News

• 0708日报 | 超越聊天框，AI的GUI时刻来了

  今日洞察

  今天的五个字：超越聊天框。

  Monogram 以 $4000 万 Seed 轮走出隐身模式——创始人 Eren Bali（Udemy 创始人、Carbon Health 创始人）做了一个跟所有人相反的产品：不是更好的聊天机器人，而是让 AI 生成可视化交互界面。你问它找食谱，它给你一个带图片和步骤的食谱卡片；你问它比电动车，它给你一个对比表格。这不是一个 chat UI，而是一个 GUI for AI。 DST Global 和 Lux Capital 共同领投——这可能是 2026 年最重要的 AI 产品方向信号之一。

  与此同时，AI 进入了两个最「贵」的行业：法律和金融。

  Norm AI 以 $1.2 亿 C 轮成为法律 AI 新独角兽（Khosla Ventures 领投，$1.2B 估值），背后是 $30 万亿管理资产规模的法律需求——不是帮律师写文档，而是把法律规则直接变成 AI Agent。Taktile 的 $1.1 亿 C 轮（Goldman Sachs 领投） 则在金融端证明：AI 在银行和保险的核保流程中已经实现了 95% 自动化。两个案例的共同点：AI 在受监管行业从「辅助工具」变成了「核心流程」。

  产品侧的故事更有趣。Bespoke Labs 的 $4000 万融资（8VC + Wing VC） 解决的是 AI Agent 行业最根本的问题：Agent 不可靠。他们的答案是「训练环境」——不是更大模型，而是更好的模拟环境，让 Agent 在真实场景中训练可靠。而 Even Realities 的 $1.5 亿 Pre-B 轮（美团、腾讯领投），让智能眼镜赛道迎来了前 Apple 工程师打造的「无摄像头」方案——4000 Nit 亮度、10 小时续航、$599 起售。

  最后，一个重要的行业信号：Microsoft 开始用自研 MAI 模型替代 OpenAI 和 Anthropic。不是全部替代，但在 Excel 和 Word 里逐步切换。当最大的 AI 客户开始「去外部供应商」时，AI 模型的商品化速度可能比所有人想象的都快。 加上 Crunchbase 数据显示 H1 2026 全球风投达到创纪录的 $5100 亿（AI 占 70%+）——钱多，但巨头也在收紧口袋。

  ---

  1. Monogram（融资 / AI 可视化界面）

  融资信息：$4000 万 Seed 轮，由 DST Global 和 Lux Capital 共同领投，Conviction、SOMA Capital、Gradient Ventures、e2vc、Maxitech 跟投。

  做什么的：AI 可视化界面应用（iOS 首发）——用户用自然语言提问，Monogram 在几秒内生成一个完整的可视化交互界面作为回答，而不是一段文本。

  为什么值得关注：

  • 「超越聊天框」可能是 2026 年最重要的 AI 产品方向。当所有人都把 AI = Chat 时，Monogram 提出了一个根本性的反问：为什么 AI 的回答必须是文本？
  • 创始人 Eren Bali 的第三幕。他此前创办了 Udemy（$20 亿+ 估值）和 Carbon Health（$30 亿+ 估值）。DST Global + Lux Capital 共同入局。
  • 技术壁垒：实时 UI 生成引擎，动态生成原生 UI 组件——从头设计的 AI-UI 架构。

  ---

  2. Norm AI（融资 / 法律 AI 独角兽）

  融资信息：$1.2 亿 C 轮，估值 $12 亿（新晋独角兽）。领投方 Khosla Ventures，跟投方包括 Blackstone、Bain Capital Ventures、Craft Ventures、Coatue、Vanguard、TIAA、New York Life 等。

  做什么的：AI-native 法律服务平台——将法律法规和监管规则翻译为 AI Agent，实现法律合规工作自动化。旗下包括 Norm Law（AI 原生律所）、Norm Technology（合规自动化平台）和 Supervisory AI（AI Agent 监督层）。客户管理资产总计超 $30 万亿。

  ---

  3. Taktile（融资 / 金融 AI 决策平台）

  融资信息：$1.1 亿 C 轮，由 Goldman Sachs Alternatives 领投，Balderton Capital、Index Ventures、Tiger Global、YC 等跟投。

  做什么的：银行和保险公司的 AI 决策操作系统。客户已实现 95% 自动化的 B2B 核保，75% 更少的 AML 误报。

  ---

  4. Bespoke Labs（融资 / AI Agent 训练环境）

  融资信息：$4000 万（Seed + Series A）。8VC 和 Wing VC 领投，跟投方包括 Anthropic、OpenAI、Meta 等公司的天使投资人。

  做什么的：AI Agent 训练环境研究实验室——为 Agent 构建模拟真实世界的「训练场」。开源了 OpenThoughts（被 10 万+ 下载）、Terminal-Bench 和 GEPA。

  ---

  5. Even Realities（融资 / AI 智能眼镜）

  融资信息：$1.5 亿 Pre-Series B，估值 $10 亿（新晋独角兽）。由美团领投，腾讯跟投。

  做什么的：无摄像头 AI 智能眼镜——Even G2 配备 4K 投影、4000 Nit 亮度、10 小时续航、32g 重量，支持 AI 实时翻译、提词、转录。隐私优先设计。

  ---

  6. 行业洞察：Microsoft 的「去 OpenAI」运动

  Microsoft 开始在 Excel 和 Word 中用自研 MAI 模型逐步替代 OpenAI 和 Anthropic 的模型来处理部分用户请求。当最大的 AI 客户开始「去外部供应商」时，AI 模型的商品化速度可能比所有人想象的都快。

  ---

  7. 行业洞察：H1 2026 全球风投 $5100 亿

  Crunchbase 报告：全球 Startup 融资 $5100 亿，超越 2025 年全年总额。AI 公司独占 Q2 资本的 70%+。OpenAI + Anthropic 两家占 $2170 亿（43%）。

  ---

  统计信息：收录 7 个产品/动态 | 融资总额 $4.6 亿 | 覆盖赛道：AI 界面革新、法律 AI、金融 AI、Agent 基础设施、AI 硬件、行业洞察

  31 minutes ago

• 0707日报 | Anthropic 反超 OpenAI，Fable 5 今日转按量计费

  今日洞察

  今天的五个字：「王座易主了。」

  Anthropic 年化营收突破 $300 亿，正式超越 OpenAI 的 $240-250 亿——这不是预测，是已经发生的现实。仅四个月前 Anthropic 的营收还是 $90 亿，$900 亿+ 估值的背后是世界500强企业的采购单。更关键的是，今天（7月7日）是 Fable 5 从订阅制转为按量计费的日子——Anthropic 最强大的模型正式进入「用多少付多少」模式，这对所有 AI 创业者的定价策略都是一个信号。

  与此同时，Sam Altman 做了 AI 史上最奇怪的操作之一：提议给美国政府 5% 的 OpenAI 股权，价值 $426 亿。 这不是监管妥协，而是主动献祭——用股权换政治保护。而 Meta 决定把过剩的 AI 算力卖出去做云生意——当一家社交公司开始挑战 AWS 时，说明 AI 基建的军备竞赛已经溢出到所有人面前。

  产品侧，两个趋势值得关注：一是「买断制」回归——Typeahead 2.0 的 $79 一次性定价和 AirKaren 的免费模式，都在反叛 SaaS 订阅疲劳；二是 AI Agent 框架的「自组织」化——Mozaik 让 Agent 自己决定怎么协作，不再需要人工写 workflow。

  结论：AI 行业正在从「谁有更好的模型」转向「谁有更好的商业模式」。Anthropic 的企业战略赢了第一回合，OpenAI 的政府战略是第二回合的布局，Meta 的云战略则说明——AI 算力过剩可能比算力短缺来得更快。

  ---

  1. Anthropic（行业洞察 / AI 巨头格局重塑）

  动态：7月第一周，Anthropic 年化营收突破 $300 亿，反超 OpenAI（$240-250 亿）。同时，Claude Sonnet 5 正式在 Microsoft Azure Foundry 上 GA，企业客户无需单独签 Anthropic 合同即可使用。今天（7月7日）是 Fable 5 订阅期最后一天——之后 Fable 5 将转为按量计费（usage-credits）模式。

  做什么的：AI 基础模型研发公司——Claude 系列模型（Fable、Opus、Sonnet、Haiku），产品线覆盖 Claude.ai、Claude Code、Claude Cowork、Claude Science 等。

  为什么值得关注：

  • Anthropic 反超 OpenAI 不是偶然，是战略选择的结果。 当 OpenAI 用 ChatGPT 做大众市场时，Anthropic 赌的是企业采购。从 Claude Code 到 Claude Cowork，从 Azure 集成到 Fable 的安全标签，每一步都在服务 CIO 而不是 C端用户。结果：世界500强不关心聊天机器人，他们关心能走通采购流程的 AI。
  • Fable 5 今天转按量计费是行业定价的风向标。Anthropic 选择放弃 Fable 的订阅捆绑，意味着他们认为 Fable 的用量会足够大，按量计费的收入远高于固定订阅。
  • Claude Sonnet 5 上 Azure：企业客户可以用 Azure Consumption Commitment 直接支付 Anthropic 的账单。这意味着企业采用 Claude 的门槛从「签一个新供应商」降到了「在一个已有预算条目里打勾」。

  类比参考：「企业级 AI 的 Oracle / 从追随者到领导者的教科书级案例」

  ---

  2. OpenAI（行业洞察 / AI 治理新范式）

  动态：上周（7月2日披露），OpenAI CEO Sam Altman 向特朗普政府提议，让美国政府持有 OpenAI 5% 股权，按当前估值约 $426 亿。

  为什么值得关注：

  • 这是 AI 历史上最奇怪的资本操作。 Altman 不是等政府来监管，而是主动说「你们要不要当股东？」这种「用股权换政治保护」的策略在科技行业没有先例。
  • $426 亿的代价买什么？ 买的是美国政府不卡 GPT-5 的出口、不限制 OpenAI 的海外扩张、不在反垄断上找麻烦。
  • Anthropic 的选择形成鲜明对比。 几乎同一时间，Anthropic 拒绝了五角大楼的合同——两家公司在「与政府的关系」上走了截然不同的路。

  类比参考：「AI 版的政府关系实验 / $426 亿的政治保护费」

  ---

  3. Meta Cloud（行业洞察 / AI 算力变现）

  动态：7月1日，Bloomberg 独家报道 Meta 正在筹建云基础设施业务，向外部客户开放 AI 计算能力和模型托管服务。分析师估算 Meta 2026 年总资本支出高达 $1450 亿。

  为什么值得关注：

  • Meta 的算力过剩是一个信号。 当一家公司建了太多 GPU 集群，多到需要卖给外人的时候，说明 AI 基建的投资可能已经出现了结构性过剩。
  • Meta 不是第一个这么做的。 SpaceX 也在卖过剩的算力。但 Meta 的独特之处在于它有社交网络的数据飞轮——开发者用 Meta 的云训练模型，模型可以更好地理解社交内容。
  • 为什么是现在？ 三个原因叠加：① AI 基建大到内部用不完；② 市场需求仍在指数增长；③ 没有 legacy 包袱，可以从零设计「AI 原生云」。

  类比参考：「AWS 2.0：社交公司的算力溢出 / AI 云市场的第三条路」

  ---

  4. Katalyze AI（融资 / AI Agent 操作系统）

  融资信息：$1050 万 Seed 轮，由 Bonfire Ventures 领投，Inovia Capital、Ripple Ventures、Alumni Ventures 跟投。

  做什么的：面向制药公司的 Agentic 操作系统——将分散的生产数据统一为单一可信数据源，让 AI Agent 在 GxP 合规环境下自动处理偏差调查、工艺转移、质量报告等任务。

  为什么值得关注：

  • AI Agent 在受监管行业的范本。 已被 5 家全球前 20 大药企部署，帮助交付了 1000 万剂药物。一个原本需要 1 年和 $400-600 万的分析项目，45 分钟就完成了。
  • 超过 100 位来自 Pfizer、Sanofi、Lilly 的资深科学家 正在与 Katalyze 合作编写 Agent 技能——形成了极强的数据飞轮和护城河。

  类比参考：「制药行业的 ServiceNow / 受监管行业的 AI Agent 范本」

  ---

  5. Typeahead 2.0（新产品 / 私密 Mac AI 写作助手）

  动态：本周（7月6日起），Typeahead 2.0 在 Product Hunt 上登顶，成为当周最受欢迎的产品之一。

  做什么的：Mac 上的私密 AI 自动补全——在所有输入框中提供智能写作建议，完全本地运行，$79 一次性买断，无订阅。

  为什么值得关注：

  • $79 买断制 vs SaaS 订阅疲劳。 当几乎所有 AI 写作工具都收月费时，Typeahead 选择了反向操作。创始人 Hiten Shah 的哲学是：「订阅制激励的是留存策略，一次付费激励的是产品好到用户愿意推荐。」
  • 100% 本地运行——不需要账号，不发送任何数据到云端。在「AI 隐私」越来越受关注的今天，这是另一层差异化。

  类比参考：「Mac 版 DuckDuckGo / 买断制的 AI 写作助手」

  ---

  6. AirKaren（新产品 / AI 客服维权工具）

  动态：本周登顶 Product Hunt 周榜。由 Harvard、Northwestern、UIUC、Vanderbilt 的学生团队打造。

  做什么的：AI 客服维权助手——你告诉它航班出了什么问题，它自动引用相关法规、填写索赔申请、跟踪退款进度。完全免费。

  为什么值得关注：

  • AI 从「帮你做」进化到「替你撕」——在面对航空公司、保险公司等大机构的「客服黑洞」时，这种「AI 替你吵架」的产品有极强的刚需。
  • 学生团队的逆袭。 一群大学生在课余时间构建，没有 VC 支持，完全免费——但热度超过绝大多数融资千万的创业公司。

  类比参考：「AI 版的消费者权益卫士 / 客服界的 ClassAction」

  ---

  值得重点跟踪的 3 个信号

  1. AI 巨头格局正在被重写。 Anthropic 以企业战略反超 OpenAI。Fable 5 今天转按量计费 + Sonnet 5 上 Azure = Anthropic 在「企业可负担性」和「企业可及性」两个维度同时发力。
  2. 买断制和免费模式正在挑战 AI 订阅疲劳。 Typeahead 的 $79 买断 + AirKaren 的免费 + Venice AI 的隐私优先——AI 产品的定价模式远没有标准化。
  3. 垂直行业的 AI Agent 正在从「演示」走向「生产」。 Katalyze AI 被 5 家全球顶级药企使用，处理了 1000 万剂药物交付，证明了 AI Agent 在受监管行业的 PMF。

  ---

  统计信息：收录 6 个产品/动态 | 融资总额 $1050 万（Katalyze AI Seed轮） | 覆盖赛道：AI 巨头竞争、AI 治理、云计算、垂直 AI Agent、Mac 工具、消费者 AI

  1 days ago

• 0705日报 | 石油美元入局AI基建，隐私AI赛道跑出独角兽

  今日洞察

  今天的五个字：「钱在换方向。」

  Together AI 以 $8 亿 C 轮刷新 AI Neocloud 纪录，领投方是沙特阿美（Aramco Ventures）——这是石油美元大规模进入 AI 基建的标志性事件。当一家国家石油公司的风投部门掏出 8 亿美金押注 GPU 租赁生意，信号再清晰不过：AI 算力正在从「科技公司的成本项」变为「国家主权级的战略资产」。

  与此同时，Venice AI 以 $65M A 轮拿到独角兽估值（$10 亿），创始人 Erik Voorhees（ShapeShift 创始人，比特币早期布道者）做了一个完全相反的赌注：不是更开放，而是更隐私。 200+ 模型、零数据留存、TEE 加密、端到端匿名——且已盈利（$70M ARR，300 万+ 活跃用户）。当所有人都在卷模型能力和 Agent 自主性时，Venice 证明「隐私」本身就是一条可行的差异化路径。

  Neo 则展示了第三种可能性：不用 VC 的钱。 印度连续创业者 Bhavin Turakhia 自掏 $3000 万，从零打造 AI 原生的企业工作平台，直接对标 Google Workspace / Office 365。他拒绝 VC 的理由是「做的是长期产品，不需要被增长压力扭曲判断」。

  三个案例合在一起，回答了当前 AI 创业者最核心的问题：做 AI 基建（Together）、做隐私差异化（Venice）、做长期产品（Neo）——三条路都能走通，但每条路需要的资金策略、产品定位和退出预期完全不同。

  产品侧，Agent 生态的基础设施层继续加速：Banger Mail 把「AI Agent 参与团队协作」做到产品级——Agent 干活、人类 review，像 GitHub PR 一样的工作流；Mcpsnoop 给 MCP 协议做 Wireshark；ctx 让你的编码 Agent 历史可搜索；Token Diet 帮编码 Agent 省 31% Token 费用。Agent 不仅在工作，还需要被调试、被搜索、被优化——这些「管理 Agent」的工具正在成为一个独立品类。

  ---

  1. Together AI（融资 / AI Neocloud）

  融资信息：$8 亿 C 轮，估值 $83 亿。领投方 Aramco Ventures（沙特阿美风投），跟投方包括 Vista Equity Partners、General Catalyst、Emergence Capital、Nvidia、March Capital、和硕（Pegatron）、SentinelOne S Ventures 等。累计融资超 $15 亿。

  做什么的：AI 云服务商（Neocloud），提供 Nvidia GPU 集群租赁和开源 AI 模型托管。2026 年上季度年化合同金额超 $11.5 亿。客户包括 Cursor、Cognition（Devin 背后公司）、Decagon 等。

  为什么值得关注：

  • 石油美元正式入局 AI 基建。Aramco Ventures 领投 8 亿美金，是全球主权财富基金对 AI 基础设施最大的一笔单投。沙特在赌 AI 算力需求 10 年不会退潮——这对所有 AI 创业者都是宏观层面的利好信号。
  • $8.3B 估值对应 ~7x 年化合同收入（$11.5 亿），比传统云厂商（AWS 3-4x）贵不少，说明资本市场愿意为「AI 原生云」支付溢价。
  • Nvidia 跟投 + 和硕（全球最大电子代工厂之一）参与，说明整个 GPU 供应链都在下注 Together AI 的分发能力。
  • 对创业者的启发：AI 基础设施的「国家化」才刚刚开始。 中东、东南亚、拉美的主权基金都会陆续入场。如果你的产品需要重资产投入，考虑主权财富基金作为战略投资人。

  类比参考：「AI 初创版 AWS / 带 GPU 的 Cloudflare」

  链接：官网 | TechCrunch

  ---

  2. Venice AI（融资 / 隐私优先 AI）

  

  融资信息：$6500 万 A 轮（首次外部融资），估值 $10 亿（新晋独角兽）。领投方 Dragonfly（加密领域顶级 VC），跟投方包括 Coinbase Ventures、North Island Ventures 等。

  做什么的：隐私优先、无审查的 AI 平台——提供 200+ AI 模型（开源 + 闭源）的访问权限。所有用户输入经过加密、客户端解密、通过外部代理路由、零数据留存。提供文本、图像、视频、音乐、语音、代码生成和 Agent 构建能力。已盈利，年化收入超 $7000 万，300 万+ 活跃用户，日均 170 万次 API 调用。

  为什么值得关注：

  • 隐私即差异化，这是一个被严重低估的策略。 当 OpenAI、Anthropic、Google 都在卷模型能力时，Venice 的定位是「不看你数据的 AI 平台」。对注重隐私的企业客户和个人用户来说，这个卖点极具穿透力。
  • 创始人 Erik Voorhees 的身份本身就是品牌——ShapeShift 创始人、比特币早期布道者。他从加密货币领域跨入 AI，证明了隐私技术人才在 AI 时代的稀缺价值。
  • 加密 VC（Dragonfly）+ 交易所 VC（Coinbase Ventures）共同押注——说明加密圈认为 AI 和加密的交集是真实的。
  • 对创业者的启发：当所有人都往一个方向冲时，往反方向走也是可行的。 隐私、无审查、匿名——这些「政治不正确」的定位在大量用户群体中是真实的刚需。且因为大厂不敢做，这是创业公司的天然护城河。

  类比参考：「DuckDuckGo 版的 ChatGPT / 加密世界版的 Hugging Face」

  链接：官网 | TechCrunch

  ---

  3. Neo（产品发布 / AI 原生企业工作平台）

  融资信息：创始人 Bhavin Turakhia 自掏 $3000 万（个人出资），不拿 VC。公司设于印度班加罗尔，约 45 名员工。

  做什么的：AI 原生企业工作平台，融合项目管理、文档、文件存储和 AI 功能。模型无关——用户可在不同 AI 模型间自由切换。4 月内部启动，计划年底扩至 100 人。

  为什么值得关注：

  • 用 VC 的钱做增长 vs. 用自己的钱做产品——Turakhia 选择了后者。他拒绝 VC 的理由值得每位创始人思考：VC 追求 10 倍回报和快速增长，而他要打造的是一款可能 5-10 年才能成熟的长期产品。慢就是快。
  • 他的创业履历本身就是最好的 BP：Directi（$9000 万被 Endurance 收购）→ Radix（全球最大新顶级域注册局之一）→ Zeta（AI 银行平台，$20 亿+ 估值）。
  • 产品思路极为清醒：不是试图替代某个工具，而是替代整个工作套件。项目管理+文档+文件存储+AI——对标 Google Workspace + Office 365 + Notion + Asana 的集合体。
  • 对创业者的启发：AI 时代最大的机会不是做更好的工具，而是做更好的「工作环境」。 当所有应用都有 AI 入口，真正需要的是一个协调所有 AI 的工作操作系统。

  类比参考：「印度版 Notion + Asana + AI / AI 原生的 Google Workspace」

  链接：官网 | TechCrunch

  ---

  4. Banger Mail（新产品 / AI Agent 协作邮箱）

  

  做什么的：为团队和 AI Agent 设计的共享邮箱——将自定义域名、Gmail、Google Workspace 统一到一个原生 macOS 应用中。AI Agent 可以协作分类、起草回复、打标签，但每项 Agent 操作必须通过人类 review 后才能发出——就像 GitHub Pull Request 一样。

  为什么值得关注：

  • Agent 参与团队协作的「PR 模式」——Banger Mail 最精妙的设计是：Agent 的操作像 GitHub PR 一样需要人工审核。这解决了 AI 引入团队时最大的信任问题。
  • 产品定位精准：不是替代邮件，而是让邮件更适合团队协作。团队共享地址（support@、sales@、marketing@）天然就需要多人协作 + AI 辅助。
  • 原生 macOS + 离线优先 + 快速搜索——创始团队是懂「用户体验」的。
  • 对创业者的启发：Agent 进入企业的最佳方式是「辅助」而不是「替代」，且每一步都要可审计、可撤回。

  类比参考：「Superhuman 做团队版 / AI Agent 版的 Front」

  链接：官网 | Product Hunt

  ---

  5. Mcpsnoop（开源 / MCP 调试工具）

  

  做什么的：MCP（Model Context Protocol）的透明代理 + TUI——像 Wireshark 一样实时展示 AI 客户端和 MCP 服务器之间的每一次真实工具调用。HN 61 分，GitHub 182 star。

  为什么值得关注：

  • MCP 是 Agent 生态的 HTTP 协议——如果类比 Web 时代，MCP 就像 HTTP，而 Mcpsnoop 就是 Wireshark。当 MCP 成为 Agent 调用工具的通用标准，调试 MCP 就是 Agent 时代的刚需。
  • 产品设计极为「Unix 哲学」：透明代理模式，无需修改客户端或服务器配置，启动即用。brew install mcpsnoop 一键安装。
  • 对创业者的启发：Agent 协议层的工具需求正在爆发。 MCP、A2A、Figma API——每个协议都需要自己的调试、监控、安全审计工具。

  类比参考：「Wireshark for MCP / Agent 版的 tcpdump」

  链接：GitHub | HN 讨论

  ---

  6. ctx（开源 / Agent 历史搜索）

  

  做什么的：搜索本地编码 Agent 历史——支持 Claude Code、Codex、Cursor 等 Agent 的历史记录索引和全文搜索。自带 Claude 插件和 Cursor 插件。HN 65 分，GitHub 627 star。

  为什么值得关注：

  • 解决了编码 Agent 用户最痛的痛点之一：你让 Agent 两周前改了一段代码，记不得具体改了啥。现在你有了 ctx search。
  • 跨 Agent 支持（Claude Code + Codex + Cursor）是关键差异化——单一 Agent 的历史搜索已经有人在做了，但跨 Agent 的统一搜索引擎是全新的需求。
  • 对创业者的启发：信息管理是 Agent 时代的核心痛点。 随着 Agent 使用频率增加，历史数据的管理、搜索和复用会成为越来越关键的基础设施。这可能是 Notion 级别的机会。

  类比参考：「Agent 历史的 Google Desktop / macOS Spotlight for AI Coders」

  链接：GitHub | HN 讨论

  ---

  7. Token Diet（开源 / Agent Token 优化）

  

  做什么的：编码 Agent 的「全时段 Token 效率 Skill」——在 Agent 的整个会话过程中自动精简 Token 使用。平均节省 ~31% 费用，根据任务类型优化幅度从 17% 到 54% 不等。GitHub 456 star。

  为什么值得关注：

  • 直接解决编码 Agent 的第二大痛点：成本。 第一大痛点是质量，第二大就是 Token 账单。Token Diet 本质上是一个零侵入的成本优化层。
  • 「Skill」化的设计思路很聪明：不是改 Agent 的代码，而是作为一个可插拔的优化层。类似浏览器装广告屏蔽插件。
  • 有 benchmark 数据验证，不是空口说省钱。
  • 对创业者的启发：Agent 经济的「降低成本层」是一个大市场。 当 Agent 使用量每季度翻倍，任何能降低 30% API 成本的工具都有百亿市场。

  类比参考：「Agent 版的 Adblock / API 成本版的 Green Software」

  链接：GitHub

  ---

  值得重点跟踪的 3 个信号

  1. 主权资本正在重新定义 AI 基建的玩法。 Together AI 的 $8 亿 C 轮由沙特阿美领投，标志着石油美元正式进入 AI 算力军备竞赛。这不仅仅是融资——这是地缘政治层面的转移。AI 算力正在从「硅谷资产」变成「主权资产」。 对创业者意味着：中东主权基金将成为 AI 公司融资的新增重要来源。
  2. 隐私定位是一条被低估的差异化路径。 Venice AI 以独角兽估值完成 A 轮，已盈利 $70M ARR——证明了「隐私优先」不是一个 niche 定位，而是一个可持续的商业模式。在 AI 时代，「不收集数据」可能是比「收集最多数据」更好的商业策略。
  3. Agent 管理工具正在成为一个独立品类。 Mcpsnoop（调试 MCP）、ctx（搜索 Agent 历史）、Token Diet（优化 Agent 成本）——这三个产品各自切入了 Agent 使用生命周期中的一个环节。不是 Agent 本身，而是「管理 Agent」的工具。 类比 Web 时代：Web 本身值多少钱？但 hosting、CDN、analytics、security 加起来是万亿美元市场。Agent 时代的管理工具才刚刚开始。

  统计信息：收录 7 个产品 | 融资总额 $8.65 亿 | 覆盖赛道：AI 基建、隐私 AI、企业协作、Agent 工具链、开源

  3 days ago

• 0701日报 | AI推理芯片与编码Agent吸金

  0701日报 | AI推理芯片与编码Agent吸金

  今日洞察

  今天释放了一个极为明确的信号：AI 的钱正在从「训练」加速流向「推理」和「垂直执行」。 Etched（AI 推理芯片）以 $5B 估值宣布 $1B 订单，累计融资 $800M——Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li 全部入场。EquiLibre Technologies（前 DeepMind 扑克 AI 团队）以 $500M 估值完成 Series A，用强化学习跑真金白银的量化交易，与 Tower Research 合作每日交易数十亿。Chamath Palihapitiya 的 8090 Labs 拿下 $135M Series A 做企业级 AI 编码 Agent，亲自出任 CEO。

  同时，Agent 经济的基础设施层正在成型：OKX 推出 Agent 市场，让 AI Agent 互相雇佣、结算；Arena（AI 榜单）8 个月做到 $100M ARR，证明「AI 评测」是一门大生意；Pocket 以 $129 的硬件 + 零订阅模式卖出 13 万台；Proception 刚和 Tesla 和解就拿到 $11M 做 robot hand。结论：推理芯片、编码 Agent 和 Agent 经济基础设施，是当下资本最集中的三条赛道。

  ---

  1. [Etched](https://www.etched.com/)（融资 / AI 推理芯片）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：累计融资 $800M，最新一轮 $500M（2025年12月关闭），估值 $50 亿。投资方包括 VentureTech Alliance、Jane Street、Hudson River Trading、Two Sigma、Ribbit Capital、Stripes。天使投资人：Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Arthur Mensch、Scott Wu。Stanley Druckenmiller、Peter Thiel 也在 cap table 中。

  做什么的：设计专用 AI 推理芯片（Sohu），将芯片 + 定制机架 + 软件打包成「前沿推理集群」，帮助前沿模型跑推理更快、更便宜、更省电。TSMC 已成功流片。

  为什么值得关注：

  • $1B 合同订单——这不是「可能的市场」，而是已签约的真金白银。当推理成为 AI 公司最大的成本中心时，任何能降低推理成本的方案都会被疯狂抢购。
  • 投资方阵容是最强信号：Jane Street、Hudson River Trading、Two Sigma——全球最精明的量化基金都在投。天使名单中 Karpathy + Hinton + Fei-Fei Li = AI 学术界 + 工业界的天花板组合。
  • 创始人 Gavin Uberti 和 Robert Wachen 都是哈佛辍学生，2022 年创立。从「大学宿舍到 $50 亿估值」只用了 4 年。
  • 对创业者的启发：推理是 AI 的后半场。训练芯片（Nvidia）的战已经打完，推理芯片的战才刚开始。专用芯片 > 通用芯片，在推理领域这个定律正在被验证。

  类比参考**：**「推理版的 Nvidia / AI 芯片界的 Cerebras」

  ---

  2. [EquiLibre Technologies](https://equilibre.ai/)（融资 / AI 量化交易）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：Series A（金额未披露），估值 $5 亿。由 Creandum 领投——这是该 VC 历史上最大单笔投资。

  做什么的：用强化学习做量化交易。三位前 DeepMind 研究员（含 CEO Martin Schmid）曾打造击败人类的扑克 AI，现在将同样的 RL 技术应用于股市。与 Tower Research Capital 合作，每天在标普 500 和纳斯达克交易数十亿美金，自 2025 年以来「每月正收益，零负月」。

  为什么值得关注：

  • 从扑克到交易是 RL 最自然的商业化路径：评分标准极为清晰——赚了多少钱。不需要人工标注数据，不需要主观评估，市场直接给出 reward。
  • 合作模式极聪明：不是自己开基金，而是与 Tower Research（顶级量化公司）合作提供技术。技术授权 > 自己下场，风险更低，规模化更快。
  • Creandum 是 Spotify、Klarna 的早期投资人，他们押下史上最大单注说明信心极强。
  • 对创业者的启发：RL 在游戏中的成功可以平移到任何有明确评分标准的领域。金融是第一个，接下来可能是供应链优化、能源调度、广告竞价。

  类比参考**：**「DeepMind 版的 Renaissance Technologies / RL 版的 Tower Research」

  ---

  3. [8090 Labs](https://8090labs.com/)（融资 / 企业级 AI 编码）

  🔗 链接：TechCrunch 报道

  融资信息：$1.35 亿 Series A。由 Salesforce Ventures 领投，WndrCo、Craft Ventures（David Sacks）、The Production Board（David Friedberg）、Launch（Jason Calacanis）跟投。天使：Palo Alto Networks CEO Nikesh Arora、Quora CEO Adam D'Angelo。

  做什么的：AI 编码 Agent「Software Factory」，专为企业编程团队设计，强调生产级代码质量（而非 vibe-coded 原型），提供审计追踪等企业级管控。

  为什么值得关注：

  • Chamath 亲自出任 CEO——这位 All-In Podcast 主持人和 Social Capital 创始人说「自离开 Facebook 以来，一直在等待这样的时刻回归全职运营」。当一线 VC 从「投资人」变回「创始人」，信号极为强烈。
  • 产品定位精准：不是做通用编码助手，而是专攻企业级代码——审计追踪、合规管控、生产质量。这正好击中大企业用 AI 编码时最大的顾虑。
  • 融资结构本身就是信号：Salesforce Ventures 领投意味着企业渠道的即时接入。Craft Ventures（David Sacks）+ All-In 主持人集体下注。
  • 对创业者的启发：AI 编码的下一个战场不是「能不能写代码」，而是「能不能在企业环境里安全地写代码」。合规和审计是进入大企业的入场券。

  类比参考**：**「企业版 Cursor / 合规版 GitHub Copilot」

  ---

  4. [Arena](https://lmarena.ai)（商业模式 / AI 评测）

  

  🔗 链接：Arena 榜单 | TechCrunch 报道

  融资信息：起源于 UC Berkeley 2023 年的研究项目。商业化仅 8 个月，已达 $1 亿年化收入（ARR）。

  做什么的：运营全球最受欢迎的 AI 模型性能排行榜（1000 万+ 用户评测），并向模型实验室和企业提供深度性能分析服务（AI Evaluations）。

  为什么值得关注：

  • 从研究项目到 $100M ARR 只用了 8 个月——这可能是 2026 年最快的商业化路径。免费的众包榜单（获客）→ 付费的企业深度分析（变现），堪称教科书级的 PLG（Product-Led Growth）。
  • 竞争对手 Yupp（另一个 AI 榜单）已经在 3 月关闭——这个赛道有极强的赢家通吃效应。社区一旦形成规模，新进入者极难追赶。
  • CEO Anastasios Angelopoulos 说「很多人甚至不知道我们在赚钱」——这说明免费产品的品牌效应远超付费服务。
  • 对创业者的启发：「评测」本身可以是一个大生意。任何存在选择困难的品类（AI 模型、SaaS 工具、云服务），谁拥有最权威的评测平台，谁就掌握流量入口。

  类比参考**：**「AI 版 Niche / G2 / AI 模型的 Michelin Guide」

  ---

  5. [Acti](http://openacti.com)（新产品 / AI 键盘 Agent）

  

  🔗 链接：官网 | iOS | TechCrunch 报道

  做什么的：新加坡初创公司推出的 AI Agent 键盘（iOS + Android），不只是预测下一个词，还能在所有 app 中代你执行操作——推荐餐厅、查股票、翻译、生成回复。由 Google Gemini 驱动。

  为什么值得关注：

  • 产品形态极为大胆：不做一个新的 AI app，而是占领你已有的输入入口。键盘是手机上使用频率最高的「软件」，每个 app 都离不开它。这意味着 Acti 不需要用户切换应用就能提供 AI 能力。
  • 「键盘作为 Agent 入口」的思路解决了一个核心问题：用户不想为了用 AI 而打开另一个 app。AI 应该在你已经工作的地方出现，而不是要求你去它那里。
  • 跨 app 的上下文层设计精妙：Acti 能看到你在微信聊什么、在邮件写什么、在搜索什么——这是构建个性化 AI 助手最丰富的数据源（当然也引发隐私问题）。
  • 对创业者的启发：最高频的入口往往不是新场景，而是已经存在的「系统级」界面。键盘、通知栏、分享菜单——这些都是 AI Agent 的潜在入口。

  类比参考**：**「Agent 版的 SwiftKey / 键盘层的 Apple Intelligence」

  ---

  6. [Base44](https://base44.com/)（产品战略 / 自研模型）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：Wix 以 $8000 万收购（收购时公司仅成立 6 个月，团队 8 人）。目前已达 $1.5 亿 ARR。

  做什么的：Vibe-coding 平台（用自然语言创建应用），最近开始训练自有 AI 模型 Base1，用平台积累的「数千万真实用户交互」数据训练，目标是超越前沿模型的性价比。

  为什么值得关注：

  • 「 Wrapper 」反义词：当所有人质疑 AI 应用层只是「GPT wrapper」时，Base44 用行动回答——从 wrapper 走向自研模型，用专有数据训练垂直 LLM。这是 AI 应用公司建立护城河的模板路径。
  • $80M 被收购时仅 8 人团队、6 个月历史——然后迅速做到 $150M ARR。这是 AI 时代「并购后增长」的新范式：大平台收购小团队，小团队借助大平台的分发渠道实现爆发式增长。
  • Base44 的创始人 Maor Shlomo 说：「有足够规模和速度的玩家最终都会训练自己的模型」——这意味着 AI 应用层的终局不是调用 API，而是数据飞轮 + 自研模型。
  • 对创业者的启发：先用别人的模型快速起量，积累专有数据，然后训练自己的模型——这是 AI 应用的经典三段式护城河建设路径。

  类比参考**：**「Vibe-coding 版的 Character.AI / 自研模型的 Lovable」

  ---

  7. [Pocket](https://www.heypocket.com/)（融资 / AI 硬件）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：$1100 万融资，由 Accel 领投，YC、ElevenLabs CEO Mati Staniszewski 参投。

  做什么的：$129 的信用卡大小的录音贴片，贴在手机背面，提供无限录音、转录和待办生成。无订阅费。已售超 13 万台。

  为什么值得关注：

  • $129 一次性买断 + 零订阅——在 AI 硬件领域几乎是一股清流。当所有 AI 产品都在收月费时，「一次购买，永久免费」成为极强的差异化卖点。
  • 13 万台的销量证明了 AI 硬件不是伪命题。关键在于选对了场景：会议录音 + 转录是职场刚需，比 Rabbit 和 Humane 的「通用 AI 设备」靠谱得多。
  • 竞争对手众多（Plaud、Mobvoi、Anker、Viaim、Vibe），但 Pocket 用设计 + 定价取胜。$129 的信用卡贴片比一个独立的录音笔更自然——它利用了你已有的设备（手机）。
  • 对创业者的启发：AI 硬件的最佳策略是「贴片式」而非「独立式」。不要做新设备，而是做已有设备的增强配件。价格要一次性买断，不要订阅。

  类比参考**：**「AI 版 Plaud Note / 会议版的 AirTag」

  ---

  8. [Omen AI](https://www.omen.ai/)（融资 / AI 基建运维）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：$3100 万 Series A，由 Nava Ventures 领投，CRV、Vanderbilt University、Mann+Hummel、Starhill Holdings、Hard Launch Capital 参投。

  做什么的：用微型光谱仪实时监测数据中心液冷液体的化学健康——检测细菌滋生，避免停机清洗造成的数百万损失。

  为什么值得关注：

  • 切入了一个极为隐蔽但极其昂贵的痛点：AI 算力爆发 → GPU 功耗上升 → 液冷温度升高 → 冷却液中水比例增加 → 细菌滋生 → 系统堵塞 → 停机 5-6 小时 → 损失数百万。这是 AI 基础设施的「蝴蝶效应」。
  • 创始人 Zach Laberge，2020 年创立第一家公司时年仅 14 岁，融了 $300 万后从高中辍学。2024 年创立 Omen AI。这种「连续创业少年」的故事本身就是品牌。
  • 产品逻辑清晰：不是卖软件订阅，而是硬件（光谱仪传感器）+ 实时监测软件的组合。数据中心的运维预算极大，且决策链短。
  • 对创业者的启发：AI 基建不只意味着芯片和算力，还意味着围绕算力的一切物理基础设施——冷却、电力、网络、安全。这些「基建的基建」往往是最大的盲区，也是最大的机会。

  类比参考**：**「数据中心版的 Casana / AI 基建版的 Predictive Maintenance」

  ---

  9. [Proception](https://proception.ai/)（融资 / 机器人手）

  🔗 链接：官网 | TechCrunch 报道

  融资信息：$1100 万种子轮，由 First Round Capital 领投，YC、BoxGroup 参投。

  做什么的：制造高灵巧度机器人手，首批产品已发货给研究机构和机器人公司。目标是成为「不想自己造手」的机器人公司的顶级供应商。

  为什么值得关注：

  • 创始人 Jay Li 是 Tesla Optimus 前技术负责人，被 Tesla 起诉窃取商业机密后达成和解。Elon Musk 自己说过「机器人手是最大的工程难题之一」——Li 正面攻这个难题。
  • 定位为「组件供应商」而非「整机厂商」——这是极为聪明的市场定位。当所有人都在做完整的人形机器人时，Proception 专注于最难的那个部件（手），卖给所有需要的人。
  • 与 Tesla 的诉讼和解本身就是一个「压力测试」——Li 说「杀不死你的让你更强」。和解后立刻宣布融资和发货，节奏控制得极好。
  • 对创业者的启发：在人形机器人赛道，「卖铲子」可能比「挖金子」更稳。做所有人都不愿意自己做但都需要的核心部件，就是最大的议价权。

  类比参考**：**「机器人版 Intel / 人形机器人手的 Tier 1 供应商」

  ---

  值得重点跟踪的 3 个信号

  1. 推理芯片赛道正式进入「订单验证」阶段：Etched 的 $1B 合同订单 + Nvidia 对手密集涌现，说明 AI 芯片的竞争从「架构设计」进入「商业交付」。训练芯片看 Nvidia，推理芯片的胜负未定——这是半导体领域十年来最大的开放窗口。

  2. AI 编码 Agent 的「企业级」分层正在形成：8090 Labs（$135M Series A）专攻企业级编码合规，Base44 从 wrapper 走向自研模型。通用编码 Agent（Cursor、Copilot）已经成熟，下一个战场是「能通过企业审计的 AI 编码」。

  3. Agent 经济的基础设施正在从概念走向产品：OKX 的 Agent 市场（互相雇佣和结算）、Arena 的 $100M 评测生意、Acti 的键盘 Agent 入口——这些不是 Agent 本身，而是 Agent 经济的「银行、评级机构和操作系统」。谁建好了这些基础设施，谁就掌握了 Agent 时代的流量入口。

  1 weeks ago (07-01)

• 0628日报 | 垂直AI产品密集爆发

  0628日报 | 垂直AI产品密集爆发

  今日洞察

  今天的信号极为清晰：AI 不再只是写代码和写文案的工具——它正在解决存在了千年的物理世界问题，并在金融和招聘领域产生可量化的 ROI。 HaloBraid 拿下 $7M 种子轮（Reddit 联合创始人 Alexis Ohanian 的 Seven Seven Six 领投），用机器人辅助编发——这个全球每年消耗 80 亿小时的手工活终于有了自动化方案。Fika Jobs 拿 $4M 预种子轮，让 AI Agent 真正执行视频面试，把招聘流程 TikTok 化。AI Berkshire（GitHub 4.1K star）更硬核——用 Claude Code 多 Agent 框架跑真实投资组合，2024 年收益 +69%，连续两年跑赢标普 500 超 46 个百分点。

  基建层面，Agent 生态持续纵深演进：Cognee（24K star，日增 780）给 Agent 装上持久记忆；Workweave Router（HN 201 赞）50ms 内智能路由模型，编码 Agent 成本直降 40-70%；OpenSpec（57K star）正在把 spec-driven development 变成 AI 辅助编码的标准方法论。而地缘政治层面，Sakana AI 的 Fugu 模型趁 Anthropic 出口禁令窗口期发布，展示了监管壁垒如何为非美国 AI 公司创造即时市场空隙。结论：当 AI 开始帮你编头发、面试候选人、管理投资组合——垂直 AI 已经从「新鲜感」跨入「实用工具」阶段。

  ---

  1. HaloBraid（融资 / 机器人 + AI）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：700 万美元种子轮，由 Seven Seven Six（Reddit 联合创始人 Alexis Ohanian 的风投基金）领投。

  做什么的：用机器人辅助编发——发型师起头后，设备能在数秒内完成剩余编发。首个产品将于今年晚些时候上市，面向专业沙龙。

  为什么值得关注： - 切入了一个被科技遗忘的千亿级市场：全球每年花在编发上的时间估计达 80 亿小时，95% 的受访者表示如果更快就会更频繁地编发。这是一个「人人都知道是痛点，但没人觉得能用技术解决」的领域。 - 创始人 Yinka Ogunbiyi，哈佛工程硕士 + MBA，此前创办过智能厨电公司。她把编发视为一个工程问题而非美学问题——这种思维方式本身就很稀缺。 - 产品定位极为聪明：不是替代发型师，而是辅助发型师。这意味着不会遭到行业抵制，反而被从业者视为救星（减少职业病、提高翻台率）。 - 对创业者的启发：AI + 硬件的最大的机会不在工厂，而在那些「从来没被自动化过」的服务业。千年手艺 + AI = 新品类。

  类比参考：「编发版的 Da Vinci 手术机器人 / 美业版的 Tesla Optimus」

  ---

  2. Fika Jobs（融资 / AI 招聘）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：400 万美元预种子轮。Stockholm 团队。

  做什么的：视频优先的招聘平台——候选人连接 LinkedIn 后，AI Agent 生成个性化面试问题，进行约 10 分钟的视频面试，自动将回答剪辑成短视频档案。雇主像刷 TikTok 一样发现候选人。当前由 Google Gemini 驱动。

  为什么值得关注： - 不是用 AI 筛简历，而是用 AI 替代整个初面环节。这比传统的 ATS（Applicant Tracking System）更激进——AI Agent 直接与候选人对话、追问、生成评价。 - 产品形态融合了三个趋势：AI Agent 做重复性工作 + 短视频内容消费习惯 + LinkedIn 式职业身份。LinkedIn + TikTok + AI Interviewer 的组合极为新颖。 - 创始人分享的 aha moment 很有共鸣：差点因为简历不出彩错过一个优秀候选人，因为亲自聊了才发现。Fika 本质上是在规模化「亲自聊」这个动作。 - 对创业者的启发：AI Agent 在 HR 领域的最佳切入角不是「筛选」，而是「对话」。让 Agent 真正和候选人交流，比让它看简历有效 100 倍。

  类比参考：「招聘版的 ChatGPT + TikTok / AI 原生的 HireVue」

  ---

  3. Sakana AI Fugu（产品发布 / 地缘 AI）

  

  🔗 链接：Fugu 官网 | TechCrunch 报道

  融资信息：Sakana AI 此前已获多轮融资（包括 Nvidia 投资），估值超 $10 亿。Fugu 为最新发布的前沿模型。

  做什么的：以日语「河豚」命名的前沿 AI 模型，声称与 Anthropic 的 Fable 5 和 Mythos Preview 并驾齐驱，专为 Agent 编排设计，能通过 API 调用其他模型。在 Anthropic 出口禁令持续期间打出了「前沿能力，无出口管制风险」的口号。

  为什么值得关注： - 教科书级的市场时机把握：Anthropic 被 Trump 政府禁止向非美国用户提供 Mythos/Fable 模型，全球用户突然失去最强 Agent 模型的访问权。Sakana 在这个窗口期推出对标产品，官网直接写「delivering frontier capability without the risk of export controls」——这不是巧合，是精准的市场卡位。 - Sakana 由前 Google 研究员 Ren Ito、Llion Jones 和 David Ha 于 2023 年在东京创立，专注小数据集和日语优化。Fugu 的发布标志着它从「日本本土 AI 公司」升级为全球 Agent 模型竞争者。 - 同期中国 360 公司发布了「屠龙风」网络安全 AI，声称可对标 Mythos。亚洲 AI 公司正在集体填补 Anthropic 出口禁令留下的真空。 - 对创业者的启发：地缘政治的突变会在一夜之间创造巨大的市场缺口。谁准备好了替代方案，谁就能吃下这波红利——这不只是运气，是长期产品积累 + 时机敏锐度的结合。

  类比参考：「日本版 DeepSeek / Agent 编排版的 Hugging Face」

  ---

  4. Cognee（开源 / Agent 记忆层）

  

  🔗 链接：GitHub | 官网

  融资信息：开源项目（MIT），GitHub 24,000+ star，日增 780 star。已有 Claude Code 插件和 Rust 客户端。

  做什么的：开源 AI Agent 记忆平台——接入任何格式的数据，自动构建自托管的知识图谱，让 Agent 在跨会话中保持持久长期记忆。结合向量嵌入、图谱推理和认知科学本体论。

  为什么值得关注： - Agent 记忆是 Agent 生态最关键的缺失环节之一。当前大多数 Agent 每次对话都从零开始，无法积累对用户和业务的认知。Cognee 把「记忆」变成了一个可插拔的基础设施层。 - 技术方案极为扎实：不只是向量搜索，而是知识图谱 + 向量嵌入 + 认知科学本体论的三层架构。有相关研究论文发表在学术期刊上。 - 生态布局全面：已有 Claude Code 插件（claude-code-plugin）、Rust 客户端（cognee-rs）、TypeScript 客户端（@cognee/cognee-ts），以及 OpenClaw 插件。这不是一个 hobby project，而是一个有商业生态野心的基础设施。 - 对创业者的启发：Agent 的「大脑」（LLM）已经很强大，但「海马体」（记忆）还是空白。谁能做好 Agent 的记忆层，谁就是 Agent 时代的数据库公司。

  类比参考：「Agent 版的 Pinecone + Neo4j / AI 时代的 Mem0」

  ---

  5. Workweave Router（开源 / Agent 成本优化）

  

  🔗 链接：GitHub | HN 讨论

  融资信息：Weave（工程智能平台，客户含 Robinhood、PostHog、Reducto）出品。HN 201 赞，GitHub 468 star。

  做什么的：模型路由代理——一个本地代理端点，在 50ms 内自动为每个 prompt 选择最优模型。支持 Anthropic、OpenAI、Gemini 的原生 API，也支持 DeepSeek、Kimi、GLM、Qwen 等开源模型。一行命令 npx @workweave/router 搞定。

  为什么值得关注： - 解决了 Agent 时代最痛的问题：用 GPT-4 做所有事情太贵，手动切模型太累。Router 用一个基于 Avengers-Pro 1 的集群评分器，在每次请求时自动选择最优模型，声称降低 40-70% 成本。 - 产品体验极佳：不需要改代码，只需要把 Claude Code / Codex / Cursor 指向 localhost:8080，Router 自动接管所有模型选择。零代码侵入的成本优化。 - BYOK（Bring Your Own Key）设计——密钥本地加密存储，不走第三方服务器。对企业安全团队友好。 - 对创业者的启发：多模型时代，模型路由不是一个功能，而是一个独立品类。类似 CDN 之于 Web——用户不需要知道后端路由逻辑，只需要更快更便宜的结果。

  类比参考：「AI 版 Cloudflare Workers Router / Coding Agent 的 Portkey」

  ---

  6. PPT Master（开源 / AI 内容生产）

  

  🔗 链接：GitHub

  融资信息：开源项目，GitHub 33,100+ star，日增 589 star。有多个赞助商（PackyCode、APIKEY.FUN 等）。

  做什么的：AI 从任何文档生成真正可编辑的 PowerPoint——原生形状和动画，支持自定义 .pptx 模板，演讲者备注由 AI 语音生成。不是生成图片slide，而是生成可二次编辑的原生 PPT。

  为什么值得关注： - 核心差异点极为关键：市面上大部分 AI 做 PPT 是生成截图/图片，用户无法编辑。PPT Master 生成的是原生 PowerPoint 格式——每个文本框、图形、动画都可以在 PowerPoint 中修改。这是「AI 生成」和「AI 赋能」的本质区别。 - 33K+ star 说明痛点极为广泛。在中国市场（项目主语言为中文），PPT 制作是职场最高频的「时间黑洞」之一。 - 开源 + 赞助商模式：项目本身免费，但通过推荐 API 中转服务（PackyCode、APIKEY.FUN 等）变现。这是一种巧妙的「流量变现」开源商业模式——项目越火，API 中转的佣金越多。 - 对创业者的启发：AI 内容生成的下一个竞争维度不是「能不能生成」，而是「生成的东西能不能用」。从图片到原生格式，是质变。

  类比参考：「开源版的 Gamma / 可编辑版的 Beautiful.ai」

  ---

  7. OpenSpec（开源 / AI 开发方法论）

  

  🔗 链接：GitHub

  融资信息：Fission-AI 出品，开源项目。GitHub 57,100+ star——今天榜单中 star 数最高的项目。

  做什么的：为 AI 编码助手设计的规格驱动开发（Spec-Driven Development）框架。通过 /opsx:propose → /opsx:apply → /opsx:archive 的工作流，让 AI 编码助手先理解需求、制定方案、生成任务清单，再逐步实现——而非直接盲目写代码。

  为什么值得关注： - 57K star 的惊人数字说明了一件事：开发者迫切需要「管理 AI 编码助手」的方法论。当 AI 可以瞬间生成代码，瓶颈不再是编码速度，而是「让 AI 做对的事」。 - OpenSpec 的哲学与传统 SDD（规格驱动开发）不同：fluid not rigid、iterative not waterfall、built for brownfield not just greenfield。它不是在管理人类开发者，而是在管理 AI 开发者。 - 工作流设计极为精妙：/opsx:explore（探索）→ /opsx:propose（提案）→ /opsx:apply（实现）→ /opsx:archive（归档）。每一步都有结构化输出（proposal.md、specs/、design.md、tasks.md）。这实际上是在给 AI 编码助手做项目管理。 - 对创业者的启发：AI 编码助手的最大问题不是代码质量，而是需求理解。谁能让 AI 先「听懂」再做，谁就解决了 AI 编码的最后一块拼图。

  类比参考：「AI 编码版 Scrum / Coding Agent 的产品经理」

  ---

  8. AI Berkshire（开源 / AI 投研）

  

  🔗 链接：GitHub

  融资信息：开源项目，GitHub 4,100+ star，日增 685 star。中文社区项目。

  做什么的：基于 Claude Code / Codex 的价值投资研究框架——将巴菲特、芒格、段永平、李录四位投资大师的方法论系统化，通过多 Agent 并行对抗分析，输出结构化投资建议。有真实实盘业绩验证。

  为什么值得关注： - 这是目前看到的用 AI Agent 做专业投研最有说服力的案例。不是回测模拟，是真金白银：2024 年 +69.29%，2025 年至今 +66.38%，连续两年大幅跑赢标普 500、恒生指数和沪深 300。两年累计收益超 146 万元。 - 核心创新是多大师视角对抗：不是让 AI 给出平衡分析（「一方面...另一方面...」），而是让四个视角产生真实的矛盾和张力，最后强制给出结论——通过/不通过/灰色地带，带具体价格区间。 - 「镜子测试」设计精妙：5 句话说不清投资逻辑 = 不买，没有例外。这是把投资纪律编码为 Agent 规则。 - 对创业者的启发：AI Agent 在金融领域的最佳实践不是预测股价，而是系统化执行已验证的投资方法论。AI 不创造新智慧，而是严格执行大师的纪律——这比「AI 选股」靠谱 100 倍。

  类比参考：「Claude Code 版的 Bridgewater / 一个人就能运营的伯克希尔」

  ---

  值得重点跟踪的 3 个信号

  1. AI 正在解决「从来没被自动化过」的物理世界问题：HaloBraid 用机器人编发，切入的是一个存在数千年、全球年耗 80 亿小时的手工活。AI + 硬件的最大机会不在工厂，而在服务业中被忽视的角落。

  2. 「管理 AI 编码助手」本身正在成为一个品类：OpenSpec（57K star）管理 AI 需求理解，Workweave Router（201 HN 赞）管理 AI 模型选择，Cognee（24K star）管理 AI 记忆。当 Agent 越来越强，「谁来管理 Agent」就是最大的新赛道。

  3. 地缘政治正在重塑全球 AI 格局：Sakana Fugu 趁 Anthropic 出口禁令窗口期推出，中国 360 发布对标 Mythos 的屠龙风——监管壁垒正在为非美国 AI 公司创造前所未有的市场机会。对于关注出海的中国 AI 创业者，这是一个值得高度重视的信号。

  1 weeks ago (06-28)

• 0627日报 | AI基建赛道百亿融资爆发

  0627日报 | AI基建赛道百亿融资爆发

  今日洞察

  今天释放了一个极其强烈的信号：AI 基础设施层正在吸收百亿级资金，而且每一层都有专业玩家填位。Patronus AI 拿下 $50M B 轮（收入一年涨 15 倍），专门做 Agent 压力测试——几乎所有前沿 AI 实验室都是它的客户；General Intuition 以 $23 亿估值拿了 $3.2 亿，用游戏行为数据训练通用 Agent；Unconventional AI 由 Databricks 前 AI 主管创立，要用振荡器芯片把推理功耗降低 1000 倍；Netris 拿了 a16z 的 $15M A 轮，做 AI 云的网络自动化。与此同时，开源生态也在狂飙：Google Labs 的 design.md 一天 2400+ star，为 Coding Agent 定义设计系统标准；Garry Tan（YC 总裁）开源了自己的 Claude Code 工具栈 gstack。结论：当所有人都在关注模型层和应用层时，真正赚到大钱的是「让 Agent 可靠运行」的基建层。

  ---

  1. Patronus AI（融资 / Agent 测试评估）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：5000 万美元 B 轮，由 Greenfield Partners 领投，Notable Capital、Lightspeed、Datadog、Samsung 参投。总融资达 $70M。

  做什么的：构建「数字世界模型」——为 AI Agent 创建模拟网站和内部系统的复刻环境，用强化学习在这些环境中压测 Agent 的表现，发现 Agent 走捷径、偷懒或出错的行为。

  为什么值得关注： - 收入一年增长 15 倍，几乎所有前沿 AI 实验室和大量初创公司都是客户。投资人形容需求「几乎是永不满足的」。 - 类比 Waymo 用合成世界训练自动驾驶——Patronus 用同样的思路训练和验证 AI Agent。Agent 倾向于「走捷径」，Patronus 最擅长的是「抓住这些偷懒行为并追责」。 - 创始人 Anand Kannappan 和 Rebecca Qian 均来自 Meta AI Research。 - 对创业者的启发：Agent 评估和测试不是一个辅助工具，而是一个独立赛道。当 Agent 被赋予越来越多自主权，「验证它做得对不对」本身就是刚需。

  类比参考：「AI Agent 版 Waymo 模拟器 / Agent 的渗透测试公司」

  ---

  2. General Intuition（融资 / 通用 Agent 训练）

  

  🔗 链接：官网 | TechCrunch 深度报道

  融资信息：3.2 亿美元融资，估值 23 亿美元。由 Medal（游戏剪辑分享平台）孵化。

  做什么的：用数亿小时的游戏行为数据（包含玩家按键的 action label）训练通用 Agent 模型——同一个「大脑」可以在游戏世界中导航，也能驱动物理世界的四足机器人。

  为什么值得关注： - 核心洞察：视频数据不够，action data（行为标签）才是让 AI 理解因果的关键。竞争对手试图从视频推断行为，General Intuition 直接拥有 Medal 积累的数亿小时带 action label 的游戏数据。 - 在 TechCrunch 记者的实地体验中，仅用 8 分钟真实世界数据就完成了四足机器人的微调——这意味着 sim-to-real 的迁移效率极高。 - 世界模型不是产品，而是训练环境（内部称为「gym」）。最终产品是 Agent 模型本身。 - 对创业者的启发：行为数据（action data）是下一个「数据金矿」。谁拥有独特的行为数据集，谁就能训练出与众不同的 Agent。

  类比参考：「游戏版 DeepMind / 用 Fortnite 训练出来的 Physical Intelligence」

  ---

  3. Unconventional AI（产品发布 / AI 芯片）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：具体轮次未披露，团队不到 50 人。创始人 Naveen Rao 曾任 Databricks AI 主管、此前创办 Nervana Systems（被 Intel 收购）。

  做什么的：基于振荡器（oscillator-based）的新计算架构，目标是把 AI 推理功耗降低 1000 倍。刚发布首个模型 Un-0——用软件模拟新架构跑图像生成，效果对标 Stable Diffusion / GPT Image 1。

  为什么值得关注： - 如果 claims 成立，这意味着 AI 推理的能源成本从 $1 降到 $0.001——这是整个 AI 行业的能源瓶颈破解方案。 - Naveen Rao 是 AI 芯片赛道的老兵：Nervana Systems 被Intel 以 $4 亿收购，他在 Databricks 管 AI 全局。他的再次创业本身就是一个强信号。 - 当前 Un-0 跑在软件模拟上，但芯片设计图即将发布。计划从芯片到推理栈全部自建。 - 对创业者的启发：AI 的终极瓶颈不是算力，而是能源。谁能解决能效问题，谁就能定义下一代 AI 基础设施。

  类比参考：「推理版 Cerebras / AI 能效的特斯拉——从芯片到服务全栈自建」

  ---

  4. Netris（融资 / AI 云网络自动化）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：1500 万美元 A 轮，由 a16z 领投（合伙人 Guido Appenzeller 加入董事会）。Nvidia 两年前看到 demo 后主动推荐客户。

  做什么的：AI neocloud 的网络自动化平台——软件跑在网络交换机上，自动化配置、部署和运维，帮助新兴 AI 云服务商将上线时间从数月缩短到数天。已部署在 35+ GPU 集群（约 100 万块 GPU），客户包括 Lightning AI、Foxconn、HPE、TensorWave 等。

  为什么值得关注： - 不用 AI 做 AI 基础设施——创始人明确说：「AI 不是确定性的，配置数千台交换机不需要创造力，需要的是极致的持久和可重复」。这个判断对创业者非常有启发。 - Nvidia 主动背书说明这个方案解决了 GPU 部署的真实瓶颈——有 GPU 但网络配不通，是 neocloud 最常见的死亡原因。 - 厂商无关（vendor-agnostic），兼容 Nvidia 和 AMD 的服务器和网络设备。 - 对创业者的启发：不是所有 AI 时代的基础设施都需要用 AI 来做。确定性算法在特定场景下比 AI 更可靠。

  类比参考：「AI 云版 Cisco DNA Center / neocloud 的 Cloudflare」

  ---

  5. Aseon Labs（YC Spring 2026 / 机器人）

  

  🔗 链接：官网 | TechCrunch 报道

  融资信息：1000 万美元种子轮，由 Crane Venture Partners 领投。YC Spring 2026 批次。

  做什么的：为 Robotaxi 打造「 robotic pit stops」——停车场大小的自动化舱体，分散在城市中自动检查、清洁和充电 Robotaxi。用 vision-language-action 模型识别问题（如后座融化巧克力不clean，直接送回中央 depot）。

  为什么值得关注： - 切入了一个 Robotaxi 行业最大的痛点：deadhead miles（空驶里程）——没有乘客的行驶里程，是 Robotaxi 公司无法盈利的核心原因。 - 创始团队来自 Pushme（电池更换网络，被 Tier Mobility 收购），深谙「硬件 + 地产 + 快速部署」的 playbook。舱体被设计为临时建筑，避免了漫长的审批流程。 - 虽未签约 Robotaxi 公司，但 CEO 说「所有人都想试」。 - 对创业者的启发：当所有人都在做 Robotaxi 本身，做 Robotaxi 的「运营基础设施」可能更有商业价值。补充赛道的机会窗口往往被忽视。

  类比参考：「Robotaxi 版换电站 / 自动驾驶的加油站网络」

  ---

  6. design.md（开源 / Agent 标准化）

  

  🔗 链接：GitHub

  融资信息：Google Labs 出品，开源项目。GitHub 单日 2407 star，当日趋势 #1。

  做什么的：一个格式规范——用 DESIGN.md 文件向 Coding Agent 描述视觉设计系统。类似于 README.md 描述项目、CONTRIBUTING.md 描述贡献规则，DESIGN.md 让 AI 编码 Agent 拥有对设计系统的持久化、结构化理解。

  为什么值得关注： - 填补了 Coding Agent 生态的关键空白：当前 AI 编码 Agent 可以写代码、写测试，但完全不懂设计——每次生成 UI 都需要人工调整。DESIGN.md 让 Agent 有了「设计品味」的参考框架。 - 单日 2400+ star 的爆发速度说明这个痛点极为普遍。 - 对创业者的启发：Agent 时代的「约定优于配置」正在向设计领域延伸。每个垂直领域都可能需要类似的 Agent 可读标准文件。

  类比参考：「UI 版 .cursorrules / Coding Agent 的设计系统即文档」

  ---

  7. gstack（开源 / Agent 工具栈）

  

  🔗 链接：GitHub

  融资信息：Garry Tan 个人开源项目（MIT）。GitHub 单日 950 star。

  做什么的：Garry Tan（Y Combinator 总裁）的 Claude Code 精确配置——23 个工具，分别扮演 CEO、设计师、工程经理、发布经理、文档工程师和 QA 角色。一键安装，让 Claude Code 变成一个完整的「一人公司」团队。

  为什么值得关注： - YC 总裁亲自开源自己的 Agent 工具栈，本身就是一个巨大的信号。这说明顶级 AI 投资人认为 Agent 工作流标准化是当前最值得关注的方向。 - 23 个工具的角色分工设计极为精妙：不是简单的 prompt 模板，而是把组织管理方法论注入到 Agent 编排中。 - 对创业者的启发：Agent 不是在替代「开发者」，而是在替代「团队」。设计 Agent 工作流时，应该从组织架构的角度思考，而不是从代码角度。

  类比参考：「开源版 「一人公司」操作系统 / Claude Code 版 Virtual Team」

  ---

  8. OpenMontage（开源 / Agent 视频生产）

  

  🔗 链接：GitHub

  融资信息：开源项目（协议待确认）。GitHub 单日 1754 star，Python 趋势 #1。

  做什么的：全球首个开源的 Agentic 视频制作系统——12 条流水线、52 个工具、500+ Agent 技能。把 AI Coding Assistant（Claude Code、Cursor 等）变成一个完整的视频制作工作站。

  为什么值得关注： - 和昨天日报中 iart.ai Motion Skills（50 个动画技能包）形成互补：Motion Skills 做的是创意技能包，OpenMontage 做的是完整的制作流水线。 - 500+ Agent 技能 + 12 条流水线的模块化设计，意味着视频制作的每一个环节（剪辑、特效、配乐、字幕、渲染）都有对应的 Agent 工具。 - 对创业者的启发：Agent 技能正在从「代码/文档」扩展到「创意内容生产」。Agent 版 Adobe Premiere / Final Cut Pro 的开源实现正在出现。

  类比参考：「Agent 版 Adobe Premiere / 开源的 Sora 工作站」

  ---

  9. Agent-Reach（开源 / Agent 数据获取）

  

  🔗 链接：GitHub

  融资信息：开源项目（Python）。GitHub 单日 1194 star。

  做什么的：给 AI Agent 装上「眼睛」——一个 CLI 工具，让 Agent 能读取和搜索 Twitter、Reddit、YouTube、GitHub、Bilibili、小红书等全互联网内容。零 API 费用。

  为什么值得关注： - 解决了 Agent 生态的一个关键瓶颈：Agent 够聪明但看不到外面的世界。当前大多数 Agent 只能操作本地文件或调用特定 API，无法主动获取互联网的实时信息。 - 零 API 费用的设计降低了使用门槛——不依赖任何平台的付费 API，直接抓取公开数据。 - 对创业者的启发：Agent 的「感知层」是被低估的创业方向。让 Agent 能看、能听、能搜索，可能比让 Agent 更聪明更有价值。

  类比参考：「Agent 版 Tavily / 开源的 Perplexity 感知层」

  ---

  10. page-agent（阿里巴巴）（开源 / Web GUI Agent）

  

  🔗 链接：GitHub

  融资信息：阿里巴巴出品，开源（TypeScript）。GitHub 单日 530 star。

  做什么的：JavaScript 页面内 GUI Agent——用自然语言控制网页界面。可以直接嵌入任何网页，让用户通过对话操作页面上的所有功能。

  为什么值得关注： - Web GUI Agent 是 AI 应用层的关键基础设施。之前 RPA（Robotic Process Automation）需要后端 API，page-agent 直接在浏览器中操作 UI。 - 阿里出品说明大厂也在重视这个方向——不是做通用 Agent，而是做 Agent 操作 Web 的底层能力。 - 对创业者的启发：Web GUI Agent 是「AI 自动化」落地最快的场景之一。每个有大量 Web 操作的行业（电商运营、数据录入、客服）都是潜在市场。

  类比参考：「开源版 UiPath Web 版 / 浏览器内嵌的 ChatGPT Operator」

  ---

  值得重点跟踪的 3 个信号

  1. Agent 测试与验证已成为独立赛道：Patronus AI 的 $50M B 轮 + 15 倍收入增长证明，「让 Agent 可靠运行」不是辅助功能，而是刚需。几乎所有前沿 AI 实验室都是它的客户——这意味着 Agent 可靠性是行业级的痛点。

  2. AI 基础设施投资进入百亿时代：General Intuition（$3.2 亿 / $23 亿估值）、Unconventional AI（新芯片架构）、Netris（$15M / a16z 领投）——从训练数据到芯片到网络，AI 基础设施的每一层都在吸收大额资金。当模型层趋于同质化，基建层成为最确定的投资方向。

  3. Agent 工具生态标准化加速：design.md（为 Agent 定义设计标准）、gstack（YC 总裁的 Agent 工具栈）、page-agent（Web GUI 标准）、Agent-Reach（Agent 感知层）——Agent 生态正在从「每个项目自己搭」走向「标准化组件」。2026 年下半年，Agent 工具链的标准化速度将决定哪些产品能快速规模化。

  2 weeks ago (06-27)