在當下人工智能技術飛速發展的浪潮中，大語言模型備受矚目，人們都在追逐更智能、更強大的模型。然而，一個關鍵問題卻被多數人忽視：輸入數據的質量直接影響輸出結果。若AI“吃”的是低質量數據，那它“吐”出的也必然是低質量成果。在B端企業里，超過80%的數據被困在PDF、掃描件、表格和演示文稿等非結構化文檔中，傳統OCR工具處理這些文件時，常出現布局混亂、表格破壞等問題，導致下游大語言模型產生“幻覺”，這在金融、醫療、法律等嚴肅場景中是無法被接受的。
在硅谷，一家名為Reducto AI的初創企業或許能解決“垃圾進，垃圾出”的難題。這家公司成立僅18個月，在沒有大規模營銷的情況下，就成功融資1.08億美元，約合人民幣7.6億元。在AI熱潮中，這樣的融資速度十分罕見。
嘉和資本CEO袁子恒指出，文檔解析類產品，能做和做好的差別巨大，B端客戶對高精度要求極高，尤其是文檔布局的表格、復雜公式識別。Reducto AI能迅速脫穎而出，正是憑借這一優勢。從產業鏈定位看，非結構化數據解析平臺屬于基礎設施層，類似“賣鏟人”。無論AI營銷、客服、財務、研發、HR還是供應鏈等領域，都離不開底層結構化數據。全球市場規模超千億美金，且以超40%的速度高速增長，因為企業80%以上的數據是非結構化的，且還在持續增長，這些數據都需要處理成高質量、結構化、可供AI使用的數據。數據未達到AI可用狀態，是目前國內外企業落地AI和構建自有知識庫的最大障礙，痛點十分迫切。
Reducto AI成立于2023年1月，起初是兩人團隊。從2024年起，其憑借API優先的文檔AI平臺吸引全球頂級投資機構目光。頂級VC在短時間內接力領投，反映出他們對這家“品類定義者”公司的極度擔憂錯過（FOMO）。其A輪（2025年4月）和B輪（2025年10月）融資間隔僅5 - 6個月，還觸發了B輪領投方a16z的“搶先下注”。First Round、Benchmark和a16z這三家頂尖機構相繼成為Reducto的第一大外部股東。到2025年10月，Reducto累計融資額達1.08億美元。有一個小故事能證明其融資速度，公司CEO Adit Abraham在播客采訪中透露，兩人團隊時，Benchmark的Chetan Puttagunta就主動溝通，建議進行A輪融資，這種“反向推銷”現象充分體現了Reducto在硅谷的影響力。
Reducto的產品形態是API優先的文檔AI平臺，搭配名為“Reducto Studio”的交互式工作區，供團隊構建、評估和部署數據管道。它不是單一工具，而是面向開發者的“工具箱”，核心API矩陣構成完整工作流，大致由4種API組成。Parse API是基礎，能將復雜文檔轉換為包含文本、表格、圖形及布局信息的結構化輸出；Extract API基于Parse API，允許用戶通過提供JSON Schema或自然語言提示，從文檔中精確提取結構化字段；Split API可將長文檔智能拆分為語義上有意義的“塊”，為下游RAG應用優化上下文；Edit API是核心，是行業首個AI文檔編輯API，允許AI“回寫”或填寫文檔中的空白、復選框和表格。
Reducto憑借核心產品技術實現“閃電戰”式增長。參加2024年初的YC W24批次期間，完成從“LLM記憶”到“文檔AI”的關鍵轉型。核心產品（Parse API）發布后6個月內，ARR從0增長到超100萬美元。2025年10月播客采訪中，CEO Adit Abraham分享了通過“創始人主導銷售”實現ARR突破500萬美元的經驗。其他增長指標也十分亮眼，到2025年4月A輪融資時，已處理“數億頁”文檔；2025年10月B輪融資時，累計處理量超“10億頁”，A輪到B輪短短5 - 6個月內，月處理量增長6倍。Reducto資本效率極高，CEO Adit Abraham多次強調，籌集1.08億美元后，到2025年10月僅“燒掉”100萬美元，表明產品市場契合度極強，團隊精干。這筆錢將用于招募頂尖博士，應對與AWS、Google等云巨頭的長期競爭。
Reducto AI的兩位創始人經驗豐富、性格互補，順利走過從“維生素”到“止痛藥”的硅谷經典創業歷程。公司由兩位MIT畢業的聯合創始人Adit Abraham（CEO）和Raunak Chowdhuri（CTO）共同創建。Adit畢業于麻省理工學院，獲計算機科學與工程學士學位，曾在Google擔任產品經理，負責YouTube搜索，領導過收入頗高的項目發布，還在MIT Media Lab和BlinkAI從事機器學習研究，是具備深厚技術背景的“產品型CEO”，深刻理解技術商業化和規模化的關鍵。Raunak同樣畢業于MIT，獲計算機科學學士學位，主攻AI與機器人方向，高中畢業前就在計算機視覺領域發表學術論文，獲超100次引用，在MIT期間，曾在MIT Driverless的感知團隊和MIT林肯實驗室擔任機器學習研究員，創辦Reducto前，還創辦過計算化學咨詢公司，實現20萬美元的ARR，是Reducto的技術核心，在計算機視覺領域有近十年“科班”經驗。兩人最初在MIT一門研究生機器學習課程上結識。
Reducto的誕生并非一帆風順，經歷了產品轉型。最初，Adit和Raunak申請YC的項目是“Remembrall”，一個“LLM的長期記憶API”，在Twitter上引起關注，收到數百個試用注冊。但Adit與早期用戶交流后發現，用戶雖覺得想法有趣，卻無真正需求，客戶只愿每月支付10 - 20美元，這只是一個“弱信號”的“Vitamin”產品，而非解決“Painkiller”類問題的產品。深入與客戶對話后，他們發現客戶反復抱怨的“若能管理聊天記錄，能否管理用戶上傳的PDF文件”才是“強信號”，幾乎所有AI團隊都面臨“處理PDF的準確性”問題。于是，他們花一個周末用Streamlit構建簡單PDF解析工具原型，在YC論壇發布后，得到截然不同反饋，用戶紛紛詢問是否有API，這讓他們意識到找到真正痛點，立即放棄原有項目，專注文檔智能，Reducto AI由此誕生。在YC期間，兩人創業公司就簽下一家《財富》10強企業客戶，驗證了產品市場契合度。
Adit在業內形象清晰，極端專注、反直覺、客戶至上，重視“拒絕”的藝術。Reducto早期，他果斷“解雇”價值5000美元的合同，因客戶需求會分散團隊精力，還拒絕價值“數百萬美元”的建筑文件合同，因不符合對核心產品精度的專注。他推崇“工程師每周只有一個優先事項”的工作模式，確保團隊在一個方向做到極致。作為技術背景的創始人，他親自負責銷售，直到ARR突破500萬美元，銷售理念是“關懷勝于銷售技巧”，強調與早期客戶建立深度關系。
Reducto所處的“智能文檔處理”（IDP）市場，正以20% - 30%的高復合年增長率擴張。這個賽道看似是充斥三類玩家的“紅海”，云巨頭（如Amazon Textract、Google document AI）是云平臺“捆綁”服務，價格低廉，與云生態深度集成；老牌企業軟件（如ABBYY）是為“業務人員”設計的“低代碼”RPA工具，品牌歷史悠久；還有一堆開源工具（如Unstructured.io），免費、可自托管。然而，Reducto正在其中開辟新“藍海”。云巨頭工具“大而全”，但在需要極致準確性的“長尾”復雜文檔上表現不佳，Reducto在基準測試中“最高領先AWS、Google和Azure 20%”，在金融或醫療領域，這20%的準確性至關重要。例如，AI原生TPA（第三方管理人）Elysian使用Reducto處理保險索賠文件，審查速度提高16倍；醫療公司Anterior使用Reducto處理醫療記錄，實現99%以上準確率，決策時間從幾天縮短到幾秒。
不過，Reducto也面臨競爭和挑戰。袁子恒正在陪跑一家中國出海的文檔解析創業企業，該企業精度超過Reducto，成本更低、速度更快，開發了自有多模態數據解析引擎和多個自研模型，主要面向海外市場，已獲取美國知名大學、金融機構和歐洲企業等客戶，在解析精度、千頁價格、支持格式種類上超過歐洲大力扶持的大模型廠商Mistral的OCR。同時，大廠也帶來挑戰，AWS和Google將文檔處理能力與VLM和AI平臺深度“捆綁”銷售，可能以“更低”甚至“免費”價格提供“足夠好”的解析能力；行業還面臨“GPT - 5是否會免費解決這一切”的長期威脅，隨著基礎模型視覺理解能力飛躍，Reducto的“準確性”優勢可能被削弱。CEO Adit Abraham的“極端專注”哲學雖助力公司實現從0到500萬ARR的奇跡，但被認為難以將公司從500萬ARR帶到1億美元ARR。
