Flamingo AI 融资使其开放式 MSP 模式直面成熟平台

Flamingo 融资 450 万美元，推动其 OpenFrame 平台从 beta 测试迈向商业应用。这笔 Flamingo AI 融资让这家初创公司获得更多时间，以证明开放基础设施与 AI 智能体能够替代 MSP 现有软件栈中的部分功能。

Vertex Ventures 领投了这轮种子融资，使 Flamingo 的累计融资额达到 670 万美元。该公司称，已有 400 家托管服务提供商在 10,000 个端点上测试 OpenFrame，另有 2,500 家提供商正在等待访问权限。

这些数字构成了颇具前景的起点，但尚不足以下定论。Flamingo 进入的是一个已有 ConnectWise、Kaseya 和 NinjaOne 提供整合管理、自动化及日益自主化 AI 功能的市场。

因此，这场关键竞争不只是年轻公司挑战老牌厂商。Flamingo 押注于：当 AI 被构建在开放的运营层中时，才能发挥最佳效果。成熟平台则认为，智能体需要其系统中已有的数据、集成能力和安装基础。

Flamingo AI 融资推动 OpenFrame 迈向商业发布

这笔新资金支持公司从技术前景迈向可收费、可用于生产环境的服务。

Flamingo 于 2026 年 9 月 2 日宣布了这轮种子融资。其种子轮公告称，Vertex Ventures 领投此次融资，现有投资者也参与了投资。

该公司计划利用这笔资金将等待中的服务提供商转化为活跃客户。它还打算提升 OpenFrame 的稳定性、增加 AI 功能，并扩展其在 IT 与安全运营领域的覆盖范围。

OpenFrame 将 MSP 通常需从多个供应商处获取的两层能力结合起来。第一层是围绕开源工具和共享数据模型构建的基础设施层。第二层则由能够理解请求并执行运营任务的 AI 智能体组成。

托管服务提供商，即 MSP，向外部企业提供持续的技术支持。一家服务提供商可以为众多客户管理数千台笔记本电脑、服务器、账户、应用程序和安全控制措施。

这种运营模式重视一致性和规模化。它也会产生大量常规任务队列，包括密码重置、软件安装、补丁部署、告警审查、设备配置和工单文档整理。

Flamingo 表示，OpenFrame Core 最终将整合 19 类 IT 和安全软件。其第一代产品涵盖远程监控、设备管理、补丁管理、远程访问、自动化、安全监控、文档管理和工单处理等功能。

该公司在这一基础之上部署了两个具名智能体。Fae 处理终端用户请求，Mingo 则面向技术人员和设备群层面的运营工作。

设备群层面的操作会影响一组受管设备，而非单个员工的电脑。例如检查备份、应用策略、运行脚本，或应对共同的安全状况。

Flamingo 称，Fae 可以处理电脑运行缓慢、密码问题和软件安装等请求。Mingo 则旨在识别更广泛的问题、提出行动建议，并有时在用户创建工单之前介入。

敏感或尚未解决的工作可被标记为“需要技术人员”。随后，该任务将连同智能体的上下文信息转交给人工技术人员。

这种升级机制至关重要，因为自主 IT 操作的风险高于自动生成工单摘要。糟糕的摘要只会浪费时间，而错误的设备命令可能中断服务或削弱安全性。

Flamingo 仍处于 beta 阶段，因此其商业表现尚未得到验证。CEO Michael Assraf 告诉行业报道，公司希望在大规模向客户收费之前，先增加研发能力。

这笔融资改变了 Flamingo 可以尝试的方向，但并未改变它已证实的事实。它现在拥有资本、beta 部署和发布目标，但仍需证明这些部署能够转化为持久的客户关系。

为何 MSP 的经济模式青睐 AI 自动化

Flamingo 瞄准的是高度依赖人力的服务模式，在这里，即使效率小幅提升，也能改变每位技术人员可支持的客户数量。

MSP 通常将软件许可证、技术人力、安全服务和客户支持整合为持续性合同。当每增加一位客户都会带来更多告警、工单、设备和人工管理工作时，它们的成本也会随之上升。

传统自动化通过固定规则和脚本处理可预测的工作。当请求以自然语言形式到达，或需要来自多个系统的上下文时，其效果就会下降。

AI 智能体承诺能够理解这些上下文、在获批操作中作出选择并执行工作流。智能体系统不同于聊天机器人，因为它能够通过连接的工具采取行动，而不只是生成文本。

这一区别解释了为何 MSP 厂商正超越工单摘要功能。该行业正在探索能够分类请求、检索设备信息、应用策略、启动脚本、记录结果并升级处理异常情况的系统。

Flamingo 的主张将这类自动化与软件整合结合起来。共享运营层可让智能体访问设备、工单、监控和安全信息，而无需在每一步都建立独立连接。

这种方法解决了孤立式 Copilot 的实际弱点。工单产品内的助手可能可以总结请求，却无权检查端点或部署修复措施。

Flamingo 希望让其智能体更贴近基础设施本身运行。Assraf 将这一策略描述为，把智能体直接置于底层架构中，使其能够关闭工单，而不只是推荐回复。

这笔融资到来之际，MSP 报告称与 AI 相关服务的需求正在增长。Kaseya 的MSP 调查基于超过 1,000 家服务提供商，发现 AI 和自动化正集中应用于核心运营工作。

Kaseya 报告称，48% 的受访 MSP 将 AI 列为客户最主要的需求。该厂商还发现，获客仍然困难，这加大了服务提供商保护利润率并展示差异化服务的压力。

这些发现来自一家拥有自身 AI 战略的现有厂商，因此读者应将其视为厂商赞助的研究。尽管如此，它们仍有助于解释为何几乎所有主要 MSP 平台如今都强调自动化和运营智能。

对较小的服务提供商而言，这一吸引力十分直接。如果智能体能安全地解决常规工作，相同的技术团队便可在无需按比例扩招的情况下支持更多客户。

反向结果同样可能出现。不可靠的自动化可能制造新的审查工作、造成虚假的信心，或迫使技术人员在执行后检查每一项操作。

因此，运营准确性比功能数量更重要。MSP 管理的环境在权限、应用程序、合规要求和客户容忍度方面各不相同。

一个在某个租户中成功的智能体，可能会在另一个租户中失败，因为策略、操作系统或安全控制措施已发生变化。多租户隔离还必须防止数据和命令跨越客户边界。

Flamingo 的 beta 覆盖范围为其测试这些问题提供了场景。根据该公司说法，已有 400 家服务提供商在 10,000 个端点上使用 OpenFrame。

这些是公司自行提供的数据，而非经独立审计的采用数据。它们表明存在活动，但未揭示使用深度、留存率、工单解决率，或需要人工干预的智能体操作比例。

这一差别将在商业发布后变得关键。注册 beta 的服务提供商，并不等同于每天通过该平台运行关键客户运营工作的组织。

开放基础设施面临现有厂商的数据优势

Flamingo 面临的主要挑战，是证明开放基础能否比成熟平台增添自主执行能力的速度更快地走向成熟。

OpenFrame 不认同 MSP 必须围绕一系列封闭厂商产品来构建其运营模式的观点。Flamingo 转而提出一个由开源基础、共享 API 和通用运营数据构成的统一层。

该公司的公开 OpenFrame repository描述了设备管理、实时消息、多租户隔离、自动化和 AI 辅助支持等服务。它还提到了适用于 Windows、macOS 和 Linux 的跨平台客户端。

公开代码提供了专有产品所不具备的可见性。MSP 可以检查组件、了解部署要求，并评估自托管是否适合其运营模式。

然而，可见代码并不会自动带来可靠的托管服务。生产环境用户还依赖升级、文档、集成、威胁响应、支持，以及在多样化环境中可预测的行为。

成熟厂商带着多年的设备数据和工作流历史参与这场竞争。它们还拥有与 MSP 的既有关系，而这些 MSP 已在其平台中配置了策略、脚本、合同和客户记录。

ConnectWise 现在将其产品描述为用于预测式 IT 的统一系统。其 AI agents能够理解请求、路由工单、记录工作，并在现有服务工作流中执行操作。

ConnectWise 早期的 Sidekick 产品主要侧重于辅助功能。它们可以总结工单、生成回复、支持分流，并帮助技术人员创建脚本。

其更新后的智能体战略更接近 Flamingo 的核心主张。两家公司如今都认为，有用的 AI 必须在服务工作发生的地方采取行动。

Kaseya 正在提出类似的架构观点。该公司表示，其智能层可以在自主操作发生前，连接 IT 运营、安全和备份领域的信息。

Kaseya 的平台战略将 AI 定位为操作系统的一部分，而非附加于单个产品的功能。这种表述与 Flamingo 所称其创立要解决的问题十分相似。

这种重叠削弱了简单的初创企业对阵传统厂商的叙事。Flamingo 并非唯一意识到碎片化数据限制 AI 自动化的公司。

真正的区别在于厂商如何构建统一层。Flamingo 从开放组件起步，并围绕智能体执行来设计数据模型。现有厂商则正在整合已经被庞大客户群使用的产品、数据集和工作流。

Flamingo 可以在不保留每一个旧版接口的情况下推进。它还可以开放更多基础设施，并吸引担忧供应商锁定的服务提供商。

现有厂商可以利用更多历史运营数据来训练和评估自动化能力。它们能够通过客户已信任其拥有端点访问权限的产品，分发新的 AI 功能。

NinjaOne 则带来了另一种压力。它强调基于云的端点管理、策略自动化、补丁管理和整合工作流，即便其产品定位较少以开放基础设施为中心。

这些竞争对手不需要完全复制 Flamingo。他们只需在熟悉的系统中改进自动化能力，让迁移变得不那么有吸引力。

对于任何替代平台而言，迁移仍是重大障碍。MSP 必须迁移设备代理、安全策略、文档、脚本、工单工作流、客户记录和报告流程。

更低的软件成本或更简洁的界面，未必足以证明这种运营风险是合理的。Flamingo 的代理必须提供足够可衡量的价值，以抵消迁移工作和采用年轻平台带来的不确定性。

开放基础设施可以减少对单一供应商的依赖，但也会改变责任归属。选择自托管组件的 MSP 可能需要承担更多部署、监控和维护工作。

这种权衡并不会否定 Flamingo 的模式。它界定了公司必须达到的标准：开放性必须减少限制，而不能将过多复杂性转移给客户。

最难的部分是将特权工作交给代理

只有当服务提供商能够预测、限制、审计和撤销代理行为时，自主 IT 才会产生价值。

密码重置和软件申请看似是日常事务，但它们涉及身份、授权和政策。一个基于不完整上下文采取行动的系统，可能会错误授予访问权限，或安装违反客户规则的软件。

面向整个设备群的操作会进一步提高风险。一项错误的补丁部署、安全配置、备份变更或脚本，可能在技术人员发现之前就影响大量设备。

Flamingo 表示，其代理能够将需要人工参与的任务升级处理。这是一项有用的控制措施，但公司尚未发布独立测量数据，说明升级会在何时发生，或代理对风险分类的准确度如何。

因此，建议与执行之间的区别至关重要。助手即使出错，最终决定仍可由人来做出。自主代理则可能将同样的错误转化为一次运营事件。

MSP 将需要围绕权限设置详细控制措施。每个代理都应只获得完成指定任务所需的权限，这种做法通常被称为最小权限原则。

服务提供商还需要客户专属的政策。一家企业可能允许自动更新应用程序，另一家则可能因为专用工作流依赖旧版本而要求审批。

审计记录必须说明代理观察到了什么、选择了哪项行动，以及结果是否经过人工批准。没有这些记录，技术人员就无法调查错误或证明合规性。

回滚同样重要。当受影响系统支持时，自动化变更应具备明确的恢复路径。

这些要求有利于整合身份、设备、安全和工单数据的平台，也有利于运营者能够检查操作如何在组件之间流转的透明系统。

Flamingo 的开源定位有助于技术审查。然而，买家仍需要托管产品层面的证据，包括安全测试、服务可靠性、租户隔离和事件处理。

目前的采用数据无法回答这些问题。Flamingo 的公告称，已有 400 家 MSP 参与测试、10,000 个端点，以及 2,500 家服务提供商正在等待访问权限。

在另一次采访中，Assraf 提到等候名单上约有 3,000 家经过验证的 MSP。差异可能反映时间点或定义不同，但两份来源都未解释这一变化。

这种差异并非不当行为的证据。它表明，在公司一致定义并更新数据之前，读者不应将等候名单总数视为需求的精确衡量指标。

端点分布同样重要。如果平均分配，10,000 个端点分布在 400 家服务提供商中，意味着每家平均 25 个端点。

实际分布未知，而平均值可能掩盖少数大型测试者与许多小型部署并存的情况。Flamingo 尚未公布这一细分数据。

该公司也未披露 Fae 或 Mingo 在无需人工协助的情况下解决工作的频率。其他缺失指标包括任务失败率、升级频率、节省时间和客户留存率。

商业转化将提供更强的信号。在开始收费后仍继续使用的服务提供商，已将产品与运营风险及可选替代方案进行了权衡。

端点持续增长将提供另一项信号。一家服务提供商可能先在有限群体中测试 OpenFrame，之后再将其扩展到客户环境中。

最有说服力的证据应将采用情况与结果联系起来。有效指标包括未解决工单减少、解决时间缩短、非工作时间工作减少，以及安全表现稳定。

不应期待 Flamingo 立即公布所有内部指标。然而，其核心主张是自主运营，因此单凭部署数量无法验证这一模式。

Flamingo 的双代理设计带来了什么变化

将终端用户支持与设备群管理分离，为 Flamingo 提供了更清晰的控制边界，但这一边界必须在真实条件下经受检验。

Fae 和 Mingo 代表两种不同的权限类型。Fae 与个体用户互动，并处理与其设备或账户相关的请求。

Mingo 则从技术人员一侧开展工作。它可以检查更广泛的情况，并协调跨系统或跨端点群组的任务。

这种分离方式与许多服务台划分职责的方式相似。前线支持处理常见请求，而拥有更高权限的技术人员负责基础设施和安全。

如果权限遵循这些角色，设计就能限制不必要的访问。Fae 不应为了处理一名员工的软件请求而需要广泛的设备群权限。

Mingo 需要更广泛的访问权限，但可以在更严格的政策下运行。高影响操作可以要求审批，而低风险检查则可以自动进行。

OpenFrame 的统一数据层旨在为两个代理提供一致的上下文。当终端用户问题实际上反映更广泛的设备或政策状况时，这可以减少交接问题。

设想一名员工报告笔记本电脑运行缓慢。Fae 可以收集详情并检查设备。如果监控数据表明同一问题出现在许多机器上，Mingo 就可以评估设备群层面的模式。

传统工作流可能会在多个工具中生成独立警报和工单。随后，技术人员需要手动关联这些信号。

Flamingo 希望共享层能让其代理获取这种关联。这正是公司声称 Mingo 能在工单出现前处理问题的机制。

工单前行动听起来很有吸引力，但它需要审慎的阈值设定。许多警报是暂时的、无害的，或仅与特殊工作负载有关。

对每个异常都作出反应的代理，可能造成比其试图修复的问题更多的干扰。它还可能消耗技术资源，并让审计日志充满不必要的操作。

因此，成功的主动服务不止依赖语言模型推理。它还需要可靠的遥测数据、客户政策、历史上下文和安全的执行工具。

当意图模糊或业务后果不明确时，人工技术人员仍然不可或缺。他们也负责处理代理已测试工作流之外的异常故障。

Flamingo 最强的短期使用场景可能涉及具有明确成功条件的重复性、边界清晰的任务。密码工作流、获批应用程序部署、日常脚本和文档化检查都符合这一特征。

安全事件响应需要更高程度的谨慎。被攻陷的账户或端点可能产生不完整且具有对抗性的信号，而错误响应可能导致访问被移除或证据被破坏。

该公司将安全监控和事件处理列为 OpenFrame 的计划能力之一。在客户或独立测试人员验证其表现之前，应将这些功能视为产品主张。

同样的谨慎也适用于涵盖 19 个类别的完整路线图。Flamingo 表示，第一代产品已经运行，后续版本将扩大覆盖范围。

只有当各个模块满足生产环境要求时，广泛路线图才会创造集成价值。MSP 不能仅因相应类别出现在列表中，就替换已经受到信赖的工具。

这正是 Flamingo AI 融资最重要的意义所在。资金为团队提供资源，用于提升稳定性、完成集成，并在更多环境中测试代理行为。

它并不能消除排序问题。Flamingo 必须决定哪些工作流应优先做深，而不是将开发资源分散到每个承诺的类别中。

早期客户可以通过真实使用塑造这一决策。他们的重复任务、失败的自动化和升级请求，能够揭示 OpenFrame 在何处产生可衡量的运营价值。

评估这些经验的 MSP 也需要有组织的内部知识。可搜索的技术知识库可以保留流程、客户限制和事件上下文，为人工审查提供指导。

即使代理执行更多工作，文档仍将十分重要。团队需要权威政策来界定自动化可以执行哪些操作。

三项信号将决定这场押注是否成功

商业转化、更深入的端点部署和经过验证的自主运营结果，将决定 Flamingo 是否找到了可持续的位置。

第一项信号是从测试访问转化为付费使用。Flamingo 表示，已在商业发布前启用计费和使用情况可见性。

400 家测试服务提供商中必须有相当比例在免费测试期结束后继续使用 OpenFrame。转化将表明，用户足够重视该平台，愿意接受付费和运营依赖。

即使等候名单仍然很长，较低的转化率也会削弱融资逻辑。这可能表明服务提供商乐于试验，但不愿将生产工作流迁移过来。

转化质量与数量同样重要。将 OpenFrame 用于日常设备管理和工单执行的服务提供商，比活跃度较低的账户更能提供有力验证。

第二项信号是现有客户内部的扩展。已报告的 10,000 个端点确立了基准，但并不能说明部署是否正在增长。

服务提供商通常会先在内部设备或小型客户群体上测试管理软件。扩展到更多租户表明，可靠性、控制措施和支持服务经受住了初步评估。

如果端点增长没有伴随活跃服务提供商数量的相应增加，将尤其具有参考价值。这意味着现有测试者正在将 OpenFrame 托付给其更大比例的环境。

端点总数下降将引发有关留存或技术适配性的疑问。Flamingo 最终应提供一致的定义，以便观察者能够比较不同时期的数据。

第三项信号是代理安全完成工作的证据。Flamingo 需要提供生成回复、注册用户和路线图广度之外的结果指标。

有用的报告应将建议的操作与实际执行的操作区分开来，还应展示完成率、人工升级、撤销操作和与安全相关的例外情况。

独立客户的说明将增强这些证据。MSP 运营者可以解释，代理是否真正减少了积压队列，还是仅改变了技术人员花费审查时间的位置。

竞争对手的回应将影响这三项信号。ConnectWise 和 Kaseya 已经在推广可跨统一运营系统采取行动的代理。

如果现有厂商迅速交付可靠的自主工作流，Flamingo 的开放模式就必须在透明度、灵活性、部署控制或显著更好的客户体验方面胜出。

如果现有厂商的整合进展依然缓慢，Flamingo 就有机会在它们弥合架构差距之前，推动 OpenFrame 站稳脚跟。

因此，该公司的种子轮融资并不只是为又一个 AI 助手提供资金。它所支持的是一项检验：一个开放、面向智能体的基础设施层，能否成为 MSP 的主要运营系统。

这一检验仍未有定论。Flamingo 已披露了真实的 Beta 测试活动和明确的技术路径，但尚未展示持续的商业采用情况，或经过独立验证的自动化成果。

对于 MSP 领导者而言，恰当的回应既不是立即替换，也不是直接否定，而是采用受控评估：限定工作流、限制权限、设定审计要求，并清晰衡量技术人员的时间投入。

关注开始收费后的表现。如果服务商持续留存、扩大其终端部署规模，并公布可信的运营成果，那么 Flamingo AI 的这轮融资将可被视为一次可行平台挑战的开端。

如果这些信号未能出现，这轮融资就只是为一种有趣的架构提供了资金，却没有证明 MSP 会将日常运营托付给它。未来几个月应会显示，哪一种解读更符合证据。