7 月 29 日，以色列 AI 智能体初创公司 Encore AI 宣布完成 3000 万美元（约 2.03 亿元人民币）A 轮融资，由 Team8 领投，多家现有客户金融机构参投。公司成立不到 3 年，种子轮后 18 个月内 ARR 增长超 5 倍，已服务 40+ 全球企业客户，其中大部分为金融机构。
这轮融资最值得关注的信号不是金额本身，而是参与投资的金融机构此前已是 Encore AI 的客户——客户用真金白银投票，比任何 benchmark 都更有说服力。
注：条形宽度为相对比例示意，便于直观对比各维度量级；ARR 增长倍数和客户数为约数，以官方披露为准。
一个诚实的注脚：Encore AI 并未披露具体收入规模和估值信息。但「种子轮后 18 个月 ARR 增长超 5 倍」这个数字，在 SaaS 创业领域属于顶尖梯队——尤其考虑到它的客户集中在金融等强监管行业，销售周期天然更长。
Encore AI 的核心技术叫 交互挖掘（Interaction Mining）。它不是让 AI 从零开始学沟通，而是从企业内部已经证明有效的客户交互中提取经验。
——说白了，就是把公司里最能签单的销售、最会安抚客户的客服的沟通方式，变成一套可复用的 AI 能力。
用标准话术库 + 工单模板做自动化，目标是降低人力成本。不关心「谁做得好」「为什么好」。
分析优秀员工的电话录音、邮件、短信、CRM 数据，拆解沟通过程中哪些行为推动了成交或解决问题，再转化为智能体能力。
注：Encore AI 从上述四种数据源中采集完整客户交互过程，将沟通拆解为不同阶段，识别关键行为节点。
CEO Dvir Ginzburg 举了一个生动的例子：AI 智能体可以复用客户经理曾讲过的笑话，或者分享客户经理讲过的故事和案例——因为这些内容已经被验证能够带来更好的客户结果。这不是简单的「话术复制」，而是对有效沟通模式的系统化提取。
本质上，它构建的是一本融合了企业内部多个有效沟通方法的「行动手册」。
Encore AI 称，其平台可在数周内完成部署，无需企业进行长时间配置和调试。对于金融等强监管行业客户来说，这是一个关键卖点。
创始人 Dvir Ginzburg 的履历解释了这家公司的技术路线选择：
研究方向：从大规模复杂行为数据中提取有效信号。这正是「交互挖掘」技术的学术源头。
在微软期间积累的推荐系统经验，直接转化为对「客户交互中哪些行为影响结果」的建模能力。
工程落地能力——把学术想法变成可部署的产品，在强监管环境中跑通。
但更关键的壁垒在于数据资产。Salesforce、SAP、HubSpot 等 CRM 巨头也在布局企业 AI 智能体，但 Ginzburg 认为：传统 CRM 厂商通常不将历史客户沟通记录作为训练 AI 的核心数据源，而 Encore AI 从成立之初就把这件事作为基础设施来建设。
如果大型 CRM 厂商希望采用类似方式，需要重新调整数据采集流程、系统架构和技术体系——这不是一朝一夕能完成的。
注：这条链路的核心在于「数据闭环」——每一次客户交互的结果又会反馈回系统，持续优化智能体表现。
当 AI 智能体赛道陷入「参数竞赛」和「通用能力比拼」时，Encore AI 选择了一条更务实的路径：从企业内部已被验证的有效经验中提取智能，而不是让 AI 从零开始学习。这提醒我们——企业 AI 落地的关键壁垒，往往不在模型本身，而在能否将组织内部长期积累的隐性知识，系统性地转化为可执行的数字能力。
Encore AI 已开放企业客户申请，目前主要服务金融等强监管行业。核心技术已部署于语音、聊天、IVR 等全渠道客户触点。
encore-ai.com → 申请试用* 产品体验需企业资质审核，金融机构优先