文档分析的AI能值7亿美金？揭秘Hebbia的融资逻辑

分析文档的 AI，能值 7 个亿？

你可能会想，不就是个分析文档的工具吗？

但事实是，它真的做到了。

咱们聊的这家公司叫 Hebbia，一家做 AI 文档分析的工具。它完成了一轮 B 轮融资，估值直接飙到 7 亿美金，融资额 1.3 亿美金。

什么概念？

相当于一个 AI 应用，还没上市，就值 7 个亿。

更夸张的是，它并不是那种烧钱换流量的玩法，而是靠实打实的收入增长撑起来的。

两个关键指标，看懂 Hebbia 的核心逻辑

咱们直接看两个数字：

• 第一，年度经常性收入（ARR）是 1300 万美金

• 第二，18 个月里，收入增长了 15 倍

也就是说，它的估值大约是年度经常性收入的 54 倍。

54 倍，听起来很吓人，但在 AI 圈，这已经是常态了。

比如另一家 AI 法律助手 Harvey，估值倍数同样高达 60 倍。还有 Glean、Harvey 这些公司，都差不多是这个水平。

所以，AI 初创公司的估值逻辑，已经不再是传统的"市盈率"或者"市销率"，而是"看未来增长潜力"。

只要你的 ARR 涨得快，市场就愿意给你更高的倍数。

创始人是谁？斯坦福 + NASA 的天才少年

Hebbia 的创始人叫 George Sivulka，一个从斯坦福大学退学的博士生。

他 16 岁就开始为 NASA 工作，还发表过在国际科学会议上获奖的论文。2 年多时间拿下斯坦福数学学士学位，之后又拿了应用物理学硕士学位，在读人工智能博士期间开始创业。

他为什么创业？

因为他看到自己在金融行业工作的朋友们，每周工作 100 小时，大部分时间花在翻阅数千份文件上。

“白领"工作，本质上就是知识工作。金融、法律、咨询这些行业，每天都要面对海量的非结构化数据——PDF、PPT、表格、转录文档……

这些数据占全球数据的 96%，但 Google 只索引了 4%。

剩下的 96%，就是 Hebbia 要解决的市场。

产品有多强？2-3 小时的工作缩短到 2-3 分钟

Hebbia 的 AI 产品能够索引、阅读和理解这些非结构化私密数据，在复杂数据集上的表现，比当前最先进的机器学习信息检索技术平均高出 57%。

搜索速度和准确度提升了 10 倍。

举个例子：金融分析师之前需要花 2-3 个小时才能完成的搜索和整理工作，现在只要 2-3 分钟。

这背后是 Transformer 模型的应用。Sivulka 在 2019 年花了一个周末写了一个浏览器插件，用 Transformer 回答网页上的问题，而不是简单匹配关键词。

几天内，这个插件就引起了法学院、金融学院和斯坦福实验室学生的兴趣——他们想在大量私有文档中使用同样的工具。

于是，Hebbia 正式诞生。

投资方是谁？a16z、Index Ventures、Peter Thiel 都来了

这一轮 B 轮融资，领投方是 a16z，跟投的有 Index Ventures（从种子轮就开始支持）、Peter Thiel 以及谷歌的风险投资部门。

早在 2022 年 9 月，Hebbia 就完成了 3000 万美元的 A 轮融资，由 Index Ventures 领投。

它的个人投资人名单也相当豪华：

• Yahoo 创始人杨致远

• Google 早期投资者 Ram Shriram

• Scale AI 创始人 Alexandr Wang

• UC 伯克利机器人实验室主任 Pieter Abbeel 等

在 18 个月里，Hebbia 的收入增长了 15 倍，员工人数增加了 5 倍，模型调取量占 OpenAI 每日流量的 2% 以上。

摩根士丹利、大都会人寿、Centerview Partners 等知名机构都是它的客户。

创业者的核心能力：找到需求，解决痛点

最后，咱们回到视频一开始那句话：

找到需求满足痛点，是创业者首要能力。

Hebbia 的成功，不是因为它技术多先进，而是因为它找到了一个真实存在的痛点——知识工作者在庞杂文档中查找信息的效率太低。

它没有去造一个"全知全能"的 AI，而是聚焦在"文档分析"这个细分场景，把一件事做到极致。

对于创业者来说，这或许是最值得借鉴的一点：

不要想着做所有事，而是找到那个让你能"十倍好"于现有方案的点。

结语

7 亿美金的估值，54 倍的 ARR 倍数，15 倍的收入增长……

这些数字背后，是 Hebbia 对"知识工作"效率革命的理解。

当 AI 越来越像人类的时候，那些真正理解人类工作痛点的产品，才最有可能活下来。