红杉破例投总账软件,AI如何让ERP市场打开了一个窗口?

引言：一个”从不”的例外

2025年5月，Sequoia Capital做了一件他们从未做过的事——投资了一家总账软件公司。

Sequoia合伙人Julien Bek有句话被科技媒体反复引用：”ERP是最大的软件品类之一，但在过去十年几乎没有任何改变——因为重新构建一家企业的财务基座极其复杂。”

更耐人寻味的是Sequoia另一位Managing Partner Roelof Botha的参与。Botha是PayPal前CFO，对财务软件的痛点有切身理解。他在Rillet的通稿中表态称：”Rillet重新思考了总账，用实时集成和AI驱动的工作流自动化会计，让财务团队更聪明地工作。”

这轮$25M的Series A距离Rillet的上一轮融资仅10个月。随后不到半年，a16z（Andreessen Horowitz）和ICONIQ Growth联合领投了$70M的Series B。

18个月，$95M，来自硅谷最顶级的风投。 一个2024年才上线的ERP公司，凭什么？

一、创始团队：会计做给会计的产品

Rillet的CEO和创始人Nicolas Kopp有句话定义了这家公司的基因：”我们是一群会计为会计构建的系统。“

这听起来像一句漂亮口号，但细看产品就能发现，这不是表面文章。

Kopp在一次Rippling的分享中坦承，他早期犯过一个严重的招聘错误：过度高估”学习能力”，低估”领域知识”。他以为任何聪明人都能快速学会会计，结果发现不行——会计业务中的应计制、对账逻辑、GAAP规则，不是靠聪明就能无师自通的。

这个教训塑造了Rillet的团队构成：会计技术专家+软件工程师的混合团队。The Org上的数据显示，公司11-50人的规模中包括了多位CPA背景的核心成员。

投资人列表也印证了这一点：前NetSuite CFO Ron Gill以个人天使身份投资了Rillet。一个在NetSuite担任过CFO的人，投资了一家要颠覆NetSuite的公司——这本身就是最强的行业背书。

二、核心产品：不是给旧系统加AI，而是从总账开始重建

要理解Rillet的产品化逻辑，首先要理解一个关键判断：为什么不能直接在NetSuite上加AI？

问题：90年代的架构挡了AI的路

传统的ERP系统（NetSuite于1998年创立，SAP在1972年）的数据模型是为人工操作设计的：

• 数据分散在不同的模块和数据库中
• 报表需要通过ETL/Excel处理
• API陈旧，实时数据获取困难
• 没有为AI agent设计可执行的审计轨迹

用Kopp的话说：”AI需要一个单一事实来源（Single Source of Truth），需要实时的、干净的结构化数据。旧系统的底层数据模型根本不是为这个设计的。”

解决方案：从总账底层重建

Rillet做的是一个”干净的重新开始”：

1. 总账数据模型重新设计 — 不是把旧数据迁移过来，而是重新设计了科目表（Chart of Accounts）和分录的结构，让AI可以原生理解每个科目的含义和分录之间的关联

2. Aura AI Agents — AI agent自动执行会计工作流：应计、对账、银行对账、收入确认、董事会报告等。这不是一个通用的ChatBot，而是嵌入了会计逻辑的专用agent

3. Aura Flows + Close Checklist — 这是Rillet最精妙的产品化决策。AI工作流不放在单独的聊天窗口，而是嵌入在会计人员每天都在用的”关账检查清单”（Close Checklist）里。

想象一个会计早上打开系统，看到一个待办事项”核对AR账龄”。点一下，AI自动拉取AR账龄报告和总账应收账款余额，比对两者，标记差异项。会计只需要审核、签字、完成。整个流程没有离开过检查清单。

1. Continuous Close（持续关账） — 传统的月结（Month-End Close）本质上是因为数据更新频率有限而不得不做的集中式操作。当所有数据实时入账、AI实时对账后，月结就变成了持续关账——每天都是”关账完成”的状态。

为什么这比加AI插件重要？

因为嵌入方式决定了采用率。

大多数AI会计工具的形态是”打开一个聊天窗口，输入指令，复制结果”。Rillet认为这是一个”骗术”（parlor trick）。真正有用的AI会计不是问它要什么，而是让它接替你已经在做的工作，然后把结果送回到你工作的地方。

这个判断背后的产品哲学是：AI不应该制造一个新的交互范式，而应该让现有的交互范式消失。

三、产品化的关键决策：为什么AI让”换会计系统”变得可能

这个问题值得单独拆解，因为它回答了更深层的问题：为什么现在？为什么不是五年前？

Rillet赌的是三个条件的交汇：

条件1：AI创造了一个”必须换”的理由

过去，企业换ERP的驱动力很弱——新系统可能好10%，但迁移成本（数据迁移、员工培训、业务中断）太高。边际改善不足以驱动切换。

但AI agent需要的数据条件（单一事实来源、实时、结构化）是旧ERP无法提供的。这意味着使用AI本身成了一个”必须换系统”的理由，而不是”换了系统可以更好地用AI”。

Rillet的竞品对比页面上有一条鲜明的信息：vs SAP时写的是”Legacy system with AI taped on”（在旧系统上贴了个AI标签）。

条件2：中型市场的真空地带

NetSuite在$1B+企业市场站稳了脚跟，QuickBooks统治了$5M以下的小微企业。但年收入$10M-$500M的中型企业是一个被忽视的市场：

• 他们的会计复杂度已经超过QuickBooks的处理极限：多实体、多币种、复杂的收入确认规则
• 但他们又无法承受NetSuite的定价和实施周期——6-12个月的部署、大量的自定义脚本、昂贵的顾问费用
• 他们使用多工具拼凑方案：QuickBooks + Maxio + Excel + 各种插件 = 数据支离破碎

Rillet的定位广告语很直白：”Go live in weeks with Rillet’s CPA-led team.”

条件3：AI降低了产品构建成本（但这不是核心）

虽然AI降低了构建某些功能模块的成本，但对Rillet来说，真正的护城河不是AI技术本身，而是会计领域知识和客户数据迁移成本。

正如Kopp在创业过程中学到的：AI很好，但如果你不理解应计制下的收入确认逻辑，AI会给出漂亮的错误答案。

四、商业化与定价

Rillet没有公开定价，这是典型的企业级Sales-led模式。根据产品定位和竞品对标，可以合理推断：

• 年度订阅制，按用户数、实体数、交易量分层
• 起价可能在$15,000-$50,000/年（对比QuickBooks的$1,000-$5,000/年偏高，但远低于NetSuite的$100,000+/年）
• 高级模块（Aura AI agents、高级收入确认、多实体合并）可能单独计费

营收增长方面，Rillet在不到两年内已达到：

• 近200个付费客户
• 营收同比增长5倍
• 处理数十亿美元交易量

客户包括：Windsurf（AI编程IDE独角兽）、Decagon、Postscript、Kickstarter、Smartcar、Scribe、Luxury Presence等知名科技公司。

五、竞争格局：Rillet vs 四大阵营

Rillet官网为每一个主要竞品都设有独立的对比页面，这在B2B软件中不常见——说明他们对差异化非常自信。

Rillet的核心竞争叙事是：旧系统需要”custom scripts and workarounds”（自定义脚本和变通方案），Rillet用”native integrations”（原生集成）替代它们。

六、增长飞轮和分销

Rillet的增长飞轮有几个关键齿轮：

1. Sequoia/a16z的portfolio效应：知名投资机构背书=进入它们portfolio公司的首选供应商名单。Windsurf、Decagon等案例证明了这一点

2. CPA合作伙伴网络：Rillet同时有Accounting Partner（会计事务所）和Investor Partner（投资机构伙伴）两种渠道。会计事务所帮客户选型时推荐Rillet，投资机构帮portfolio公司自动化财务

3. EY战略联盟：2026年4月，Rillet宣布与安永（Ernst & Young）结盟。四大会计师事务所之一的背书，意味着Rillet获得了进入企业级市场的关键信任凭证

4. 内容营销+社区：Close Club社群面向财务专业人士，博客持续输出AI会计知识；每个竞品都有SEO优化的对比页面

5. “不可回退”的体验锁：一旦客户体验过Continuous Close（实时关账而非月结），无法回到传统周期。这就是AI产品最理想的”保留机制”

七、Builder Lessons：创业者可以从Rillet学到的

1. AI-native不是feature，是architecture decision

Rillet最大的战略判断是：不能给NetSuite加AI。必须重新构建底层数据模型。这是一个很痛苦的选择（意味着更长的开发周期、更高的初始成本），但它构成了长期的护城河。

提问自己的问题：你的AI产品是真的重构了工作流的底层逻辑，还是在旧流程上贴了一层AI界面？

2. AI应该消失在工作流中，而不是成为新的工作流

Rillet把AI嵌入到Close Checklist里，而不是做一个独立的AI聊天窗口。这个决策看似简单，但对采用率影响巨大。

AI产品化的第一原则：用户不需要学习如何使用AI，AI应该出现在他们已经在工作的地方。

3. Domain expertise > General intelligence

Nicolas Kopp的创业故事中有一个反复出现的主题：他早期低估了会计领域知识的壁垒。通用AI无法理解应计制度和GAAP规则。

这对任何AI产品的启示：如果你的AI产品要处理某个专业领域的问题，团队中必须有懂这个领域的人。光靠LLM的通用能力是不够的。

4. 找到”不可回退”的体验

Continuous Close之所以强大，是因为一旦客户体验过，就无法退回到月结。这就是AI产品应该追求的北极星——创造一种体验，让用户无法想象回到旧状态。

5. 在巨头的夹缝中精准定位

Rillet不试图取代SAP（企业级太难）也不试图取代QuickBooks（小微企业没预算）。它精准瞄准$10M-$500M的中型企业——一个被服务不足但付费能力强的市场。

八、接下来关注什么

• 企业级突破：Rillet能否借助EY联盟进入$500M+的企业客户市场？
• 产品扩展：是否会进入财务规划、税务、内部审计等相邻模块？
• 竞品反应：NetSuite/SAP是否会快速迭代AI功能？还是它们的架构决定了无法真正”AI-native”？
• 中国启示：中国市场的用友、金蝶是否面临同样的AI-native替代窗口期？是否有类似Rillet的创业机会？

结语

Rillet的故事不是又一个AI融资新闻。它展示了一个更宏大的产业周期：当一项通用技术（AI）的底层要求与现有基础设施的架构冲突足够大时，就会打开一个”换掉整个系统”的窗口。

在这个窗口里，胜出的不是给旧系统加AI的公司，而是为AI重建系统的公司。

对于所有正在思考”AI能做什么”的产品人，Rillet提供了一个清晰的路线图：别问AI能让你的产品更好用，问AI需要什么条件才能发挥最大价值——然后去创造那个条件。