在當下AI技術狂飆突進的時代，大語言模型的智能程度備受矚目，然而一個關鍵問題卻常被忽視：若AI輸入的數據質量低劣，其輸出結果必然也難如人意。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接受的。

在硅谷，一家名為Reducto AI的初創企業有望解決這一難題。該公司成立僅18個月，在未進行任何營銷的情況下，就成功融資1.08億美元，約合人民幣7.6億元，如此快速的融資速度在火爆的AI熱潮中也十分罕見。

嘉和資本CEO袁子恒指出，文檔解析類產品，能做和做好的差別很大，B端客戶對高精度要求極高，尤其是文檔布局中的表格、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，且以超過40%的速度高速增長，因為企業80%以上的數據是非結構化的，且還在持續增加，這些數據都需處理成高質量、結構化且可供AI使用的數據。同時，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阻礙，痛點十分迫切。

Reducto AI于2023年1月創立，起初只是兩人團隊。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。頂級風投機構在極短時間內接力領投，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這三家風格頂尖的機構先后成為Reducto的“第一大外部股東”，到2025年10月，累計融資額達1.08億美元。Reducto CEO Adit Abraham曾在播客采訪中透露，公司僅兩人團隊時，Benchmark的Chetan Puttagunta就主動聯系，建議進行A輪融資，這一“反向推銷”現象充分體現了Reducto在硅谷的影響力。

Reducto的產品形態是一個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。它并非單一工具，而是面向開發者的“工具箱”，核心API矩陣構成完整工作流，大致由四種API組成。Parse API作為基礎，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，精確提取結構化字段；Split API將長文檔智能拆分為語義上有意義的“塊”，優化下游RAG應用上下文；Edit API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。除ARR外，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。這筆資金將用于在AI人才戰中招募頂尖博士，并應對與AWS、Google等云巨頭的長期消耗戰。

Reducto AI的兩位創始人經驗豐富、性格互補，順利走過硅谷經典創業歷程。公司由兩位MIT畢業生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”，深諳技術商業化和規模化關鍵。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并實現20萬美元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的項目名為“Remembrall”，是“LLM的長期記憶API”，在Twitter上引起關注并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，該項目只是“弱信號”的“維生素”產品，而非解決“止痛藥”類問題。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，他們用一個周末用Streamlit構建簡單PDF解析工具原型并在YC論壇發布，得到截然不同反饋，用戶紛紛表示比從AWS得到的結果還好并詢問是否有API。這一反饋讓他們意識到找到真正痛點，立即放棄原有項目，專注于文檔智能，Reducto AI由此誕生。在YC期間，他們憑借新方向和出色產品原型，在仍是兩人創業公司時就簽下一家《財富》10強企業客戶，驗證了產品市場契合度。

Adit在業內形象鮮明，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”一個價值5000美元的合同，因客戶需求會分散團隊精力，還拒絕了價值“數百萬美元”的建筑文件合同，因其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上做到極致。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，其銷售理念是“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%的高復合年增長率高速擴張。該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，價格低廉且與云生態深度集成；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，免費且可自托管。然而，Reducto正在其中開辟新“藍海”。它是在正確時間（VLM與RAG爆發的技術周期）、由正確的人（“產品CEO” Adit與“技術天才CTO” Raunak）、執行正確戰略（從YC的“市場拉力”轉型和“極端專注”）的“三重奏”公司。它未投身“淘金熱”制造LLM，而是選擇成為關鍵“賣鏟人”。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，將決策時間從幾天縮短到幾秒。

不過，Reducto也面臨諸多競爭和挑戰。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海外客戶，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正將文檔處理能力與VLM（如Gemini）和AI平臺（如Bedrock）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。不過，袁子恒表示，巨頭切入的市場可能與Reducto不同，DeepSeek今年10月發布的Deepseek - OCR，雖看起來和Reducto相似，但從目標、要解決的問題和面向的市場來看，完全不同。另外，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。