2026 年 4 月 17 日，供应链 AI 平台Loop正式宣布完成9500 万美元 C 轮融资，由 Valor Equity Partners 领投，8VC、Founders Fund、Index Ventures、J.P. Morgan Growth Equity Partners 等顶级资本跟投。
这家仅成立 4 年的公司，凭借 “AI 重构供应链后台” 的硬核路线，在 AI 应用普遍商业化艰难的环境下，实现高增长、高续约、高口碑，成为今年供应链科技最受瞩目的融资案例之一。
一、融资概览：资本为什么重仓 Loop？
-
轮次：C 轮
-
金额：9500 万美元
-
领投：Valor Equity Partners（Elon Musk、xAI 主要投资方）
-
跟投：Founders Fund、8VC、Index Ventures、摩根大通等
-
定位：AI 驱动的供应链后办公室自动化平台
资本给出的核心逻辑很明确：
Loop 解决的不是锦上添花的调度问题，而是行业几十年没人啃动的 “脏数据、乱流程、高差错” 真痛点。
二、起源：从 Uber 物流痛点，看到万亿级机会
Loop 的两位创始人Matt McKinney与Shaosu Liu，均是前 Uber 工程师，曾负责 Uber Freight、Uber Eats 物流体系。
在处理海量货运订单时，他们发现一个被严重忽视的行业真相：
-
全球供应链仍大量依赖PDF、邮件、纸质单据流转
-
承运商、货代、仓库、海关、财务系统完全割裂
-
运费、附加费、滞期费、装卸费等关键数据散落非结构化文档
-
人工核对成本高、差错率高、合规风险高
简单说：
前台物流已经数字化，后台办公室还停留在石器时代。
大模型技术的爆发，让他们看到了解开这个死结的可能。于是两人离开 Uber，创立 Loop。
三、产品路线：不做性感调度，先啃最硬的后台
Loop 没有跟风做 “预测性物流”“智能排车” 等热门方向，而是选择了 **Back-office Operations（后办公室运营）** 作为突破口：
核心产品：DUX AI 模型家族
专门针对供应链非结构化数据训练，能力包括：
-
自动识别、解析PDF 发票、提单、邮件、纸质单据
-
提取费用、线路、日期、供应商、合同条款等关键字段
-
自动核对报价 vs 账单，秒级识别异常费用
-
自动触发对账、审批、财务入账流程
-
持续沉淀行业规则，形成垂直领域数据壁垒
官方比喻非常精准：
不只做年度体检，而是提供日常健康管理与长期优化。
四、从发票审计，到全栈供应链 AI 平台
Loop 的产品边界，随着融资不断扩张：
-
起步：物流发票审计、费用异常检测、差错拦截
-
扩张：全流程单据自动化、对账中心、供应商合规
-
进阶：需求预测、库存优化、运输规划、成本分析
-
终局：成为供应链智能层，连接财务、运营、物流、仓库所有系统
目前已服务 Outset Medical、Clemens Food Group、Olipop、Kendra Scott、Dot Foods 等企业，客户续约率极高。
五、融资成长路径：典型 AI 应用公司教科书
-
2023 年 10 月：3500 万美元 B 轮（摩根大通领投）
-
2026 年 4 月：9500 万美元 C 轮（Valor 领投）
估值跃升的核心动力：
-
产品从单点工具→全栈平台
-
数据飞轮形成：每单都在训练行业大模型
-
商业化实打实：规模化营收 + 高留存
-
壁垒极深：通用模型无法处理垂直脏数据
六、供应链 AI 的 “深水区打法”：重运营，才是真壁垒
Loop 给创业者的启示非常明确：
AI 时代最大的机会，往往在那些不够酷、但足够痛的硬骨头里。
供应链为什么难？
-
系统多、标准乱
-
数据散、格式杂
-
流程长、人工多
-
通用大模型完全 “读不懂”
Loop 的解法：
AI 模型 + 行业 Know-how + 数据清洗 + 系统集成 + 流程再造
这种 “重模式” 看起来慢，但一旦跑通，客户粘性、替换成本、数据壁垒都极高。
七、未来目标：成为供应链的 “智能中枢”
创始人表示，Loop 的终极目标是：
成为供应链的智能层，让财务与运营真正打通，让数据自由流动。
本次 C 轮融资将用于：
-
扩大 DUX 模型能力边界
-
拓展全球市场
-
深化库存、需求、运输等核心模块
-
加速生态集成
八、总结：啃下硬骨头，才能活得久
在所有人追逐 AI 爆款应用时，Loop 走出了一条最扎实的路：
-
不追风口，只解决真问题
-
不做表面应用，深耕基础设施
-
不靠噱头，靠客户真实 ROI
它证明了一件事：
AI 想要落地产业，必须扎进最脏、最乱、最难的地方。
能啃下硬骨头的公司，才能在行业里真正活得长、活得稳。
Loop 的故事，也为所有垂直 AI 创业者提供了一份标准答案：
痛点够痛、场景够深、数据够专、壁垒够厚。