Alta只有55名员工，却已经服务超过300家客户。
Calcalist披露，这家公司在商业化不到一年后，将收入提高了800%，new revenue run rate达到1500万美元，每月新增约150万美元业务。它还计划在2026年底把团队扩至80人，同时把这一指标推到3000万美元。
这些经营数字来自公司及创始人披露，未经第三方审计。但其中有一组更值得研究：传统account manager大约管理20个客户，Alta称自己可以把这个数字提高到80个。
这意味着Alta想卖的已经超出AI销售软件。它在尝试用AI重写一家服务型收入公司的交付成本。
一组不太像传统SaaS的数字
2026年7月，Alta完成2500万美元Series A，累计融资3200万美元。公开客户包括Snowflake、Deel、Atlassian、Atoms和Sabio Group。
融资公告仍把Alta称为“AI System of Actions”，CEO Stav Levi-Neumark却在采访中给出了另一层定位：product-based services company。
她的判断很现实。企业花在销售服务上的预算，通常远高于软件席位费。只要Alta能对pipeline、合格会议或收入结果负责，它进入的就是服务预算，收入上限也不再由账号数量决定。
这条路同时更难走。软件交付到登录页就基本结束，收入服务还要理解客户卖什么、理想客户是谁、哪些信号值得追、何时交给销售，以及怎样判断一次触达是否有效。
Alta把这些判断集中进了Company Brain。
四倍客户容量从哪里来
根据融资公告，Company Brain接入50多个数据源、数百个购买信号，并连接Salesforce、HubSpot、IBM、Google以及60多种GTM工具。共享这层上下文的Agent负责找线索、做账户研究、多渠道触达、筛选入站需求、安排会议和持续优化。
关键变化发生在任务之间。
普通销售自动化往往只处理一个环节：数据工具给名单，文案工具写邮件，外呼工具执行触达，CRM等待人工更新。每个工具都更快，判断下一步的人仍然没有消失。
Company Brain试图把判断也纳入同一条链：购买信号触发研究，研究结果决定触达方式，对话反馈改变资格判断，成交与流失再反过来校准下一轮动作。
如果这条链能稳定运行，一个account manager便无需逐个盯住客户的日常执行。他更像一名监督者，负责校准目标、处理异常、建立信任和解释结果。80对20的差距，由此成为Alta商业模式最重要的验证指标。
人类账户经理成了信任接口
很多企业愿意试用AI工具，却不愿立刻把获客流程交给它。销售动作会直接接触潜在客户，一次失控的群发、错误判断或糟糕对话，都可能损伤品牌。
Alta保留人类account manager，解决的正是这层组织阻力。客户得到明确的责任接口，AI则承担高频研究、执行和复盘。人在交付中积累的配置方法、判断标准和异常处理，又可以继续沉淀进产品。
这让服务层同时承担两项工作：帮助客户采用AI，也替Alta收集产品还没有结构化的现场知识。
AI企业服务早期常常绕不开这一步。真正决定毛利的是每增加一个客户需要增加多少人工。Alta公开的四倍管理半径，至少给出了一个可以持续观察的答案。
收费对象变成了收入动作
Alta没有公开标准价格，官网入口以预约演示为主，商业模式显然更接近销售主导的企业服务。
它的扩张路径也围绕客户的收入生命周期展开。这笔资金将用于增加数据、CRM和广告平台集成，并推出account management与cross-selling Agent。平台先参与获客，随后进入存量客户管理和交叉销售，同一套Company Brain便能覆盖更多预算。
这比增加一个写信功能更有商业张力。客户购买的是持续产生、筛选和推进收入机会的能力；Alta能覆盖的动作越多，账户价值越高，客户迁移时需要重建的业务上下文也越多。
这套模式最难复制什么
Alta面对的风险同样清楚。GTM Agent竞争拥挤，CRM、营销自动化、数据供应商和AI SDR公司都在争夺相近入口。服务若过度定制，四倍管理半径也可能在复杂客户中迅速缩水。
因此，真正需要验证的是Company Brain能否把不同客户的交付经验变成可复用配置，同时保留足够的客户特定判断。邮件生成质量只是其中很小的一环。
55名员工、300多个客户、1500万美元new revenue run rate，把这场实验推到了值得关注的规模。接下来的观察重点会从收入增速转向交付效率：Alta扩张到80人之后，每位account manager还能否稳稳服务80个客户。