“AI 原生 100” 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「11」篇文章。
作为在 AI 销售 —— 找线索领域的产品，Clay 找到了它的增长秘籍，成为硅谷在这个领域增长最快的公司之一。
8 月 6 日，这家公司正式官宣了新一轮 1 亿美金的融资，估值 31 亿美元，这个速度，甚至超过了火热的 AI 编码赛道公司 ——AI 编码代表性企业 Lovable 的估值约为 15 亿美金。
Clay 可以把这个流程里最耗时、最机械、最容易出错的环节 —— 找客户名单、查公司背景、写冷启动邮件、更新 CRM—— 统统交给 AI Agent。Clay 甚至还创造了一个 AI 原生的职业 ——GTM（Go-to- Market：面向市场）工程师。
Clay 也因为这一次 AI 改造，结束了自己过去 5 年几乎 0 收入的困境。在 2022 年之后，实现了 10 倍的收入增长。
对于希望在 AI 销售领域创业的初创公司来说，Clay 的启示在于，首先，聚焦 PMF（产品市场契合度），目标客户可以不用多，但行业要够垂，做透场景；其次，重视品牌和营销，讲好自己的品牌故事，让大家都听懂；第三，搞定例如 OpenAI、谷歌这样的大客户。
不过，在 AI 找销售线索这个赛道，已经挤满了竞争者，甚至还有一些大平台公司。Clay 的优势能维持多久，是否能保持用户粘性，还不好说，毕竟在 Agent 领域，公司的起起伏伏是常态。
嘉和资本 CEO 袁子恒告诉虎嗅，Clay 这类公司模式最根本的问题在于，很难形成飞轮效应，一方面 Clay 从互联网抓取很多数据进行整合，帮助客户有针对性地联系他的客户，但这种方式的门槛其实并不高。在红海的 AI 售前场景下，拼的是精准度。
另一方面，Clay 的模式，没有和用户形成有效的交互机制，并且 Clay 没有独家数据，而 LinkedIn 的数据正在收紧，这也极大影响了 Clay 的收入。
7 年时间，转型与收敛
成立于 2017 年的 Clay，是一家位于纽约的加拿大 AI 公司。
由麦吉尔大学毕业生卡里姆・阿明（Kareem Amin）和尼古拉・鲁桑（Nicolae Rusan）一同创办。
此前，卡里姆・阿明曾创办名为 Frame 的公司，这是一家企业服务公司，公司开发的云端平台能够让用户在浏览器中运行桌面应用，该公司于 2012 年被 Sailthru 收购。
尼古拉・鲁桑曾担任道琼斯产品副总裁和微软项目经理，但如今他已离开 Clay，经营一家名为 Toolkit 的公司。曾在 Google 等团队任职的・阿南德（Varun Anand）是另外一位重要的联合创始人，他在 2021 年加入团队，带领公司实现变革。
Clay 的早期产品是一款连接了 API 的电子表格，Clay 会从数十个数据库中抓取信息，并直接将其导入电子表格。但是，尽管有了可行的产品形态，但因为这款产品不同的群体都能用它来做不同的事情，反而模糊了目标客户。
比如，阿明曾分享一个客户案例，一家公司发送了他们的代码库，想将所有数据发送到 NetSuite（一个基于云计算的企业管理软件平台），需要 Clay 对其进行逆向工程。这份任务与营销无关，但花费了 Clay 很长时间，并导致了服务器故障。显然，产品延展性带来了意料之外的成本，也让 Clay 很难从纷繁的反馈中分辨出有效信息。
最终，他们意识到，需要聚焦。
2020 年，Clay 决定从一个平台型产品，转向一款面向销售 GTM 的垂直 Agent 产品。产品聚焦之后，Clay 才开启了其疯狂增长之路。
此后，Clay 进行了多轮融资，其中不乏知名投资机构。
2024 年 6 月，B 轮融资 4600 万美元，Meritech Capital Partners、Sequoia Capital、First Round、BoxGroup 等参与投资；
2025 年 1 月，B + 轮融资 4000 万美元，投资者包括 Sequoia Capital、First Round、BoxGroup、boldstart ventures 等；
2025 年 8 月，C 轮融资，由 Alphabet 旗下独立成长基金 CapitalG 领投，Clay 估值达到 31 亿美元。
AI 原生时代的 GTM 工程师
GTM 是 Go-to- Market（面向市场）岗位，通常指负责将产品或服务推向市场的专业人员。该岗位在企业的市场营销和产品销售中扮演着关键的角色。
GTM 人员需要深入了解目标市场的需求和竞争方向，为产品或服务的定位和推广提供数据支持；然后，根据市场调研结果，制定有效的市场推广和销售策略，确保产品或服务能够顺利进入市场并取得，接着进行资源整合：协调内部资源，如研发、生产、销售等部门，以及外部合作伙伴，共同推动产品或服务的上市进度，最后进行执行与监控：负责市场推广活动的执行，并监控市场反馈，及时调整策略以应对市场变化。
拿 SDR（销售开发代表）来说，每天的生活就是在给尽可能多的潜在客户传达信息，他需要在公开网站上搜寻潜在客户以及潜在决策者，然后再编辑电子邮件，发送给潜在客户。
这个过程效率极低，并且销售成本极高。
但如果使用了 Clay 的这套自动化 Agent，可以讲这个繁琐的流程自动化，Clay 还能绕开垃圾邮件的判定，而且能够有效避开无效邮箱地址发送邮件。这对于这类的 Agent 来说，是一项核心技术。
引入 Clay 之后的销售团队可以为 SDR 免除销售中的繁琐工作，不再不理想的潜在客户上浪费时间 图片来源：Clay 官网
不仅如此，Clay 还创造了一个 AI 原生的新职业 ——GTM 工程师，让熟练的销售和市场的人结合 AI 和自动化工具，搭建起一套推动盈利的 “引擎”。
Clay 的 GTM 工程师角色和功能 图片来源：Clay 官网
聘请这些 GTM 工程师的企业，就自动成为了 Clay 社群里的一部分。
Clay 还在文章中提到，一个人能成为优秀的 Clay GTM 工程师的最强信号很简单：他们非常擅长使用 Clay。因为使用 Clay 是 GTM 工程师工作的主要部分。
GTM 工程师可以将 SDR（销售开发代表）需要手动完成的流程自动化。SDR 无需将销售线索转交给 AE（Account Executive，负责业务的客户经理），AE 再请销售工程师帮忙 —— 在 Clay 的语境下，他们都是同一个人 ——GTM 工程师，而且至关重要的是。
比如之前，销售团队负责手动研究潜在客户的数据、手动编写和个性化电子邮件、手动发送电子邮件以及手动安排会议。但如今，一些 GTM 工程师使用 Clay、LLM、电子邮件预警工具和出站序列器来自动化个性化出站 —— 规模是旧团队的 10 倍。
冷启动和品牌营销
如果打开 Clay 的官网，可以看到这家初创公司在品牌上花的心思。
他们在自己的每一篇日志中，详细介绍了自己的商业模式、为什么要做售前 GTM、如何迭代自己的产品、增长策略……
在 Clay 的日志列表里，可以清晰看到这家公司如何从 AI 寻找销售线索，到 AI 寻找潜在客户，再到如何形成销售策略、发送销售邮件、再到最后推出 GTM 工程师岗位的思考全流程。
在这些日志中，没有艰深晦涩的语言，甚至 Clay 还用许多漫画的形式介绍自己的业务，让小白也能一目了然。
Clay 官网页面 图片来源：Clay 官网
Clay 的冷启动做法也非常值得如今的 AI Agent 产品借鉴，毕竟对于当下 AI Agent 产品来说，如何营销是一个至关重要的环节，如果第一款产品没能打动用户，可能很难跑出来了。
Clay 创始人起初做法是疯狂 “刷存在感”，他们加入了 WhatsApp 群组和至少十几个销售和营销 Slack 社区，通过发表相关观点和回复咨询，形成 “钩子” 来引起人们注意。
之后，Clay 邀请社群群主 Eric 加入初创团队。 Eric 在社区和 WhatsApp 群组中为 Clay 赢得信誉，成功吸引了很多用户和代理机构。
Clay 的主要盈利方式是自助式产品驱动型增长模式。我们为用户提供为期两周的免费试用，让他们能够使用专业级功能，例如无限用户、CRM 集成、高使用门槛等等。
这也被称为 “反向试用”：当人们充分体验到产品的全部功能后，他们很有可能成为客户。即使他们没有转化，免费试用用户也常常会在某种程度上成为品牌的拥护者。
试用期结束之后，Clay 会把这个试用期转化为基于使用量和功能的信用等级，Clay 的产品定价采用按需付费的方式。Clay 允许用户访问超过 75 家数据提供商，而这些提供商原本需要用户自行付费，因此 Clay 的积分系统使用户能够直接访问这些提供商，并将它们组合起来以最大限度地提高数据质量，并且只需通过 Clay 积分支付所需的费用。
Clay 的定价范围为每月 0-800 美元，首个付费等级为每月 149 美元，这是一个适合中小企业预算的定价。
Clay 的积分制付费套餐分为 5 类，依次如下：
免费版：一年免费给予用户 1200 积分，每次人员 / 公司搜索最多 100 个结果；
入门版：每月 134 美元，按年计费，一年预付 24000 积分，每次人员 / 公司搜索最多 5000 个结果；
探索版：每月 314 美元，按年计费，一年预付 120000 积分，每次人员 / 公司搜索最多 10000 个结果；
专业版：每月 720 美元，按年计费，一年预付 6000000 积分，每次人员 / 公司搜索最多 25000 个结果；
企业版：联系销售自定义积分。
图片来源：Clay 官网
如今，Clay 的业务对象覆盖 Al、SAAS、金融科技等行业，有约 6000 家客户，其中不乏风头正劲的 AI 巨头，例如 OpenAI、Google、Cursor 等。
OpenAI GTM 系统负责人 Keith Jones 说，Clay 仍然是 OpenAI 不断壮大的团队技术栈的核心组成部分。OpenAI GTM 的团队成员和销售部门都使用 Clay 来拓展潜在客户、进行客户研究和目标定位。
Clay 面临的问题：用户粘性和数据
尽管 Clay 的逆袭神话引来很多关注，但是它并非在这一领域一骑绝尘，环伺在侧的还有 ZoomInfo、Apollo.io 等销售技术平台以及 Unify 等初创公司。当竞争同质化时，就比谁提供的线索和数据更精准了。
在袁子恒看来，Clay 的最大问题是用户粘性和数据飞轮。
“如果我是一个企业老板，用了 clay 提高了收入，我会想尝试别的类似产品对于销售的提升会不会更好。” 袁子恒说。ToB 的企业用户很现实，对他们而言，利润是最关键的指标，要提升用户忠诚度，只能靠给企业赚多少钱来说话，这是与 C 端用户不一样的地方。
袁子恒发现，Clay 类似一个平台，一方面从互联网抓取很多数据，整合起来，帮助客户针对性的联系目标客户，但这样的事情，别的工具也可以做，最终拼的一定是匹配的精准度。
另一方面，Clay 另一个问题在于赖以生存的数据源正在收紧，Linkedln 等数据源对于第三方爬取极端抗拒。数据源的收费策略会直接影响 Clay 成本，如 2024 年 LinkedIn API 价格暴涨 300%，就导致 Clay 的毛利率自 62% 跌落至 41%。
“有没有独家数据是一个核心。” 袁子恒说，AI 应用的一个核心壁垒是私有数据，要不然一开始就有私有数据，要不然通过搞定客户，获取用户的数据，这也是私有数据的一种，而 Clay 在两端都没有建立起自己的数据壁垒。最关键的是，Clay 的模式，至少目前看来，并没有体现出飞轮效应，所谓的 “飞轮效应”，需要用户使用后，进行数据反馈，这样能够让产品越用越精准。Clay 给客户提供基于公开信息整合的数据，但并没有与用户形成有效的反馈和互动机制，形成自己的壁垒。
相比于其他 AI 售前的企业，Clay 显然有先发优势，而且 Clay 还绑定了大客户，但这种优势会支撑 Clay 在竞争激烈的 AI 销售领域走多远？起码从现在看来，前景依然不明朗。