用AI替建筑商跑许可证,PermitFlow融了9050万美元

许可证通过以前，最贵的是等待

PermitFlow 把 7000 多个主管部门的办事差异整理进一套流程。

PermitFlow 官网现在把自己称作“建筑业的 AI 劳动力”。这家公司不画图，也不算量，业务离施工现场还有一段距离。它替美国的建筑商办许可证。

我把它的官网、融资材料、产品说明和创始人早期采访对着看了一遍。PermitFlow 从一件很窄的事起步，把不同城市的申请要求查清楚，填好表格，递交材料，再追着审批状态往前走。到 2026 年，官网给出的数字已经变成 7000 多个主管部门、1200 多万条许可数据和超过 200 亿美元的项目金额。

这家公司已经融资 9050 万美元。投资人愿意把钱投向一堆表格、邮件和政府网站，看中的是许可证通过以前那段漫长的等待。

PermitFlow 官网把五个 AI 智能体排成一条完整的许可流程

美国建筑许可由地方主管部门处理，行业里常用 AHJ 这个缩写，也就是“有管辖权的主管机构”。同一类工程换一座城市，负责部门、申请表、附件清单和缴费方式都可能跟着变。项目跨几个州展开，团队就得同时盯着许多套规则。

传统做法很散。项目经理查市政府网站，在表格和邮件里整理材料，递交以后再登录不同门户看进度。碰上退件，还要找到审查意见，补文件，重新提交。也有企业把工作交给当地的许可代办员。PermitFlow 自己给出的市场价格是每个项目 500 美元到 1.5 万美元以上，项目复杂度和城市不同，费用差距很大。

这类工作最麻烦的地方在于，它既重复，又很难完全照搬。申请人每次都在填相似的信息，地方要求却总有差异。规则还会更新，城市网站也未必好用。通用软件可以存材料，解决不了该找哪个部门、缺哪张表以及下一步该催谁。

PermitFlow 先把这些差异收进一条固定流程。客户提供项目地址、工程范围和现有文件，系统判断需要哪些许可，再准备申请包，送到对应部门。审批中的意见、补件和状态变化继续回到同一个界面，客户不必自己守着各个城市的网站。

PermitFlow 把现有产品拆成五个智能体。

Intake Agent 从 CRM、合同和文件中取出项目信息，Research Agent 查询地方要求、费用和预计时长。Submission Agent 填表并整理附件，随后递交给主管部门。Coordination Agent 追踪审查意见，提醒项目团队补材料，也负责与主管部门跟进。许可证签发后，Issuance Agent 把结果送回客户系统，继续安排检查和收尾事项。

这五段连起来，才是一张许可证真正走过的路。单独生成一张表并不难，难的是前一环节留下的信息能被后一环节继续使用，审查员发来一条意见以后，系统知道该找谁、该补什么，最后还能把批准结果送回项目管理软件。

PermitFlow 对外公布的 1200 多万条数据，内容包括地方要求、审查意见和批准决定。Research Agent 会查这套数据库，也会查看主管部门门户。历史项目越多，系统越容易知道同类申请通常缺什么，某个城市习惯怎样处理。地方规则经常变化，这套数据也得持续维护。

PermitFlow 官网公布的业务规模，包括 200 亿美元项目金额、1200 万条许可数据和 7000 多个主管部门

公司称客户的许可审批速度达到原来的 2.5 倍，行政工作量最多减少 90%，投资回报达到 5 倍。2026 年的 B 轮公告给了另一组口径，项目时间最多缩短 60%。这些都是 PermitFlow 自己公布的综合结果，没有公开样本和计算方法，适合用来理解它向客户承诺什么，还不能当作每个项目都能复现的成绩。

“AI 劳动力”这个名字容易让人以为整套流程已经无人值守。PermitFlow 的产品页和地方办事指南反复提到另一部分能力。公司有建筑师、结构工程师、前城市规划人员和许可专员，必要时会替客户联系主管部门。

这支团队很要紧。模型可以读表、找要求，也能归纳审查意见，碰到地方门户临时改版、资料互相冲突或审查员提出特殊要求，仍然需要有人判断。PermitFlow 把人的经验放进统一系统，再让软件接手重复动作。客户买到的更像一项带软件界面的许可服务。

它的成本结构也会因此比纯 SaaS 更重。每进入一批新城市，公司要整理当地规则，维护门户连接，还要留人处理例外。好处是这些工作一旦留在系统里，下一次相似项目可以少走一遍老路。1200 万条数据的意义就在这里。它们记录的不是公开法规本身，还有真实申请怎样被退回、补过什么材料以及后来是否通过。

PermitFlow 由 Francis Thumpasery 和 Samuel Lam 创办于 2021 年，次年进入 Y Combinator。Thumpasery 早年做过咨询和工作流软件投资。他在 Initialized Capital 的访谈里说，自己在华盛顿特区附近长大，亲属办许可时遇到的麻烦让他留意到这个行业。Lam 曾在 Uber Eats 做软件工程，处理过不同公司和地方规则下的报表与支付流程。

公司在 2023 年拿到 550 万美元种子轮，2024 年 2 月完成 3100 万美元 A 轮。Accel 在 2025 年 12 月披露领投 B 轮，PermitFlow 后来在官网把这一轮的金额写为 5400 万美元。三轮合计 9050 万美元，正好与公司介绍页上的累计融资数字一致。

PermitFlow 的 B 轮公告披露融资 5400 万美元，并列出 Accel、Kleiner Perkins 等投资方

融资以后，产品边界继续向两边伸。前面接入 CRM 和合同，后面接进 Autodesk Construction Cloud。PermitFlow 还推出检查安排、执照与注册管理，把许可证签发后的工作也纳入系统。

这条扩张路线很自然。客户一旦把项目地址、公司证照和地方主管部门关系放进平台，下一步要处理的检查预约、执照续期和竣工收尾仍然使用同一批信息。PermitFlow 从一张许可证开始，逐渐接管开工以前那段行政工作。

中美审批制度差别很大，7000 多个地方主管部门造成的市场条件也很难原样复制。PermitFlow 仍然提供了一个值得看的产品样本。

建筑业里的 AI 产品常从生成内容起步，写报告、做方案、回答规范问题。PermitFlow 选的是另一类工作。客户已经知道许可证必须办，延误一天就可能影响开工和回款。产品有没有价值，可以直接看申请准备花了多久、退件少了多少，项目什么时候能进场。

它还说明，垂直 AI 的数据未必是一套整理漂亮的法规库。更有用的部分常常来自办理过程。哪个部门要求哪份附件，什么意见出现得最多，一次补件以后还会不会再退。这些数据只能在长期替客户做事时积累。

人工也没有从系统里消失。规则模糊、门户异常和特殊项目还得交给专家。软件负责把常规步骤跑快，把过程记录下来，人去接住少数难题。自动化比例提高以后，同一支团队才能服务更多城市和项目。

PermitFlow 官网列出的客户已经包括 Amazon、Lennar、IKEA 和 Toll Brothers。名单很大。接下来可以看它扩到检查、执照和收尾以后，能否保持地方数据的更新速度与服务质量。

许可证不会因为 AI 出现就自动批准。PermitFlow 做的事更朴素，它把申请人每天要跑的那段路缩短了。对建筑商来说，开工日期能提前，付费理由就已经够清楚。

参考资料

这里是建造观察局，观察全球工程领域的 AI 前沿，关注行业里正在发生的技术变化。

如果你觉得今天这篇有收获，欢迎点赞、转发、爱心三连，如果想第一时间收到推送，欢迎关注、星标，我们，下篇见。