更糟糕的是，這個問题的复杂性還在不断增加。以亚馬逊 Vendor Central 為例，它有超過 30 种不同的扣款类别，從發貨延迟到包装违规，每一种都有不同的规则和争議流程。中等规模消費品公司的財务团隊通常只有几個人，他们根本没有足够的人力去处理哪怕一半的扣款争議。這就是為什么這個問题長期以來一直存在，直到現在 AI 技术的成熟才讓解决它成為可能。
Glimpse 的 AI 解决方案到底有多强大
當我了解 Glimpse 的工作原理時，我意識到他们找到了一個非常聪明的切入點。他们没有试图构建一個通用的財务軟件，而是专注于解决一個具体但影响巨大的問题：自動化零售扣款的审查和争議流程。他们的平台使用 AI agents 來执行整個流程，從数据收集到争議解决，全程自動化。
具体來說，Glimpse 的系統首先會自動登录到各個零售商的門户网站，找到所有相關文档并集中起來。這听起來简单，但實際上非常复杂，因為每個零售商的系統都不一样，数据格式也完全不同。有些是 EDI（電子数据交换），有些是 PDF 文档，有些是邮件，有些藏在网页深处。Glimpse 的 AI 需要理解所有這些不同的数据源，并把它们整合成一個統一的视图。
Glimpse 的案例讓我對 AI agent 在企業應用中的價值有了更深的認識。過去一年，大家都在讨论 AI agent，但很多時候停留在概念层面或者 demo 阶段。而 Glimpse 则展示了 AI agent 在真實業务場景中能创造的實際價值：直接影响企業的利润率。
我認為 Glimpse 成功的關键在于他们選择了一個完美的切入點。扣款争議這個問题有几個特點，使它特别適合用 AI 來解决。這是一個高度重复性的任务，每個月都會發生成千上萬次。它涉及大量非结构化数据的处理，從 PDF 文档到网页数据到電子邮件。它需要跨多個系統進行数据驗證和匹配。它有明确的成功标准：争議是否成功、錢是否追回。所有這些特點加在一起，讓 AI agent 能够發挥最大优势。
我也注意到 Glimpse 并没有止步于扣款争議。他们已經在 2025 年推出了几個重要的平台能力扩展。除了最初的 KeHE 和 UNFI，他们現在支持 Target、Walmart、亚馬逊、Sam’s Club 等多個零售商。他们推出了端到端的 AI revenue recovery agents，可以处理扣款检索、编码、驗證和索赔提交的全流程。他们還開發了自動化現金應用功能，自動化了財务团隊在月末结账時最痛苦的工作流程之一。
特别值得一提的是他们推出的 AI 扣款明细化功能。每一条扣款都附带备份文档，這些文档通常超過 100 页，充满了混杂的零售商、SKU、經纪人和非结构化细节。大多数品牌不使用這些数据，不是因為它没有價值，而是因為手動大规模处理這些数据根本不可能。Glimpse 的 AI 可以将每一個相關细节提取到结构化的表格格式中，這解鎖了全新的智能层次：准确的經纪人佣金計算、按零售商的盈利能力分析、貿易分析、促銷表現评估、利润率改進策略等等。
這讓我想到一個更深层的問题：Glimpse 真正在构建的是什么？表面上看，他们是一個扣款争議自動化工具。但實際上，他们在构建的是 CPG 品牌的 AI 基础設施。他们的 CEO Akash Raju 說："我们的愿景是成為 CPG 和零售品牌的 AI 基础設施。"這個定位非常聪明。扣款争議只是一個切入點，一個能够快速證明價值的楔子。但通過解决這個問题，Glimpse 获得了對品牌零售運营数据的深度访問权限，這讓他们能够扩展到更广泛的零售合规自動化領域。
我特别認同 Andreessen Horowitz 合伙人 Joe Schmidt 的观點："数十年來,零售後台運营一直依赖電子表格和碎片化的工作流程。讓我们印象深刻的是客户推荐——Glimpse 正在提供清晰、可衡量的投資回報。通過将 AI 直接嵌入核心財务和運营工作流程,他们正在将這個市場從增量工具扩展為現代品牌的基础設施。"這段话准确地概括了為什么 Glimpse 重要：它不是在邊缘改進現有流程,而是在用 AI 重新定义這些流程應该如何運作。
我對 AI 改造传統行業的思考
Glimpse 的故事讓我對 AI 如何改造传統行業有了更深的認識。消費品行業是全球最大的市場之一,但它在現代軟件方面基本上没有被触及。品牌向主要零售商銷售時,通常要处理分散在几十個零售商門户和遗留系統中的碎片化、非结构化数据。分析师花費無数小時從門户拉取数据、從文档中提取行项目、在電子表格中工作,來驱動像對账扣款、争議無效費用、手動應用現金這样的工作流程——這些工作直接影响利润率,但几乎没有战略杠杆。
我也在思考為什么現在是 AI 改造這些传統行業的最佳時機。技术上,大語言模型已經足够强大,能够理解和处理非结构化数据。商業上,企業正面临利润压力,需要保护利润率,特别是在零售商整合权力并施加更严格的合规要求的情况下。仅亚馬逊 Vendor Central 就有超過 30 种不同的扣款类别,從延迟發貨到包装违规。中型 CPG 公司的財务团隊往往缺乏人力去争議其中的一半。這就是為什么像 Glimpse 這样的 AI 驱動平台变成了關键基础設施而不是可有可無的工具。
我相信我们将看到越來越多像 Glimpse 這样的公司出現,专注于用 AI 解决特定行業的特定痛點。這些公司不會试图构建通用 AI,而是會深入某個垂直領域,真正理解業务流程,然後用 AI 重新設計這些流程。這种方法比构建通用工具更難,因為需要深厚的行業知識,但一旦成功,壁垒也更高,價值也更大。
Glimpse 的 3500 萬美元 A 轮融資只是一個開始。我預計在未來几年,我们将看到大量資本涌入這個領域,推動 AI 在传統行業後台運营中的應用。那些能够像 Glimpse 一样找到高價值切入點、快速證明 ROI、然後扩展平台能力的公司,将有機會成為各自領域的基础設施级玩家。而對于 CPG 品牌來說,拥抱這些 AI 工具不再是選择题,而是生存必需品。那些能够更早采用、更好利用 AI 优化運营的品牌,将在竞争中获得显著优势。
失敗項目起死回生，a16z 為何給這家「追債」公司開出 3500 萬美元支票？
撰文：Leo
想象一下這個場景：你是某個知名消費品牌的 CFO，公司產品在 Target、Walmart、亚馬逊等大型零售商都有銷售，账面看起來一切正常。但每個月结算時，你會發現一個奇怪的現象：這些零售商支付的金额总是比账单少 20%左右。不是一次兩次，而是每個月都這样。你想證明他们少付了，但要做到這一點，需要你的团隊翻閱数百页的發貨记录、登录几十個不同的零售商門户网站、核對成千上萬条發票明细。這個工作量大到什么程度？你的財务团隊根本处理不過來，最後只能選择放弃追讨那些金额較小的扣款，眼睁睁看着几百萬美元從指缝中溜走。
這不是虚构情节，而是消費品行業每天都在上演的真實故事。我最近深入了解了一家名叫 Glimpse 的公司，他们刚刚获得了由 Andreessen Horowitz 領投的 3500 萬美元 A 轮融資。這家 Y Combinator 孵化的公司正在用 AI 解决一個價值上千億美元的行業痛點：零售扣款争議。當我看到他们的数据時，我被震惊了：一家 10 億美元规模的消費品公司，Glimpse 的 AI agent 在不到 24 小時内审查了 17000 条扣款记录，發現了價值数百萬美元的可追回收入。而如果用人工处理，這個工作量需要将近兩年時間。
零售行業最昂贵的隱形成本
在深入了解 Glimpse 的解决方案之前，我想先解释一下零售扣款這個問题到底有多严重。很多人可能不知道，消費品牌和零售商之間的交易并不像普通人想象的那么简单。品牌给零售商開账单，零售商付款，看似直截了當，但現實中，零售商几乎总是會在付款時扣除一部分金额，然後提供一個理由——比如貨物损坏、發貨短缺、包装不符合规范等等。
這些扣款有些是合理的，确實是品牌方的問题。但有相當一部分是無效扣款，也就是說，品牌其實没有做錯什么，但零售商依然扣了錢。問题在于，要證明這些扣款是無效的，需要极其繁琐的過程。財务团隊需要登录多個零售商系統、提取分散的文档、逐行审查明细、對照内部记录進行核對，然後管理整個争議流程。這個過程是如此复杂和耗時，以至于大多数品牌只能選择性地处理那些金额較大的扣款，其他的就當作成本损失接受了。
我看到一個数据讓我印象深刻：行業分析师估計，消費品公司每年总共有 80 億美元的有效争議因為運营能力不足而没有被追讨。這不是小数目。對于一個中等规模的消費品公司來說，無效扣款可能占到零售收入的 5%甚至更多。想象一下，如果你每年的零售收入是 1 億美元，就有 500 萬美元在這個過程中蒸發了，而你却因為没有足够的人手和系統來处理而無法追回。
更糟糕的是，這個問题的复杂性還在不断增加。以亚馬逊 Vendor Central 為例，它有超過 30 种不同的扣款类别，從發貨延迟到包装违规，每一种都有不同的规则和争議流程。中等规模消費品公司的財务团隊通常只有几個人，他们根本没有足够的人力去处理哪怕一半的扣款争議。這就是為什么這個問题長期以來一直存在，直到現在 AI 技术的成熟才讓解决它成為可能。
Glimpse 的 AI 解决方案到底有多强大
當我了解 Glimpse 的工作原理時，我意識到他们找到了一個非常聪明的切入點。他们没有试图构建一個通用的財务軟件，而是专注于解决一個具体但影响巨大的問题：自動化零售扣款的审查和争議流程。他们的平台使用 AI agents 來执行整個流程，從数据收集到争議解决，全程自動化。
具体來說，Glimpse 的系統首先會自動登录到各個零售商的門户网站，找到所有相關文档并集中起來。這听起來简单，但實際上非常复杂，因為每個零售商的系統都不一样，数据格式也完全不同。有些是 EDI（電子数据交换），有些是 PDF 文档，有些是邮件，有些藏在网页深处。Glimpse 的 AI 需要理解所有這些不同的数据源，并把它们整合成一個統一的视图。
接下來，系統會對每一条扣款進行分类。這一步看似简单，實際上需要深度理解業务邏輯。AI 需要知道這是哪种类型的扣款、涉及哪些產品、發生在什么時間、對應哪個订单。然後，它會将這些扣款與品牌的内部数据進行驗證——比如供應鏈记录、促銷日历、發貨清单等等。通過這种交叉驗證，AI 可以判断哪些扣款是合理的，哪些是無效的。
最關键的是，當系統識别出無效扣款後，它不會停在那里，而是會自動提交争議申請，跟進整個流程，追踪現金回收的進度，然後将所有信息同步回品牌的 ERP 系統。整個過程從頭到尾都是自動化的，不需要人工干預。當然，Glimpse 也保留了人工参與的环节，主要用于确保结果質量，比如跟進争議以推動解决和現金回收，以及在分类和数据提取等關键步驟進行質量保證。
我觉得最厉害的地方在于，這個系統會越用越智能。每处理一次扣款，它就會學习和改進，不断优化分类、驗證和解决的能力。隨着時間推移，這會创造一种复合数据优势：每一次新的集成、每一個新客户，都會讓整個网络变得更智能、更有效。這就是為什么 Glimpse 能够達到 91%的争議胜率，同時减少多達 80%的人工劳動時間。
我看到一個客户案例特别能說明問题。Evermark 是 Suave 品牌和 Chapstick 的母公司，他们的 FP&A 高级总监 Sean Quinn 說："像大多数主要消費品牌一样，Evermark 過去不得不為可以审查的扣款設定一個最低金额門槛，因為根本没有足够的時間或人力來审查每一条扣款。通過使用 Glimpse 的 AI 自動化审查和對账流程，我们不仅取消了這個門槛，還解鎖了一個新的現金流來源，這将带來数百萬美元的收入，而這些錢以前被認為是’核銷’或做生意的成本。“這段话的關键在于"取消門槛”——過去他们只能处理金额超過某個数字的扣款，現在每一条扣款都會被审查，這意味着大量之前被忽略的小额扣款現在都能被追回。
從失败到成功：三個普渡大學朋友的轉型故事
Glimpse 的创始故事本身就很有意思，它体現了创業中最重要的一點：快速试錯和果断轉型的能力。创始人 Akash Raju、Anuj Mehta 和 Kushal Negi 是普渡大學的同學，他们最初做的项目跟現在完全不同：一個為 Airbnb 做產品植入的公司。這個项目在 2020 年启動，但到了 2024 年，创始人意識到產品市場契合度不够，决定彻底轉型。
用 Akash Raju 自己的话說："我们最终感觉缺乏產品市場契合度，决定做一次硬轉型。在這個過程中，我们接触到了品牌的後台办公室，以及在零售中銷售的混乱局面,最终促使我们创建了今天的 Glimpse。"這种轉型需要极大的勇氣，因為這意味着放弃之前所有的工作，從零開始。但正是這种决断，讓他们找到了一個真正有價值的問题。
更讓我佩服的是，在轉型期間，创始团隊甚至有時候連工資都不發，完全靠對產品的热情和信念支撑。這种"不達目的誓不罢休"的执着精神贯穿了他们做的每一件事。而這种精神也得到了投資人的認可。他们通過一個共同的创始人朋友認識了 Andreessen Horowitz 的投資人，隨着業务的扩展建立了深厚的關系，最终促成了這次 3500 萬美元的融資。
有意思的是，這轮融資在命名上也有點故事。Glimpse 去年在業务轉型後获得了由 8 VC 領投的 1000 萬美元融資，當時称之為 A 轮。現在這 3500 萬美元的融資也叫 A 轮，而之前的 1000 萬美元被重新定义為种子轮。加上轉型前的融資，公司总共已經筹集了 5200 萬美元。這种灵活的融資轮次命名在创業圈并不罕見，特别是對于經历過重大轉型的公司。
团隊的执行能力從他们 2025 年的表現就能看出來。他们在進入 2025 年時就設定了明确的战略：招聘优秀人才并在一起工作、深度嵌入客户工作流程、采用面對面的市場策略。他们的内部口号是"無处不在"——通過持續出現并提供帮助來建立信任。這個策略奏效了。2025 年，他们實現了 10 倍的收入增長，為客户追回的收入增加了 10 倍，处理的發票量增長了 5 倍達到 10 億美元，团隊规模扩大了 5 倍達到 25 人以上，客户数量增長了 3 倍達到 150 多個消費品牌。
AI Agent 在財务自動化中的真正價值
Glimpse 的案例讓我對 AI agent 在企業應用中的價值有了更深的認識。過去一年，大家都在讨论 AI agent，但很多時候停留在概念层面或者 demo 阶段。而 Glimpse 则展示了 AI agent 在真實業务場景中能创造的實際價值：直接影响企業的利润率。
我認為 Glimpse 成功的關键在于他们選择了一個完美的切入點。扣款争議這個問题有几個特點，使它特别適合用 AI 來解决。這是一個高度重复性的任务，每個月都會發生成千上萬次。它涉及大量非结构化数据的处理，從 PDF 文档到网页数据到電子邮件。它需要跨多個系統進行数据驗證和匹配。它有明确的成功标准：争議是否成功、錢是否追回。所有這些特點加在一起，讓 AI agent 能够發挥最大优势。
更重要的是，這個問题有立竿見影的投資回報。Glimpse 的一個投資人曾說，他们寻找的是"第一季度就能收回成本的軟件"——而扣款追回工具完全符合這個标准。當一個品牌每年能通過 Glimpse 追回几百萬美元時，軟件的订閱費用相比之下就显得微不足道了。這种清晰的價值主张讓 Glimpse 能够快速获客并保持极高的客户留存率。
我也注意到 Glimpse 并没有止步于扣款争議。他们已經在 2025 年推出了几個重要的平台能力扩展。除了最初的 KeHE 和 UNFI，他们現在支持 Target、Walmart、亚馬逊、Sam’s Club 等多個零售商。他们推出了端到端的 AI revenue recovery agents，可以处理扣款检索、编码、驗證和索赔提交的全流程。他们還開發了自動化現金應用功能，自動化了財务团隊在月末结账時最痛苦的工作流程之一。
特别值得一提的是他们推出的 AI 扣款明细化功能。每一条扣款都附带备份文档，這些文档通常超過 100 页，充满了混杂的零售商、SKU、經纪人和非结构化细节。大多数品牌不使用這些数据，不是因為它没有價值，而是因為手動大规模处理這些数据根本不可能。Glimpse 的 AI 可以将每一個相關细节提取到结构化的表格格式中，這解鎖了全新的智能层次：准确的經纪人佣金計算、按零售商的盈利能力分析、貿易分析、促銷表現评估、利润率改進策略等等。
這讓我想到一個更深层的問题：Glimpse 真正在构建的是什么？表面上看，他们是一個扣款争議自動化工具。但實際上，他们在构建的是 CPG 品牌的 AI 基础設施。他们的 CEO Akash Raju 說："我们的愿景是成為 CPG 和零售品牌的 AI 基础設施。"這個定位非常聪明。扣款争議只是一個切入點，一個能够快速證明價值的楔子。但通過解决這個問题，Glimpse 获得了對品牌零售運营数据的深度访問权限，這讓他们能够扩展到更广泛的零售合规自動化領域。
据報道，他们的路线图包括促銷對账、貿易支出优化、零售商支付行為預测分析等模块。一位接近這笔交易的投資人表示，公司最终可能會构建一個完整的"零售財务運营平台"，位于 ERP 系統和零售商門户之間,為 CPG 品牌自動化整個订单到現金的周期。如果這個愿景實現，Glimpse 将不仅仅是一個工具，而是成為 CPG 品牌運营的核心基础設施。
這對整個行業意味着什么
Glimpse 的快速崛起和成功融資，我認為标志着企業 AI 應用進入了一個新阶段。2025 年,消費者 AI 應用占据了所有頭条，但投資人現在開始大举押注那些能解决不起眼但昂贵的商業問题的 AI 工具。扣款追踪、發票對账、合规监控，這些都不會產生炫酷的 demo，但它们直接影响 EBITDA。這正是能在經济下行時期生存下來的價值主张类型，也是 Andreessen Horowitz 愿意為之支付高额企業 SaaS 倍数的原因。
我观察到一個有趣的趋势：竞争格局正在快速升温。Claimify 去年為类似的零售争議自動化筹集了 1200 萬美元的 A 轮融資，而像 HighRadius 和 Billtrust 這样的传統玩家正在向他们的應收账款平台添加 AI 模块。但 Glimpse 的 Y Combinator 背景和在中端市場 CPG 品牌中的早期牵引力,在融資過程中给了它优势。据報道,公司的收入同比增長了 14 倍,尽管具体的 ARR 数字没有披露。
8 VC 的持續参與也很能說明問题。這家公司領投了 Glimpse 2024 年的种子轮，并在這轮 A 轮中繼續跟投。8 VC 有投資自動化手動財务流程的垂直 SaaS 的记录。该公司合伙人 Alex Kolicich 此前曾對福布斯表示,8 VC 寻找的是"第一季度就能收回成本的軟件"——當品牌每年能追回六位数或七位数時,争議追回工具完全符合這种 ROI 模式。
從更宏观的角度看，Glimpse 的成功驗證了一個简单的论點：自動化那些每年讓 CPG 品牌损失数百萬美元的不起眼的中台工作,這里面有大生意。有了 Andreessen Horowitz 的支持和一個從第一天起就能提供可衡量投資回報的產品,公司处于有利位置去主导零售争議解决這個品类。
真正的考驗将在未來 12 個月到來,看 Glimpse 能否超越其初始客户群進行规模化,并證明该平台能够处理企業级 CPG 品牌管理成千上萬 SKU 跨越数十個零售合作伙伴的運营复杂性。如果產品能兑現其利润率回收承诺,這轮 A 轮融資在公司下一轮融資時可能看起來像是捡了個大便宜。
我特别認同 Andreessen Horowitz 合伙人 Joe Schmidt 的观點："数十年來,零售後台運营一直依赖電子表格和碎片化的工作流程。讓我们印象深刻的是客户推荐——Glimpse 正在提供清晰、可衡量的投資回報。通過将 AI 直接嵌入核心財务和運营工作流程,他们正在将這個市場從增量工具扩展為現代品牌的基础設施。"這段话准确地概括了為什么 Glimpse 重要：它不是在邊缘改進現有流程,而是在用 AI 重新定义這些流程應该如何運作。
我對 AI 改造传統行業的思考
Glimpse 的故事讓我對 AI 如何改造传統行業有了更深的認識。消費品行業是全球最大的市場之一,但它在現代軟件方面基本上没有被触及。品牌向主要零售商銷售時,通常要处理分散在几十個零售商門户和遗留系統中的碎片化、非结构化数据。分析师花費無数小時從門户拉取数据、從文档中提取行项目、在電子表格中工作,來驱動像對账扣款、争議無效費用、手動應用現金這样的工作流程——這些工作直接影响利润率,但几乎没有战略杠杆。
整個行業每年在後台劳動力上花費超過 1000 億美元,而這些工作從之前几波企業軟件浪潮中获得的生產力提升非常有限。AI 第一次讓端到端自動化這种复杂性成為可能。我認為這才是最重要的洞察：不是所有問题都能用传統軟件解决,有些問题需要等待技术進步到某個临界點才能被有效解决。
我也在思考為什么現在是 AI 改造這些传統行業的最佳時機。技术上,大語言模型已經足够强大,能够理解和处理非结构化数据。商業上,企業正面临利润压力,需要保护利润率,特别是在零售商整合权力并施加更严格的合规要求的情况下。仅亚馬逊 Vendor Central 就有超過 30 种不同的扣款类别,從延迟發貨到包装违规。中型 CPG 公司的財务团隊往往缺乏人力去争議其中的一半。這就是為什么像 Glimpse 這样的 AI 驱動平台变成了關键基础設施而不是可有可無的工具。
我相信我们将看到越來越多像 Glimpse 這样的公司出現,专注于用 AI 解决特定行業的特定痛點。這些公司不會试图构建通用 AI,而是會深入某個垂直領域,真正理解業务流程,然後用 AI 重新設計這些流程。這种方法比构建通用工具更難,因為需要深厚的行業知識,但一旦成功,壁垒也更高,價值也更大。
Glimpse 的 3500 萬美元 A 轮融資只是一個開始。我預計在未來几年,我们将看到大量資本涌入這個領域,推動 AI 在传統行業後台運营中的應用。那些能够像 Glimpse 一样找到高價值切入點、快速證明 ROI、然後扩展平台能力的公司,将有機會成為各自領域的基础設施级玩家。而對于 CPG 品牌來說,拥抱這些 AI 工具不再是選择题,而是生存必需品。那些能够更早采用、更好利用 AI 优化運营的品牌,将在竞争中获得显著优势。