9月23日，总部位于山景城的企业AI智能体公司Ema宣布完成7700万美元B轮融资。本轮由印度风险投资机构Creaegis领投，既有股东Accel、Section 32与Prosus全部加大投入，公司累计融资达到1.4亿美元，估值较2024年上一轮翻了两番多，具体数字未披露。公司由前谷歌与Coinbase高管苏罗吉特·查特吉、前Okta高管苏维克·森于2023年创立，产品被直接命名为AI员工，定位是用一组协同工作的智能体，在企业现有应用之间执行多步骤业务流程。
在定价上，Ema做了一个与主流SaaS明显不同的选择：不按软件席位收费，也不按调用词元收费，而是按完成的任务与业务结果计价。公司认为，当工作由智能体而不是人执行时，席位数就不再是价值的度量单位，任务量与产出才是。
这一定价方式直接改变了客户的决策逻辑。按席位订阅时，软件的成本随人头增长，采购方天然希望控制账号数量；按任务计价时，成本随实际处理量波动，采购方关心的是单次任务的价格是否低于人工或外包成本。公司披露的客户扩张数据也从侧面印证了这一点：超过90%的客户在首个场景之后继续扩展到新场景，通常从一次部署延伸到两到三个额外用例，单个客户的价值会翻倍。
查特吉对这套模式的解释是，企业不需要更多软件，企业需要的是把事情做完。这个表述背后是对企业软件形态的判断：传统应用提供界面与流程，人负责在系统之间搬运信息；智能体直接接管搬运与判断，软件则退化为数据源与执行接口。
从规模数据看，Ema目前拥有超过50个活跃企业客户，活跃企业用户超过100万，累计处理的操作与查询超过500万次。客户名单包括NTT DATA、日立、ADP、普华永道、毕马威、Wipro与微软，业务集中在人力资源、IT与财务三类流程。这份名单的一个特点是，IT服务与咨询公司占了相当比例，而这类公司恰恰是智能体自动化最直接冲击的对象。
架构上，Ema并不自研基础模型，而是调用超过150个模型，把重心放在领域知识、系统集成与任务编排上。它先包住企业已有的应用，通过接口读取数据并执行动作，部分客户在跑顺之后会削减原有大型SaaS应用的采购量，甚至逐步替换。查特吉的说法是，很多客户正在走向完全替换，因为这些应用大多已经退化成一个数据库。
这种路径与自建智能体平台的厂商形成对比。自建路线要同时解决模型、工具、权限与运行环境，投入大但可控性强；集成路线可以快速接入既有系统，代价是对底层应用的依赖度更高。Ema选择后者，赌的是企业短期内不会推翻既有IT架构。
财务指标是这轮融资最有说服力的部分。公司称过去两年收入增长50倍，收入预订额，也就是多年合同的全部价值，已经超过1.5亿美元，净金额留存率约180%，毛利率接近80%。净金额留存率超过100%意味着同一批客户第二年花的钱比第一年更多，180%则说明扩张速度相当快，通常来自客户从单一场景铺开到多场景。
公司明确表示不公布年度经常性收入的绝对值。这一保留值得注意，因为预订额与确认收入之间存在时间差，多年期合同的价值会分摊到各个年度。接近80%的毛利率说明交付并未重度依赖人力，这与早期RPA项目需要大量驻场实施形成区别。
本轮资金用途也相对集中：大部分投入销售与市场拓展，公司已有近200名员工，并已招聘多位高级管理人员。地域上，Ema此前主要服务美国与欧洲客户，未来一年计划向亚太、南美以及中东部分地区扩张。公司总部在山景城，同时在班加罗尔、伦敦与温哥华设有办公室。
把Ema放进企业智能体的整体竞争格局里，能看到几条并行的路线。一类是模型厂商直接向企业出售工作智能体与编程工具，Anthropic与OpenAI都在做这件事；一类是传统企业软件厂商把智能体嵌入既有产品，把席位订阅改造成席位加用量；还有一类就是Ema这样的独立平台，站在应用之上做编排。
查特吉不认为模型厂商是直接对手，理由是企业落地的难点不在模型能力，而在领域知识、权限边界与跨系统编排。他反而认为前沿模型的进步对公司有利，因为模型越强，能承接的任务越复杂，单任务可覆盖的价值也越高。这个判断在最近几个月的价格趋势里能找到支撑：主流模型单价持续下行，用量成本占比上升，把模型当输入而非产品的中间层公司反而获得了更宽的定价空间。
更值得观察的是IT服务行业的反应。Ema的客户名单里有大量IT服务与咨询公司，这些公司一边在帮客户部署智能体，一边在重新思考自己的交付模式与计费方式。当交付从人天转向任务与结果，咨询与外包行业的收入结构会被迫调整。Ema这类平台能否在多个行业复制同一套架构，以及在合规要求严格的金融与医疗场景中如何满足审计与数据边界要求，将决定它下一轮增长的上限。