帝亚梵的公司点评：AlphaSense属于是2023年来我扫过这么多创业公司里优势最明确的，如今这个优势依然明显，只是这条赛道似乎正在触及一些天花板？老样子，想看更多公司分析别忘了文末点红心～
二十多年前，一位叫 Jack Kokko 的年轻人坐在摩根士丹利的办公室里，面前堆着上千份 PDF——财报、招股书、行业报告、分析师纪要。
他要回答的问题往往很简单：「这家公司管理层最近一次提到『定价压力』是什么时候？」但要找到答案，他只能一份一份地打开文档，按下 Ctrl+F，输入关键词，再翻到下一份。
一个本该几秒钟解决的问题，常常要耗掉他几天时间。
这种「信息明明就在那里，却找不到」的痛苦，后来变成了一家公司的起点。Kokko 离开投行，创办了 AlphaSense，一个专门帮金融与企业用户在海量文档里「秒级」找到答案的搜索引擎。
听起来，这是个再普通不过的「企业搜索」生意。
有意思的地方在于：在 2026 年的今天，当 ChatGPT、Perplexity 这些工具几乎把「搜索」和「问答」变成免费品的时代，AlphaSense 不但没有被碾平，反而在过去 18 个月里把估值从约 40 亿美元一路翻倍到 75 亿美元，年度经常性收入（ARR，可以理解为按订阅模式稳定收上来的年收入）也从两年前的约 2 亿美元冲到了 6 亿美元以上。
一边是「搜索免费」的滔天大势，一边是一家按每个席位每年一两万美元收费的「付费搜索」公司估值翻倍。这中间的反差，恰恰藏着这门生意真正值钱的秘密。
ChatGPT没能吃下的套壳市场
按常识推演，AlphaSense 该是最危险的那类公司。
它的核心能力是「搜索 + 总结」，而这正是大语言模型最擅长、且边际成本几乎为零的事。当任何人都能打开 ChatGPT 免费问「帮我总结这份财报的风险点」，凭什么还有几千家机构愿意为同样的动作每年掏出真金白银？
这个质疑很有力，也确实是悬在所有「AI 套壳」公司头上的达摩克利斯之剑。过去两年，大量做「文档问答」「会议纪要总结」的创业公司，正是因为答不上这个问题而迅速贬值——它们提供的能力，通用大模型免费就能给。
如果 AlphaSense 卖的只是「搜索」这个动作，那它的故事到这里就该结束了。但它估值翻倍的事实告诉我们：它卖的根本不是搜索本身。
真正的护城河：AI 拿不到的那些数据
要理解 AlphaSense 凭什么，得拆开它的「三重飞轮」。
第一重，是一座通用 AI 进不去的内容金矿。
AlphaSense 的引擎背后，是超过 5 亿份的「高质量付费文档」，上市公司财报、券商研报、行业专家访谈、监管文件、新闻舆情。
这其中相当一部分，是 ChatGPT 们爬不到、也买不起的。这些内容要么藏在付费墙之后，要么受版权与合规约束，公开大模型的训练数据里根本不存在。
这道壁垒在 2024 年被进一步加固。当年 7 月，AlphaSense 斥资约 9.3 亿美元收购了 Tegus，一个专门做「专家访谈转录」的平台。
投资机构想了解某个细分行业，过去要花大价钱约访谈行业老兵；Tegus 把这些一手访谈整理成可检索的文字库。
把 Tegus 装进引擎后，AlphaSense 等于同时握住了「公开文档」和「专家一手认知」两类稀缺数据。
这是免费 AI 给不了的东西，你可以让 ChatGPT 帮你总结一段话，但你无法让它凭空变出一份它从未见过的专家访谈。
第二重，才是 AI。 在这座金矿之上，AlphaSense 叠加了自家的 AI 检索与生成能力，能直接给出带出处、可溯源的答案。
注意顺序：是「独家数据 + AI」，而不是「AI + 公开数据」。
同样一套大模型技术，喂给它别人拿不到的语料，产出的价值就完全不同。
这也是为什么免费 AI 越强，反而越衬托出 AlphaSense 数据壁垒的价值，技术在被快速商品化，而数据没有。
第三重，是嵌进工作流后的网络效应。
AlphaSense 已经渗透进 7000 多家企业客户的日常工作，投行分析师写报告、企业战略部门做尽调、咨询顾问做行业研究，都直接在它上面完成。
一旦一个团队的研究流程长在这个平台上，迁移成本就极高。用的人越多、上传与沉淀的内容越多，引擎越聪明，又吸引更多机构付费，典型的正向飞轮。
三重叠加，结论就清晰了：AlphaSense 收的不是「搜索费」，而是「拿到别人拿不到的信息、并且立刻能用」的费用。免费 AI 解决的是「怎么找」，AlphaSense 守住的是「找什么」。
飞轮转起来的结果，写在财务上。
ARR 从 2024 年的约 2 亿美元，到 2026 年初突破 6 亿美元，两年三倍。客户数突破 7000 家，且高度集中在付费能力强、续费意愿高的金融机构与大型企业。
按每席位每年一两万美元计算，单客户贡献还在随着 Tegus 等增值模块的交叉销售而抬升。
资本市场用脚投票。2026 年 6 月，AlphaSense 完成新一轮约 3.5 亿美元融资，投后估值 75 亿美元，较 18 个月前的约 40 亿美元接近翻倍，对应约 12.5 倍的 ARR 倍数。
通用模型开始逼近
把话说回来，75 亿美元的估值并不便宜，约 12.5 倍 ARR 的定价，本身就预设了「高增长还能持续」。这意味着几重风险需要盯紧：
其一，通用大模型在持续逼近。
如果未来 OpenAI、Anthropic 等通过授权拿到越来越多的付费内容，AlphaSense 的数据壁垒会被侵蚀。它的安全垫，取决于能否持续锁定独家、合规、高价值的数据源。
其二，增长的代价。
三倍 ARR 背后是巨额的内容采购、收购整合（Tegus 9.3 亿美元）与销售投入，盈亏平衡点被不断推高。
在约 3000 人的团队与高昂内容成本下，它需要证明自己能在某个规模上真正盈利，而不只是「烧钱换增长」。
其三，客户集中于金融周期。核心客户是投行、买方机构与咨询公司，一旦金融市场进入下行周期，这些机构的预算收缩会直接传导到续费率上。
AlphaSense 用十几年时间，做成了一座由独家数据、AI 与工作流共同筑起的护城河，而通用 AI 的崛起，恰恰在帮它把「技术」这一层商品化，反衬出「数据」这一层的不可替代。
综合数据壁垒、网络效应、现金流质量与增长确定性，我给予 AlphaSense
S 级评级。需要持续跟踪的，是它的数据独家性能否抵御通用大模型的蚕食，以及高估值能否被后续的盈利能力兑现。
这是一家把「无聊的搜索」做成了「稀缺的认知」的公司。
在一个人人都能免费提问的时代，能回答得比别人更准、更独家的人，依然值钱。
