给微型 VC 用的 AI 项目接收软件，把杂乱创始人来稿整理成匹配投资主张的备忘录，让淘汰和合伙人评审都更快。

1. 投资人已经愿意为 AI 原生募资基础设施买单，这验证了围绕资本形成工作流的新软件预算类别。
2. 申请量已经高到足以让小基金团队的人工筛选变成真实的运营瓶颈。
3. 这个品类正从泛 CRM 走向匹配和工作流自动化，这给投资人侧决策软件留出了空间，而不只是创始人侧数据库。
4. 围绕募资瓶颈的反复表述说明，当下紧迫性主要来自流程问题，因此工作流自动化比投机性的网络型产品更容易卖。

催化因素。 ThatRound 的融资、申请量，以及其明确投入 AI 匹配，都说明募资工作流正在变成结构化数据系统，迫使投资人侧尽快升级审核方式。

产品接入基金现有的 inbound 渠道，解析融资 deck 和申请表，把每家公司按该基金的投资主张标准化成结构化画像。系统会生成包含市场、团队、进展和匹配标记的初筛投资备忘录，再把项目分流到淘汰、分析师复核或合伙人讨论队列。随着使用积累，它会从合伙人决策中学习，改进评分，并找出基金长期低配的模式，例如某些垂类或地区。最初承诺不是帮基金找到更多项目，而是让已经进来的项目判断更快、更一致。对小基金来说，这能替掉分析师的表格工具栈，而且不需要内部数据团队。

差异化。 大多数创始人与投资人工具都从关系发现或暖介绍切入。这家公司从基金今天已经在疼的地方下手：现有 inbound 的筛选质量不一致。真正可防守的资产，是每家基金的投资主张、合伙人决策与历史申请材料结构化语料之间的反馈回路；一旦工具成为默认接收层，这套资产会越用越强。

待完成任务

flowchart LR
  Buyer[微型 VC 合伙人或运营负责人] --> Pain[非结构化创始人申请太多]
  Pain --> Product[AI 项目接收与备忘录代理]
  Product --> Outcome[更快做出投资主张匹配判断，并释放更多合伙人产能]

高管要点

• 预算已经存在，但规模只够支持一个切口：多家 VC 原生工具采用定制定价，Visible 还声称已服务超过 950 家风投基金，因此这确实是个真实软件品类；但英国微型 VC 这个滩头市场本身太小，除非产品能进一步扩到加速器和更广的私募市场工作流 [8][4][7][10][12]。
• 痛点既运营化又很即时：ThatRound 称其已服务 500+ 位创始人、处理 1,500+ 份融资申请；与此同时，4Degrees 仍在围绕表格化 deal flow 销售，并声称平均每周可节省 100 小时 [1][5][6]。
• 现有厂商大多优化的是 sourcing、关系情报或投后汇报；真正尖锐的空白，是把邮件、表单和 deck 里的首轮 inbound 分流，整理成与投资主张匹配的备忘录 [3][6][8][9][11]。
• 时点也受市场结构推动：英国 VC 交易额从 2024 年 Q1 的 $3.0B 回升到 2024 年 Q2 的 $6.9B，尽管交易数量仍承压；这会让精干机构更重视纪律化筛选 [19][20]。
• AI 的顺风同时来自供给和需求两侧：Sifted 称 AI 原生创业公司在 Q1 拿走了欧洲 51% 的股权融资，Visible、Airtable 和 Notion 等厂商也已经把 AI 工作流自动化做进产品里 [22][9][32][17]。
• 真正的阻力主要不在模型能力，而在信任、安全和工作流权限。ICO 指引、EU AI Act 指引、NIST 和邮件 API 要求，都把人工监督、可追溯性和审慎的数据处理推成了默认要求 [25][26][27][28][29][30]。

市场定义

面向微型 VC、天使联合投资体和加速器运营方、先从英国 / 爱尔兰切入的 AI 增强型投资人侧项目接收与筛选软件。它与 VC CRM、创业公司数据库、投后 / 汇报工具和申请管理软件相邻，但不包括创始人侧募资平台、完整 PE 套件，以及通用生产力软件——除非这些工具正是客户今天的替代栈 [2][3][6][8][11][13][15][16][17][18]。

用户与买方

日常使用者通常是投资运营负责人、平台专员、分析师或加速器项目经理；经济采购方则是 GP 或平台负责人。这个岗位的工作，是把创始人邮件、表单和 deck，转成一致的淘汰 / 复核 / 合伙人可读笔记，而且速度要快过今天的 Gmail + Airtable + Notion + 表单工具栈 [1][6][8][9][15][16][17]。

购买触发点

• 新基金启动、加速器合作或 PR 带来的流量峰值，突然抬高 inbound 量并压垮人工审核。 [1][19][23]
• 当多人仍在用表格、收件箱和零散笔记做筛选时，基金希望把合伙人的筛选质量标准化。 [6][13]
• 出于安全或治理要求，团队想把创始人数据从失控的邮箱里迁到有文档、有人工监督的工作流中。 [25][31][28][29]

支付意愿

最强证据虽然是间接的，但可信：Affinity、4Degrees、Visible、Harmonic、Submittable 等垂直工具都采用定制定价，而默认工具栈本身也已经在为 Typeform、Airtable 和 Notion 付费。这足以支持那些 inbound 持续较高的基金支付低五位数年 ACV；但极小基金可能仍会等到节省的合伙人工时足够直观后才采购。 [4][7][10][12][14][15][16][17]

品类动态

增长信号 2024 年 Q2 英国 VC 交易额环比反弹 130%

验证信号

• ThatRound 称其已服务 500 多位创始人、处理超过 1,500 份融资申请，说明这个品类已经有足够大的工作流体量。
• Visible 称其已被超过 950 家风投基金信任，并开始向投资人销售 AI Inbox 和 AI Docs。
• 4Degrees 称其平台已被数百个私募市场团队使用，平均每周可节省 100 小时。
• Submittable 称，自动化审核可让客户平均每周节省 3.4 小时行政时间。
• Sifted 在 2026 年仍持续跟踪欧洲首支基金，这说明即使募资环境更难，新的采购方仍在形成。
• Sifted 报道称 AI 原生创业公司在 Q1 拿走了欧洲 51% 的股权投资，这会抬高投资人处理 AI 重度项目的紧迫性。

监管与技术约束

• 对创始人做自动评分，可能触发画像和决策治理义务；采购方会要求人工复核与可申诉性。
• 邮箱访问要求明确的 OAuth 权限范围，并在 Gmail 与 Microsoft 365 环境里谨慎设计权限。
• 可信 AI 控制不只是输出质量问题，还需要文档化、监控和风险管理。
• 在基金允许机密创始人材料进入 AI 工作流之前，模型和供应商的留存条款必须先写清楚。
• 安全姿态是入场券，因为系统会处理机密 deck、客户数据和合伙人笔记。

现有替代方案大致分成几类：组织关系和 pipeline 的 VC 原生 CRM（Affinity、4Degrees）[3][6]；帮助投资人更早发现公司的数据 / sourcing 平台（Harmonic）[11]；越来越多开始解析更新和文档的投资人运营工具（Visible）[8][9]；以及横向的申请 / 工作流系统（Submittable、Gust、Typeform、Airtable、Notion）[13][18][15][16][17]。这家创业公司的切口更窄，也更紧急：在数据落进更大的系统记录层之前，先做 inbound 初筛分流和投资主张匹配备忘录。

为什么现有厂商不会默认胜出

• VC CRM 工具. Affinity 和 4Degrees 在关系管理和整体 pipeline 可视化上更强；但如果采购方想要的是一层轻量的邮箱 / deck intake，并在不重做 CRM 的前提下生成可解释的初筛备忘录，它们并不会天然胜出。
• 创业公司数据库. Harmonic 更擅长外部发现和市场地图，但投资人侧 inbound 筛选并不是“提前 6–12 个月找到公司”的同一种工作流；一个分流层完全可以位于数据库上游共存。
• 投后与投资人运营工具. Visible 已经在做 AI 文档和邮件接入，但它的产品重心仍在投后汇报和投资人更新；新进入者仍能靠“投前初筛决策更快”这个点赢下来。
• 申请流程工具. Submittable、Gust 和通用表单工具能很好地处理提交和审核阶段，但它们不是围绕基金投资主张设计的产品，也不会自然地把混合的邮箱、表单和 deck 输入转成合伙人可读的投资备忘录。
• 内部手工工具栈. 手工栈便宜、熟悉，所以仍然有吸引力；但 Gmail、Airtable、Notion 和零散笔记拼出来的流程，随着体量上升会带来数据割裂、审计痕迹弱和初筛判断不一致。

ThatRound 的进展和相邻厂商的采用情况都说明，投资人侧项目接收正在变成一个真实的软件品类；但第一门能成立的生意很窄：英国和爱尔兰那些 inbound 体量大到足以压垮 Gmail、Airtable 和 Notion 流程的微型 VC 与加速器。产品切口是一层 AI 接收层，在数据进入 Affinity、4Degrees 或 Airtable 之前，先吃进 deck、表单和邮件，按基金投资主张给提交项目打分，并生成可解释的初筛备忘录。这个滩头市场有吸引力，因为采购方会在基金新募、加速器合作或 PR 带来流量峰值时明显感到疼，而且他们无需重做整套 CRM，就能先接入一层 intake。公司应先卖一个付费试点，把节省的合伙人小时数和更快的淘汰或复核决策做成能量化结果，再转成年费订阅，按 inbound 量和合伙人席位收费。真正的护城河不是通用 LLM 输出，而是基金专属决策数据、投资主张打分规则，以及对收件箱、表单和历史决策的工作流嵌入。公司早期不该试图替掉完整 VC CRM，因为真正卡住采购的，是采购方信任、安全审查和预算怀疑，而不是功能不够多。最关键的反证风险是，小基金是否愿意为独立的 intake 软件支付 ACV，而不是要求这项能力内嵌进现有 CRM，或继续留在手工工具栈上。现有输入里没有直接的客户访谈记录，也没有可对标的销售周期数据，因此定价、转化节奏和扩张速度都仍是运营假设，必须通过付费试点验证。

问题

• 小型 pre-seed 基金收到的创始人申请，已经多到精干合伙人团队无法稳定、持续地审完，因此优质项目会被漏掉，合伙人时间也会耗在低信号初筛上。
• 现在的流程把邮箱、表单、deck、表格和笔记拆散在 Gmail、Outlook、Typeform、Airtable 和 Notion 里，既拖慢决策，也削弱可审计性。

解决方案

• 接入 inbound 邮件和表单来源，把 deck 与申请解析成结构化公司画像，并按可配置的基金投资主张为每份提交打分。
• 生成带引文的初筛备忘录，同时把项目送入淘汰、分析师复核或合伙人讨论队列，并保留人工审批和审计日志。

为什么我们会赢

• 这个切口打的是一条现有厂商只覆盖了一半的紧急工作流，因为 CRM 更擅长关系管理和项目 sourcing，而不是处理杂乱 inbound 的初筛。
• 产品可以把结果同步进现有的 Airtable、Affinity、4Degrees 或类似系统落地，不必逼客户整体替换 CRM。
• 如果产品成为默认 intake 层，公司就能不断沉淀一套横向工具天然拿不到的专有数据：投资主张标准、原始材料、审阅者评论和决策结果。

里程碑

flowchart LR
  Wedge[高量级基金 intake 切口] --> MVP[接入加带引文备忘录的 MVP]
  MVP --> Proof[付费试点证明能省工时并加快决策]
  Proof --> Expansion[先做加速器、更多基金，再扩到相邻投资人工作流]

创始团队

实验路线图

风险评估

必须成立的条件

• 每季度申请量超过 150 份的基金，会在 CRM 迁移之前就为独立 intake 层支付低五位数年 ACV。
• 带来源引文的可解释备忘录，相比泛化 AI 评分，能明显提高合伙人的信任度。
• 先集成、后替换的部署方式，能把首个价值实现时间压得足够短，从而打赢手工工具栈的惯性。
• 至少有一个加速器或 syndicate 细分，能在少量定制下用同一核心产品完成转化。
• 现有厂商来不及迅速补齐这个切口，以至于公司还能在拿下共创客户前保住定价权。

待尽调问题

• 今天到底有多少英国和爱尔兰基金，每季度会处理超过 150 份 inbound 申请？
• 在试点评估里，真正驱动购买意愿的到底是哪种工件：解析、评分、备忘录起草，还是审阅者协作流程？
• 对于 10 人以下的基金，邮箱访问和保留机密 deck 的真实安全审查负担到底有多重？
• 采购方能否接受同步进 CRM 的模式，还是坚持要把产品原生做进 Affinity、4Degrees 或 Visible？
• 基金专属评分要明显优于模板基线，究竟需要多少历史决策数据？

模型合理性

• 收入引擎. 基准情形的收入，建立在 Q4Y3 做到 32 家付费机构、每家混合年收入约 $38K 之上，而不是靠大额企业 ACV 撑起来。
• 必须跑通的环节. 模型要求 30–60 天试点能在总计 3–4 个月周期内转化，这样一个精简的 8 FTE 团队才有机会触达基准情形里的客户数。
• 模型会失效的情况. 如果定价往 $34K 滑落，同时安全审查把销售周期拖到约 6 个月，且招聘又不延后，下行情形下现金会转负。
• 下一轮融资验证点. 一旦公司能证明自己做到了 30+ 家付费机构、上线加速器模板，并在不强推 CRM 替换的前提下拿到约 $1.2M 期末 ARR，融资故事就会明显更强。

情景

敏感性

flowchart LR
  Leads[目标基金与加速器] --> Pilots[付费试点]
  Pilots --> Customers[年度客户]
  Customers --> Revenue[订阅费 + 超额收入]
  Revenue --> GrossProfit[75% 毛利润]
  GrossProfit --> Cash[支持招聘并延长现金跑道]

警示项: 到 Y3 为止，每 FTE 收入仍偏低，因为模型假设高信任要求下的 onboarding 和实施仍是 GTM 动作的一部分。 · $38K 的混合年收入假设，建立在超额使用费和高级集成把实际支出略微抬到核心 $24K–$36K 订阅带之上。 · 纸面上 LTV/CAC 很漂亮，但流失率是从计划里的留存目标倒推出来的，而不是来自真实 cohort 数据。 · 基准情形之所以还能保持现金为正，只是因为招聘节奏足够克制；若把第 3 位工程师或更多 GTM 能力提前拉进来，融资需求大概率会提高。

• 付费意愿有限. 极小型基金可能把筛选视为合伙人的手艺活，只有在真实流量压力出现后才愿意买软件。 缓解措施: 先从每季度已收到 150+ 份申请的基金切入，在 30 天试点内用节省的合伙人时间证明 ROI。
• 对 AI 建议缺乏信任. 如果合伙人看不出项目为何被分流或降权，他们可能会直接否掉黑箱评分。 缓解措施: 让每个分数都能解释清楚，给出投资主张标准、deck 引文，并强制加入人工审批环节。
• 上线初期数据沉淀不够. 新基金在第一天可能没有足够多的历史决策数据，无法训练出明显差异化的投资主张模型。 缓解措施: 先提供可配置的投资主张模板和常见 pre-seed 工作流基准，再逐步按每家基金自己的决策微调。