Fundamental AI 以 $255M 的 A 輪融資出現，估值為 $1.2B

一家新獨角獸崛起：Fundamental AI 獲得 2.55 億美元融資，旨在徹底改變結構化數據分析（Structured Data Analysis）

在人工智慧領域的一個決定性時刻，Fundamental AI 正式宣佈完成高達 2.55 億美元的 A 輪融資（Series A funding round），使公司投後估值達到 12 億美元。這一成就不僅讓 Fundamental AI 在成立不到兩年便獲得了「獨角獸（Unicorn）」地位，也標誌著投資者關注點的正大轉向——從生成式文本和圖像模型轉向能夠掌握全球經濟支柱：結構化表格數據（Structured Tabular Data）的專業智慧。

本輪融資由多家頂級風險投資公司聯合推動，旨在解決企業級人工智慧（Enterprise AI）的「最後一英里」問題。隨着融資消息的發佈，Fundamental 正式推出了其旗艦產品 Nexus，這是一個大型表格模型（Large Tabular Model，LTM）。Nexus 承諾將像 GPT-4 和 Gemini 對創意寫作和編程所做的那樣，為電子表格、SQL 數據庫和財務分類帳帶來變革——解鎖對數字和類別的深度語義理解，且不會出現困擾傳統大型語言模型（Large Language Models，LLMs）的幻覺問題。

企業數據的「暗物質」

在過去的三年裏，AI 的敘事一直由非結構化數據主導。LLMs 在生成文本、創建圖像和合成音頻方面已經達到了超人類的熟練程度。然而，絕大多數企業知識（估計在 70% 到 80% 之間）存在於結構化格式中：關係型數據庫、CSV 文件、ERP 系統和 CRM 日誌。

直到現在，將生成式 AI（Generative AI）應用於這些數據仍面臨重重挑戰。當被要求分析複雜的財務報表或供應鏈矩陣時，通用 LLMs 往往會在以下方面掙扎：

算術幻覺（Arithmetic Hallucinations）： 言之鑿鑿地給出錯誤的總和或平均值。
上下文盲區： 無法理解銷售表中標記為「Q1」的列隱含了與「Q2」的時間關係。
架構僵化： 無法在沒有大量且容易出錯的提示工程（Prompt Engineering）的情況下，映射不同數據庫表之間的關係。

Fundamental AI 旨在彌合這一差距。通過將表格數據視為「一等公民」而非將其轉換為文本進行處理，該公司主張其能夠以標準 LLMs 無法企及的準確度，自動化處理複雜的商業智能任務。

Nexus 介紹：首個真正的大型表格模型

Fundamental 價值主張的核心是 Nexus，這是一種從零開始為結構化資訊構建的 AI 架構。與主要基於公開網絡文本訓練的 Transformer 不同，Nexus 已在數 PB 的公開表格數據、高度混淆的企業架構和財務數據集上進行了預訓練。

根據 Fundamental AI 的技術文檔，Nexus 利用了一種新型的注意力機制，能夠理解二維關係。它能同時讀取水平方向（基於行的語義連貫性）和垂直方向（基於列的統計分佈）的數據。

Nexus 的核心能力包括：

自主數據清洗（Autonomous Data Cleaning）： 根據特定列上下文中的統計概率，識別並糾正缺失值或異常值。
跨架構推理（Cross-Schema Reasoning）： 無需顯式連接（Join），即可推斷不同數據集之間的關係（例如，將 Salesforce 導出文件中的「Customer ID」與 Snowflake 倉庫中的「Client_Ref」關聯起來）。
預測建模（Predictive Modeling）： 生成數據集中的未來行，有效執行預測任務，而無需數據科學家構建專門的迴歸模型。

A 輪融資與市場驗證

這筆 2.55 億美元的資金注入反映了市場對「可靠 AI（Reliable AI）」的渴望。雖然領投方強調了該技術在金融和醫療行業的潛力，但這筆 A 輪融資的巨大規模——2026 年最大的融資之一——表明人們普遍認為 Fundamental AI 正在構建基礎設施，而非僅僅是一個利基工具。

這筆資金將用於三個主要的戰略舉措：

算力基礎設施： 擴大 Nexus 2.0 的訓練規模，旨在處理擁有數百萬列的數據集。
企業安全： 強化平台以滿足 SOC2 Type II、HIPAA 和 GDPR 標準，這對於 Fundamental 目標的銀行和醫療客戶來說是不可逾越的門檻。
生態系統集成： 為 Databricks、Snowflake 和 Microsoft Fabric 等主流數據倉庫開發原生連接器。

行業分析師認為，大數據（Big Data） 平台目前尚未得到充分利用，因為深度分析的人檻仍然很高——需要掌握 SQL、Python 或 R 語言。Fundamental AI 12 億美元的估值強調了這樣一種信念：對結構化數據進行自然語言查詢是下一個大規模釋放企業價值的關鍵。

對比分析：LLMs vs. LTMs

為了理解為什麼 Fundamental AI 獲得瞭如此巨大的關注，區分傳統的大型語言模型和新型的大型表格模型至關重要。

表 1：AI 架構技術對比

特性	大型語言模型（LLMs）	Nexus（大型表格模型）
訓練數據源	網絡文本、書籍、代碼庫	關係型數據庫、CSVs、Excel 表格、JSON
令牌化策略（Tokenization Strategy）	子詞文本令牌	單元格值與架構感知令牌
數學可靠性	低（預測下一個詞，而非數值）	高（理解數值分佈）
幻覺率	在定量任務中較高	極低（受架構邏輯約束）
主要應用場景	內容生成、摘要、編程	預測、異常檢測、數據清洗
上下文窗口（Context Window）	線性（文本序列）	多維（行 × 列）

變革商業智能

Nexus 的直接應用在於商業智能（Business Intelligence，BI）領域。目前的 BI 工具需要分析師手動構建儀表板。Fundamental AI 展示了一種工作流，用戶只需上傳原始數據集並提出高層級的戰略問題。

例如，在供應鏈場景中，用戶可能會問：「假設需求保持不變，A 地區原材料關稅上漲 15% 將如何影響我們第三季度的利潤率？」

標準的 LLM 可能會提供通用的定性回答。然而，Nexus 可以通過虛擬更改與「A 地區」相關的「成本」列中的數值，將這些變化傳導至利潤公式中，並返回具體的金額影響範圍，從而模擬該情景。這種能力使企業級 AI 能夠從被動的檢索系統轉變為主動的模擬引擎。

挑戰與未來路線圖

儘管擁有巨額融資和高估值，Fundamental AI 仍面臨重大挑戰。任何大型表格模型面臨的首要挑戰都是數據隱私。與網絡文本不同，最有價值的表格數據是私有的。Fundamental 必須說服企業信任其模型來處理敏感的財務和運營指標。

此外，該公司還面臨着來自老牌科技巨頭的競爭。Microsoft 和 Google 正在積極將「Copilot」功能整合到 Excel 和 Sheets 中。Fundamental 的護城河在於其模型的架構；雖然競爭對手通常是在電子表格界面上包裝 LLMs，但 Fundamental 聲稱其原生的表格架構提供了「套殼」解決方案無法模仿的卓越推理能力。

結論

Fundamental AI 攜 2.55 億美元「戰旗」的出現，標誌著人工智慧景觀的成熟。整個行業正超越最初對聊天機器人和圖像生成器的興奮，轉向為商業運作中嚴謹、定量的現實而設計的專用模型。

隨着 Nexus 開始在財富 500 強環境中部署，「數據素養（Data Literacy）」的定義可能很快就會發生變化。如果 Fundamental AI 取得成功，分析複雜數據集的能力將不再僅僅屬於數據科學家，而是屬於任何能夠提出正確問題的人。