竞争对手时，Kumar 点名了 Manus 和 Genspark 等通用型 AI 代理，认为这些产品与 Runable 的目标用户和市场存在重叠。不过 Runable 的核心差异化在于：用 AI 帮企业获客，而非单纯用 AI 搭建产品。
AI 行业一周动态：融资、技术突破与争议
本周 AI 领域热闹不减：老牌玩家持续高歌猛进，新兴力量纷纷冒头，但也有明星项目因数据造假丑闻跌落神坛。
模型竞技：DeepMind 校友公司叫板 Anthropic 和 OpenAI
AI 圈又杀出一匹黑马。由 DeepMind 前员工创立的 Inherent 公司本周宣布，其 AI"队友"产品在与 Anthropic、OpenAI 模型的横向评测中胜出——测试任务聚焦于复现学术研究（Anna Heim 研究项目）。公司声称这一结果意味着其技术在特定研究场景下已具备实际可用性，但尚未公布独立第三方审计数据。
同期，AI 会计初创 Rillet 在 48 小时内完成 1 亿美元融资、估值突破 10 亿美元大关，成为本周期融资速度最快的 AI 垂直应用案例。（Dominic-Madori Davis 报道）
硬件层：Nvidia 用数据证明主导地位
Nvidia 本周发布的新基准测试显示，在当前 AI 训练与推理工作负载中，算力调度框架（harness）的效率对最终性能的影响，已超过底层模型本身的迭代。（Julie Bort 报道）换言之，GPU 集群的软硬件协同优化正在成为拉开差距的关键变量，而非单纯依赖模型架构升级。
产品层：Tesla 太阳能屋顶失败、Oura 面临诉讼
两条与消费者直接相关的产品新闻值得关注：
- Tesla 太阳能屋顶（Solar Roof）项目正式宣告终结。Tim De Chant 的调查报道梳理了症结所在——单位成本超预期、安装工艺复杂度导致规模化举步维艰，最终退出民用市场。
- Oura 智能戒指因睡眠追踪数据准确性误导消费者，面临集体诉讼。原告方指控 Oura 在营销中夸大其睡眠分析算法的科学依据，而实际监测精度存疑。（Aisha Malik 报道）
评论