商业模式拆解 · Factory
Factory 用低价席位换企业合同，赌注押在模型无关与主权部署
Factory 靠订阅制向企业软件团队收费，用低价 Pro 席位获客、定制合同变现，最大赌注是模型无关与主权部署能对冲通用模型厂商的挤压。
关键数字
Factory 的收入来自企业软件团队的订阅费，个人版低价拉新，团队版按席位叠加，企业版定制合同承载 SSO、零数据保留与本地部署等需求。钱主要花在模型调用、产品研发与渠道合作上，2026 年 8 月其称模型路由使成本降低 58%，显示毛利受模型层牵制。它靠风险资本支撑扩张，2026 年 9 月完成 2 亿美元融资、投后估值 50 亿美元。活下去的关键不是模型本身，而是企业合同与合作伙伴网络能否先于通用模型厂商渗透进大客户。最大赌注是模型无关与主权部署成为企业采购的硬标准；若通用模型厂商直接向企业交付编码 Agent 并接受同等部署条件，Factory 的中间层价值会被压缩。最可能的结局是被大型企业软件或云厂商收购，或在细分行业代码场景中守住一席之地。
产品与模型
Droids 覆盖全软件生命周期，按 Agent 而非补全收费
Factory 的 Droids 不是代码补全工具，而是执行重构、迁移、测试、PR 审查与值班事故处理的 Agent。这个定位决定了它按“活跃用户/席位”收费，而不是按 token 或补全次数收费，因为价值体现在替代一部分工程流程，而非加速打字。2025 年 5 月 GA 时定价为每活跃用户每月 10 美元、无最低席位要求，这是典型的开发者自下而上获客定价。
但 Droids 的能力边界受模型能力约束。Factory 选择模型无关路线，意味着同一套 Agent 可以调用不同厂商的模型，这降低了客户被单一模型锁定的顾虑，也让 Factory 自己承担模型路由与评测的工程成本。2026 年 6 月 Factory 2.0 强调“软件工厂”与持续自学习，实质是把 Agent 从单点任务推向组织级流程，这要求更深的企业集成，也把销售周期拉长。
对创业者而言，Droids 的启示是：当底层模型能力趋同时，把 Agent 嵌入具体工程流程（迁移、值班、审查）比做通用编码助手更容易找到付费理由，但前提是你能承受多模型适配的维护成本。
依据R1R6R7模型无关是卖点也是成本项，路由省下的钱补在评测上
Factory 把“模型无关”作为核心产品主张，并在 2026 年 8 月称 Droid 的模型路由使成本降低 58% 且不降低质量。这个数字的含义是：同一任务可以在不同模型间分配，便宜模型处理简单任务，贵模型处理复杂任务。对客户来说，这听起来像省钱；对 Factory 来说，这是把模型采购变成可优化的运营变量。
但模型无关不是免费午餐。要保证“不降低质量”，Factory 必须持续做评测、路由策略和回归测试，这些工程投入不直接产生收入，却决定客户是否续费。同时，模型厂商每次升级都可能改变路由的经济性，Factory 需要反复调参。换句话说，模型无关降低了客户的锁定风险，却把技术复杂度留给了自己。
这条产品线的取舍很清楚：用模型灵活性换企业信任，用工程复杂度换毛利空间。它适合有强工程团队的创业者参考，但不适合小团队照搬，因为多模型评测的固定成本很难摊薄。
依据R2R6R8收入模式
个人版低价拉新，团队版按席位叠加，企业版定制报价
Factory 的定价呈三层结构：Pro 每月 20 美元、Plus 每月 100 美元、Max 每月 200 美元，面向个人开发者；Teams 计划为每团队每月 60 美元加每席位每月 40 美元、最多 10 席位；Business 与 Enterprise 为定制报价，含 SSO、SCIM、零数据保留与本地部署选项。这套结构的关键不是价格高低，而是把“个人试用”和“企业合同”分开：个人版降低尝试门槛，企业版承载合规与部署需求。
2025 年 5 月 GA 时的定价是每活跃用户每月 10 美元、无最低席位要求，与当前官网的 20 美元起价相比，说明 Factory 在试探价格上限。但账本没有披露各档位的收入占比，无法判断低价个人版是主要收入还是获客漏斗。可以确定的是，收入模式为订阅制、客户聚焦 B2B，企业合同才是收入主战场。
对小团队的启示是：低价个人版可以当作品牌入口，但真正支撑公司的是少数愿意为合规和部署付溢价的企业客户。如果只做个人版，收入会随开发者流动而波动。
依据R13R7R1企业定制合同承载合规与部署，价格不公开是谈判筹码
Business 与 Enterprise 为定制报价，包含 SSO、SCIM、零数据保留与本地部署选项。这些功能不是开发者个人会买的，而是企业采购流程的硬性要求。Factory 不公开企业版价格，意味着它按客户规模、部署方式和合同期限逐单谈判，这既能对不同客户差别定价，也避免公开低价锚定。
这种模式的问题是销售周期长、交付成本高。本地部署和气隙部署需要工程支持，零数据保留需要架构改造，这些都会侵蚀订阅制的毛利。Factory 在 2026 年 8 月宣布合作伙伴网络并承诺投入 1 亿美元用于合作生态，说明它部分依赖合作伙伴完成企业交付，而不是全部自营。
判断：企业定制合同是 Factory 收入质量的来源，也是成本结构的压力点。小团队如果做企业定制，要先算清部署支持的人力成本，否则合同金额再高也可能亏在交付上。
依据R13R2R1客户与市场
大企业软件团队买单，但账本没有披露收入集中度
Factory 公开列出的客户包括 Nvidia、Adobe、EY、Palo Alto Networks、Adyen，2026 年 9 月融资稿又列出 Blackstone、RBC。这些客户的共同点是拥有大规模软件工程组织，对编码效率、代码审查和事故响应有持续需求。Factory 在 2026 年 4 月称 Droids 每日被数十万开发者使用，说明使用面广，但“使用”不等于“付费”，账本没有披露付费客户数或合同金额。
客户结构决定了 Factory 的销售方式：大企业需要安全审查、采购流程和部署方案，不是个人开发者刷信用卡就能完成。这也解释了为什么 Factory 要建合作伙伴网络：单靠直销覆盖不了这么多大客户。风险在于，如果少数大客户占收入比重过高，续约谈判时议价权在客户手里。账本没有披露收入集中度，这是一个公开资料未披露的关键缺口。
对小团队的启示是：大客户能带来稳定收入，但一家公司很难同时服务多个大企业。更现实的做法是选一个细分场景，把交付标准化，降低对单个客户的依赖。
依据R3R10R9获客与渠道
Wipro 与合作伙伴网络补直销，用渠道换企业覆盖
Factory 在 2026 年 1 月与 Wipro 达成战略合作，计划将 Factory 推广至数万名工程师；2026 年 8 月又宣布 Factory 合作伙伴网络，承诺投入 1 亿美元用于合作生态。这两件事指向同一个机制：Factory 自己的直销团队覆盖不了全球大企业，于是把分发交给系统集成商和咨询公司，由它们带入客户流程。
渠道模式的代价是分成和交付依赖。合作伙伴卖的是整体解决方案，Factory 的产品只是其中一环，客户关系部分掌握在渠道手里。同时，1 亿美元的生态投入是承诺，不是已花出去的钱，账本没有披露这笔投入的节奏和回收方式。可以判断的是，Factory 把渠道视为对抗通用模型厂商的手段：模型厂商有品牌和 API，但缺少企业流程的落地伙伴。
对小团队的启示是：渠道能放大触达，但前提是产品足够标准化、伙伴能自己交付。如果每个客户都要创始人亲自支持，渠道就失去意义。
依据R9R2成本结构
钱花在模型调用、多云部署与渠道生态上
Factory 的主要成本项可以从公开信息推断：模型调用（它自己不是模型厂商，需要向模型厂商付费）、多模型路由与评测的工程投入、企业部署支持（本地、气隙、零数据保留）、以及合作伙伴网络的 1 亿美元承诺。2026 年 8 月其称模型路由使成本降低 58%，反过来说明模型调用在成本中占比不低，否则优化空间不会这么大。
另一个成本项是全球化。2026 年 8 月 Factory 在东京设办公室，Seiji Sasaki 任日本总裁兼总经理，这意味着人员、办公和市场投入的增加。账本没有披露员工数，所以无法判断人力成本的具体规模。但可以判断，Factory 选择用资本换市场覆盖，而不是先追求盈利。
对小团队的启示是：模型调用成本可以通过路由优化，但企业部署和渠道支持是重人力投入，小团队很难同时做产品、交付和渠道。更现实的做法是把部署支持做成文档和自动化，而不是靠人堆。
依据R2R13R6融资与资本
风险资本支撑扩张，估值跳升靠收入故事而非利润
Factory 的融资节奏很密：2023 年 11 月 500 万美元种子轮，2025 年 9 月 B 轮 5000 万美元、估值 3 亿美元，2026 年 4 月 C 轮 1.5 亿美元、估值 15 亿美元，2026 年 9 月 2 亿美元融资、投后估值 50 亿美元。累计融资超 4 亿美元。这个节奏说明公司靠外部资本支撑增长，而不是靠经营现金流。
2026 年 4 月公司称过去六个月收入每月环比翻倍，这是支撑估值跳升的故事，但账本没有披露绝对收入基数，也没有披露毛利率。估值从 15 亿美元到 50 亿美元只用了五个月，这个速度本身会带来压力：下一轮需要更大的收入证明，否则估值难以维持。
对小团队的启示是：Factory 的融资节奏不可复制，也不应该复制。小团队没有多轮融资的缓冲，必须从第一天就关注现金流。可以借的是“用收入故事换资源”的思路，但借不了“先亏损换增长”的做法。
依据R1R3R10护城河
护城河在企业合同与部署条件，不在模型本身
Factory 的护城河主张是模型无关与主权部署（云、本地、气隙），降低单一模型厂商锁定。这个主张对企业客户有吸引力，因为大企业不希望自己的代码流程绑定在某一家模型厂商身上。但“模型无关”本身不是技术壁垒，任何有工程能力的团队都可以做多模型适配；真正的壁垒是已经签下的企业合同、通过的合规审查和部署进去的流程。
合作伙伴网络是另一层。Wipro 把 Factory 带入数万名工程师的工作流，这种渠道关系需要时间建立，不容易被模型厂商直接替代。但渠道关系属于合作伙伴，不完全属于 Factory，如果 Wipro 同时代理竞品，Factory 的独占性会下降。账本没有披露合作是否排他。
判断：Factory 的护城河是“企业采购流程里的位置”，而不是模型或算法。这个位置有价值，但需要持续用合规、部署和支持来维护，一旦服务质量下降，客户切换成本并没有想象中高。
依据R6R8R9R2风险与不确定性
通用模型厂商直接下场，中间层被压缩
WSJ 称 Factory 的对手包括 Anthropic、OpenAI 与 SpaceX 的编码工具。这里最危险的不是 SpaceX，而是 Anthropic 和 OpenAI：它们既提供模型，也提供编码 Agent，可以直接向企业交付。如果企业客户认为通用模型厂商的编码工具“够用”，Factory 的模型无关主张就失去了说服力，因为客户可以直接选一家模型厂商，而不需要中间层。
Factory 的应对是把竞争拉到部署和合规层面：本地部署、气隙部署、零数据保留，这些是通用模型厂商不一定愿意为每个客户定制的。但这个应对有前提：企业客户真的愿意为部署灵活性支付溢价。如果通用模型厂商也接受同等部署条件，Factory 的差异化空间会迅速收窄。账本没有披露客户续约率，无法判断客户是否在用脚投票。
对小团队的启示是：不要在一个通用厂商正在下沉的市场里做中间层，除非你有通用厂商不愿意做的脏活累活。
依据R5R6收入增长故事缺少基数，估值跳升带来交付压力
2026 年 4 月公司称过去六个月收入每月环比翻倍，但账本没有披露绝对收入基数、毛利率和付费客户数。环比翻倍如果从很小的基数开始，绝对值可能并不大；如果基数已经很大，翻倍又难以持续。这两种情况对估值的影响完全不同，公开资料未披露，无法判断。
同时，2026 年 9 月估值 50 亿美元，比五个月前的 15 亿美元大幅跳升。估值跳升意味着下一轮融资需要更大的收入证明，而收入证明依赖企业合同交付。如果交付跟不上，收入确认就会延迟，估值和收入之间的差距会变成压力。Factory 把 1 亿美元投入合作伙伴网络，可以看作提前应对交付压力，但这笔钱本身也是成本。
判断：Factory 当前最大的风险不是技术，而是收入增长的可持续性和交付能力能否匹配估值预期。
依据R3R10R2关键节点
对AI原生公司创始人的启示
这一节是编辑判断，基于上面的证据推演，不是公司原话。
借“个人低价入口、企业定制变现”的分层，不借靠融资撑起的渠道扩张
Factory 的定价把个人 Pro 每月 20 美元当作尝试入口，Teams 按每团队每月 60 美元加每席位每月 40 美元叠加，Business 与 Enterprise 走定制报价，承载 SSO、零数据保留与本地部署。小团队可以借的是这种分层逻辑：先用低门槛产品验证需求，再把愿意为合规和部署付溢价的客户筛出来单独报价，而不是一开始就做企业定制。
借不了的是它背后的资本节奏：2026 年 9 月完成 2 亿美元融资、投后估值 50 亿美元，累计融资超 4 亿美元，还承诺向合作伙伴网络投入 1 亿美元。这些钱让小团队难以复制的渠道覆盖成为可能。10 人以内的公司没有这种缓冲，渠道和生态投入只能等产品标准化、伙伴能自己交付之后再谈，否则合同金额再高也可能亏在部署支持的人力上。
借把 Agent 嵌进具体工程流程，不借多模型路由的固定工程投入
Droids 做的是重构、迁移、测试、PR 审查与值班事故处理这类流程任务，按活跃用户或席位收费，而不是按补全次数收费。这个取舍对小团队有直接参考价值：选一个细分流程把交付做标准化，比做通用编码助手更容易找到付费理由，因为客户买的是流程结果而不是打字速度。
但“模型无关”这条路线不适合照搬。Factory 要维持模型路由不降低质量，必须持续做评测、路由策略和回归测试，2026 年 8 月其称路由使成本降低 58%，反过来说明模型调用在成本中占比不低，优化本身也需要工程投入。这类固定成本在 10 人以内很难摊薄。更现实的做法是先用一个模型把场景做深，等客户量和收入撑得起评测团队，再考虑多模型适配。
借把竞争拉到部署与合规层面，但要清楚这依赖交付人力而非产品本身
Factory 面对通用模型厂商直接交付编码 Agent 的压力，应对方式是把竞争拉到本地部署、气隙部署、零数据保留这些企业采购的硬条件上，并用 Wipro 等合作伙伴补直销覆盖不到的大客户。小团队可以借这个判断：当上游厂商在下沉通用能力时，中间层的价值在于承接厂商不愿意为每个客户定制的脏活累活，选一个合规要求明确的细分场景切入是可行的。
借不了的是这套打法的交付成本结构。企业定制合同不公开报价、逐单谈判，本地和气隙部署需要工程支持，零数据保留需要架构改造，这些都会侵蚀订阅毛利，Factory 自己也要靠 1 亿美元合作伙伴网络承诺来分担交付。10 人以内的公司如果做企业定制，应先把部署支持做成文档和自动化，而不是靠人堆；同时要意识到渠道关系属于合作伙伴，不完全属于自己，直接客户关系不能全交出去。
公开资料没有回答的问题
- Factory 的付费客户数、合同金额和收入集中度未披露，无法判断大客户依赖程度
- 毛利率未披露，模型调用成本与订阅收入的比例不清楚
- 2026 年 4 月“收入每月环比翻倍”的绝对基数未披露，无法判断增长的实际规模
- 与 Wipro 等合作伙伴的分成比例和排他性未披露
- 1 亿美元合作伙伴网络投入的支出节奏和回收方式未披露
- 企业客户续约率和净收入留存率未披露
证据来源
正文里的编号对应下面的来源。数字没有来源的句子在成稿前已被删除；公开资料未披露的直接写明未披露。
- R1Factory Valuation, Funding & Investors | Multiples - Factory Valuation, Funding & Investorsmultiples.vc · 媒体与披露 · 可信度 90
- R2Factory Newsfactory.ai · 一手来源 · 可信度 88
- R3Factory raises $150M Series C | Factory.aifactory.ai · 一手来源 · 可信度 88
- R4Blackstone Participates in $200 Million Financing Round for Factoryfiscal.ai · 媒体与披露 · 可信度 88
- R5Exclusive | AI Coding Startup Factory More Than Triples Valuation to $5 Billionwsj.com · 媒体与披露 · 可信度 87
- R6Factory 2.0: From coding agents to software factories | Factory.aifactory.com · 一手来源 · 可信度 87
- R7Factory is GA: Droids for the Entire SDLC | Factory.aifactory.ai · 一手来源 · 可信度 86
- R8How Factory Grew Open Model Usage 2-3x in Six Months on Fireworks - One factory for the entire SDLCfireworks.ai · 媒体与披露 · 可信度 86
- R9Enterprise Software Development Accelerated by Wipro and Factorywipro.com · 媒体与披露 · 可信度 85
- R10Factory Raises $200 Million at a $5 Billion Valuation to Scale Self-Improving Software Development in the Enterpriseinvestor.wedbush.com · 媒体与披露 · 可信度 85
- R11Wipro and Factory Partner to Accelerate Agent-Native Software Development For Enterprises Globally - Wipro and Factory Partner to Accelerate Agent-Native Software Development For Enterprises Globallynasdaq.com · 媒体与披露 · 可信度 85
- R12Factory for Technology | Ship Features Faster with AI Agentsfactory.com · 一手来源 · 可信度 85
- R13Factory Pricingfactory.com · 一手来源 · 可信度 85
- R14Factory jumps to $5B in 5 months with $200M for its AI ‘Droids’ — TFNtechfundingnews.com · 媒体与披露 · 可信度 85
由 EveryTik 调研流水线生成（deepseek-flash），经结构门禁、数字核对与独立审稿；引用 10 个来源、7 个独立域名。发现错误请以公开来源为准，我们会在下一轮调研时修正。