A personal collection of an AI product manager.
Let's face the future together and embrace the AIGC era.
Hi, Sign In     Register Now     Forgot Password
Current Path：AIPMClub AI日报 This

0424日报 | AI基础设施层极简化浪潮

2026-04-24 Category: AI日报 Views()

AI新产品日报 | 2026-04-24

422产品实验室 · 每日精选

🔍 今日洞察

今天的关键信号：AI基础设施层正在「极简化」。从12MB替代整个AI框架的Axe，到行为缓存中间件Muscle-Mem，再到开源向量图数据库HelixDB——独立开发者和初创公司不再满足于”用大厂的SDK”，而是在重写底层。这意味着：如果你在做AI产品，技术门槛在快速降低，但竞争也在加剧。另一个值得关注的趋势：实时语音/视频AI正在进入消费级硬件，500ms延迟的语音聊天、M3 Pro上跑实时音视频AI——这预示着下一波交互范式的变革。

📋 今日精选

1. Thinking Machines Lab — Mira Murati的前OpenAI团队发布首个产品

  • 链接: Wired报道
  • 做什么的: 前OpenAI CTO Mira Murati创立的AI实验室发布首款产品，聚焦模型微调（fine-tuning）工具
  • 融资信息: 此前已获巨额融资（估值数十亿美元级别）
  • 为什么值得关注: Murati离开OpenAI后一直是AI圈最受关注的创业者之一。选择”微调工具”作为首个产品，说明她看准的不是”做大模型”，而是”让大模型更好用”——这是模型层和应用层之间的巨大市场空隙
  • 类比参考: 对标Hugging Face + OpenAI微调API的组合，但可能更注重企业级体验
  • 创业者启发: 帮客户”调模型”是门大生意。与其做第100个AI聊天机器人，不如做让AI更好用的工具

2. Caffeine.ai — Dfinity推出AI一键生成生产级应用平台

  • 链接: VentureBeat报道
  • 做什么的: 基于区块链公司Dfinity的技术，AI自动生成并可部署为生产级应用
  • 融资信息: Dfinity本身已融资超$2亿
  • 为什么值得关注: “从prompt到生产环境”是AI编程工具的终极目标。大多数AI编程工具还停留在demo阶段，Caffeine.ai直接跳到”可部署的生产应用”，这个定位差异很大
  • 类比参考: Vercel v0 + Bolt.new的升级版，强调从原型到生产的完整链路
  • 创业者启发: AI编程工具的下一个竞争维度不是”代码生成质量”，而是”能否直接上线”

3. Piper Voice — AI帮你打电话（反向对抗AI客服）

  • 链接: pipervoice.com
  • 做什么的: 当企业用AI接电话时，这个产品用AI帮你打电话——自动应对企业端的AI语音客服
  • 为什么值得关注: 这是一种典型的”AI对抗AI”产品形态。随着企业端AI客服普及，消费者端需要对应的工具。这是一个反直觉但真实存在的需求
  • 类比参考: 对标AdBlocker——但它屏蔽的不是广告，而是企业端的AI客服体验
  • 创业者启发: 每一波技术普及都会催生”对抗工具”。AI客服的普及 = AI拨号工具的市场

4. Vibium — Selenium创始人推出的AI浏览器自动化工具

  • 链接: github.com/VibiumDev/vibium
  • 做什么的: 同时服务AI Agent和人类的浏览器自动化框架，由Selenium创始人Jason Huggins打造
  • 融资信息: 未公开
  • 为什么值得关注: Selenium创始人亲自出手做下一代浏览器自动化，而且明确兼顾AI Agent和人类用户。Selenium统治了Web自动化20年，这是直接的迭代信号
  • 类比参考: Selenium的AI原生继任者，类似Playwright但更AI-first
  • 创业者启发: 行业标准级工具的创始人在做”下一代”，通常意味着范式转换。关注这个领域的机会

5. HelixDB — 开源向量+图数据库（Rust）

  • 链接: github.com/HelixDB/helix-db
  • 做什么的: Rust编写的开源向量图数据库，专为AI应用设计
  • 为什么值得关注: 向量数据库是AI应用的基础设施，但现有方案（Pinecone、Weaviate）要么贵要么慢。HelixDB把向量检索和图查询合并，这在RAG场景中非常有价值——不仅能找到”相似内容”，还能理解”关系”
  • 类比参考: Neo4j + Pinecone的开源融合版
  • 创业者启发: AI基础设施层仍有大量机会，特别是在”向量+图”这个交叉领域

6. Muscle-Mem — AI Agent的行为缓存中间件

  • 链接: github.com/pig-dot-dev/muscle-mem
  • 做什么的: 为AI Agent提供行为缓存，让Agent记住”之前怎么做成功的”，下次直接复用
  • 为什么值得关注: AI Agent最大的问题之一是每次执行都要重新思考，成本高、速度慢。行为缓存本质上是给Agent加了”肌肉记忆”——这是一个被低估但极其关键的基础设施需求
  • 类比参考: 浏览器缓存机制，但用于AI Agent的行为模式
  • 创业者启发: Agent基础设施是蓝海。任何能让Agent更快、更便宜、更可靠的东西都有市场

7. RealtimeVoiceChat — 端侧实时语音AI（~500ms延迟）

  • 链接: github.com/KoljaB/RealtimeVoiceChat
  • 做什么的: 开源实现500ms级延迟的实时AI语音对话
  • 为什么值得关注: OpenAI的Realtime API要钱，这个开源方案让任何人都能搭一个低延迟语音AI。500ms是语音交互的”自然感”阈值——低于这个值，对话体验接近真人
  • 类比参考: OpenAI Realtime API的开源平替
  • 创业者启发: 实时语音AI正在从”高端API”变成”人人可用的开源组件”。基于这个能力做垂直应用（客服、教育、陪伴）的窗口期已经打开

8. Apfel — Mac上的免费AI助手

  • 链接: apfel.franzai.com
  • 做什么的: 利用Mac本地算力运行的免费AI助手
  • 为什么值得关注: 不依赖云端、不收费、直接用Mac自带能力。HN上743个赞说明开发者社区对这个方向很感兴趣。苹果设备的AI能力在快速增长，这是端侧AI产品的先声
  • 类比参考: Raycast AI的免费本地版
  • 创业者启发: 端侧AI正在从概念变成产品。苹果生态尤其值得关注——M系列芯片的AI算力是一个被低估的平台优势

9. Ghidra MCP Server — AI辅助逆向工程的110+工具集

  • 链接: github.com/bethington/ghidra-mcp
  • 做什么的: 将Ghidra（NSA开源的逆向工程工具）与MCP协议打通，提供110+个AI工具接口
  • 为什么值得关注: 安全/逆向工程是AI渗透相对慢的领域。这个项目说明AI+安全工具的融合正在加速。MCP协议作为AI工具调用标准正在快速扩散
  • 类比参考: GitHub Copilot，但是用于二进制逆向分析
  • 创业者启发: AI+专业工具（安全、法律、医疗）的结合才刚开始。找到你的行业里的”Ghidra”

📊 趋势总结

趋势 信号强度 代表项目
AI基础设施极简化 ⭐⭐⭐⭐⭐ Axe, HelixDB, Muscle-Mem
实时语音AI消费化 ⭐⭐⭐⭐ RealtimeVoiceChat, Parlor
AI编程→AI部署 ⭐⭐⭐⭐ Caffeine.ai
端侧AI产品化 ⭐⭐⭐ Apfel, LocalGPT
MCP协议生态扩张 ⭐⭐⭐ Ghidra MCP, Rtrvr.ai
AI对抗AI ⭐⭐ Piper Voice, Fuzzy Canary

本报告由422产品实验室AI产品分析师自动生成
数据来源：Hacker News、TechCrunch、VentureBeat、GitHub Trending

Like(0) 打赏
未经允许不得转载：AIPMClub » 0424日报 | AI基础设施层极简化浪潮
Share To

相关推荐

热门文章

快讯

  • 0531日报 | Physical AI 开始产品化

    AI 产品日报 | 2026-05-31

    🔬 422产品实验室 · AI新产品日报 · 每日精选

    今日洞察

    今天最值得创业者注意的，不是又多了一个更强模型，而是 Physical AI 与端侧 AI 正在一起进入“可商业化阶段”。

    一边，Airis Labs、Human Archive、EngineAI 这类公司在把具身智能真正缺的东西做成产品：不是再讲一个大而空的机器人故事，而是分别卡住了 现场视频情报、真人动作数据、机器人量产交付 这三个更靠近产业落地的环节。另一边，SOND、Rokid、面壁智能 则在证明，AI 也在从云端模型能力竞争，转向 更贴身的硬件入口、更低成本的端侧部署、更强的分发与验证机制。

    对创业者来说，这背后的信号很明确：下一波值得关注的 AI 公司，不只是“模型更强”，而是能把数据、硬件、推理、分发四件事重新缝成一个完整产品闭环。 谁能先把 AI 变成可交付、可复用、可量产的能力，谁就更有机会真正穿越这一轮热潮。

    1. Airis Labs — 结束隐身并带着 $6000万融资出场，把碎片化现场视频变成可用情报

    融资信息：总融资 $6000 万，其中包括 $3100 万 Series B，由 PSG Equity 领投。

    做什么的：Airis Labs 面向政府与国防场景，把来自无人机、车载设备、执法记录仪等渠道的碎片化视频与图像，转成结构化、可检索、可执行的 field intelligence。

    为什么值得关注： - 它卖的不是“AI 看视频”，而是把一线现场信息变成任务级决策系统。 这比通用多模态 demo 更接近预算与采购。 - 切入点非常现实：很多行业的问题不是没有视频，而是视频太多、太碎、太难用。Airis Labs 做的是“从素材到情报”的产品化。 - 创业启发：在 Physical AI 时代，谁能先把非结构化现实世界数据清洗成可消费资产，谁就更容易拿到行业入口。

    类比参考：像是“Palantir + 多模态视频理解”的现场情报版。

    Airis Labs

    🔗 报道 | 官网

    2. Human Archive — $820万种子轮，卖的不是机器人本体，而是机器人最稀缺的人类行为数据

    融资信息：$820 万 Seed，投资方包括 Wing Venture Capital、NVP Capital、Y Combinator 以及多位 frontier AI labs 背景天使投资人。

    做什么的：Human Archive 搭建真人动作与现实任务数据采集平台，为机器人与 physical AI 系统提供训练所需的人类 embodied intelligence 数据。

    为什么值得关注： - 机器人创业越来越像自动驾驶早期：模型不是唯一瓶颈，数据集才是。Human Archive 直接切到训练数据供给层。 - 它没有先造机器人，而是先做“机器人上游的数据矿”。这类公司虽然没那么性感，但通常更容易形成横向供给能力。 - 创业启发：如果一个赛道大家都在卷终端产品，去做上游数据、评测、部署或仿真层，反而可能更快建立壁垒。

    类比参考：像是“Scale AI 的 embodied data 版本”。

    Human Archive

    🔗 报道 | 官网

    3. SOND — $700万融资 + Dreambuds 首发，把 AI 从聊天框推进耳朵里

    融资信息：从隐身状态走出，完成 $700 万融资。

    做什么的：SOND 推出首款产品 Dreambuds，这是一款 AI 睡眠教练耳塞，可实时采集 12 项生理信号，并在睡眠过程中进行干预与反馈。

    为什么值得关注： - AI 硬件的关键不再只是“戴上模型”，而是做高频、刚需、可闭环的具体场景。 睡眠就是比“通用语音助手”更具体也更容易验证价值的入口。 - 它同时具备设备、数据、持续交互三层价值：硬件获得连续数据，AI 给出个性化反馈，长期使用形成用户留存。 - 创业启发：做 AI 硬件时，最好别从“万能设备”切入，而是先从一个高频、可量化结果的身体场景切进去。

    类比参考：像是“Whoop / Oura 的耳塞版 + AI 睡眠教练”。

    SOND

    🔗 报道

    4. EngineAI — 深圳新工厂投产，T800 人形机器人开始进入量产交付节奏

    产品动态：EngineAI Robotics 宣布深圳智能制造基地投产，首批 T800 humanoid robots 下线；公司称新产线可实现 约每 15 分钟产出一台机器人。

    做什么的：EngineAI 做人形机器人，本次重点不是单台能力演示，而是把产能、交付与制造体系往前推进。

    为什么值得关注： - 这条新闻的重要性不在“又一个机器人”，而在“具身创业开始从样机走向工厂节拍”。 - 量产能力本身就是护城河。很多机器人公司能做 demo，但做不了稳定供应链、节拍生产与交付体系。 - 创业启发：在具身智能赛道，未来估值不只看模型与动作能力，也会看制造、售后、交付与场景整合能力。

    类比参考：像是“人形机器人版的 EV 量产爬坡时刻”。

    EngineAI

    🔗 报道

    5. Rokid AI Glasses（乐奇 AI 眼镜）— 在日本众筹平台卖出 6.24 亿日元，AI 眼镜开始验证跨境 DTC 爆款逻辑

    商业进展：据 36 氪报道，Rokid AI Glasses 在日本众筹平台 Makuake 累计销售额超过 6.24 亿日元，刷新平台 13 年来全品类销售纪录。

    做什么的：Rokid 把 AI 眼镜作为随身入口，切入拍摄、翻译、信息提示与轻量交互等场景，并通过日本众筹渠道验证产品需求与支付意愿。

    为什么值得关注： - 最值得借鉴的不是眼镜本身，而是 GTM：先用海外众筹市场做需求验证、品牌破圈和现金流回收，再反推更大规模渠道。 - AI 硬件正在回到消费电子逻辑：不是先追求完美通用 Agent，而是先做“能卖得动、讲得清、能出海”的单品。 - 创业启发：如果你做 AI 消费硬件，众筹平台可能不只是营销工具，更是定价测试、用户画像与渠道启动器。

    类比参考：像是“Ray-Ban Meta 的中国创业版 + Kickstarter/Makuake 式验证路径”。

    Rokid AI Glasses

    🔗 36氪快讯

    6. Axiom Math — 5 篇 AI 生成数学论文被接收，形式化证明创业公司开始把“科研产出”做成产品能力

    融资/进展信息：据量子位报道，Axiom Math 创始人洪乐潼团队在 3 月完成 $2 亿融资、估值 $16 亿；最新进展是其 AI 系统生成并参与完成的 8 篇论文中，已有 5 篇通过同行评审。

    做什么的：Axiom Math 做的是面向数学研究与形式化证明的 AI 系统，核心不只是写论文，而是把问题转成可验证的 formal proof 流程。

    为什么值得关注： - 这不是通用写作工具，而是高门槛垂直智能体。 它把“可验证”而非“像人写的”作为真正产品价值。 - 一旦证明链条可产品化，理论上可以扩展到科研、芯片验证、金融合规等更多高可信场景。 - 创业启发：在大模型应用里，最有价值的垂直产品之一，往往是“生成 + 验证”闭环，而不是只做生成层。

    类比参考：像是“Lean / theorem prover 的 AI 原生创业公司版本”。

    Axiom Math

    🔗 量子位报道

    7. 面壁智能开源周 — 端侧 AI 不再只是“小模型”，而是在补齐从数据到系统再到 Agent OS 的全链路

    产品动态：面壁智能联合 OpenBMB 发起“端侧大模型开源周”，连续发布 BitCPM-CANN、MiniCPM5-1B、ForgeTrain、PilotDeck、UltraData 等多项成果。

    做什么的：它不是单点发一个模型，而是在同时补 低比特训练、端侧模型、训练框架、Agent 操作系统、数据集 这条完整链路。

    为什么值得关注： - 这代表端侧 AI 的竞争，已经从“谁模型更小”升级到“谁系统更完整”。 - 尤其值得看的是 PilotDeck 这类智能体操作系统方向：未来端侧 Agent 的入口，不一定是聊天框，而可能是一个能理解上下文、调用技能、管理任务的本地 OS。 - 创业启发：如果你做端侧 AI，单点能力可能只够吸引开发者；真正能形成生态的是成套工具链与系统叙事。

    类比参考：像是“中国本土版的 edge AI full-stack builder”。

    面壁智能开源周

    🔗 量子位报道

    今日值得盯住的 3 个方向

    1. Physical AI 上游层开始成形：数据采集、视频情报、量产交付都在变成可融资、可采购的独立公司。
    2. AI 硬件进入“先场景、后通用”阶段：睡眠耳塞、AI 眼镜比万能设备更容易先跑通商业闭环。
    3. 端侧 AI 正从模型竞争走向系统竞争：真正的壁垒在数据、框架、OS、推理和分发整合能力。

  • 0530日报 | AI落地效率层开始成形

    🔬 422 产品实验室 · AI 新产品日报 · 每日精选

    今日洞察

    今天最值得创业者注意的信号，不是又有哪个模型更强，而是 AI 的「落地效率层」正在快速成形。

    一头是基础设施端在解决成本与吞吐问题：XCENA 把计算往内存侧搬，押注「 AI 真正的瓶颈不是算力，而是 memory movement 」；Tensormesh 把 KV Cache 直接做成 SaaS 产品，并给出「缓存 token 永久免费」这种极具穿透力的定价；Slamcore 则把视觉定位数据沉淀成 physical AI 的训练资产。另一头是应用层在解决 adoption 与交互问题：Sesame 用更自然的语音 Agent 重新定义 AI 入口，Atheni 把“买了 AI 工具但团队不会用”这件事产品化，Integuru 用“直连内部 API”替代浏览器自动化，直接切进企业自动化的效率黑洞。

    这背后的共同点是：新一波 AI 创业，不再只比模型能力，而是在比谁能把推理成本、组织采用成本、系统接入成本压得更低。 对产品经理和创业者来说，真正值得做的层，往往不在最显眼的模型层，而在那些能把 AI 变成“可部署、可复制、可规模化”能力的中间层。

    1. XCENA — $1.35 亿 Series B ，押注 AI 的真正瓶颈不是算力，而是内存

    融资信息：$1.35 亿 Series B ，估值约 $5.7 亿；累计融资 $1.85 亿。 Atinum 、 IMM Investment 联合领投， Corstone Asia ，以及 SBI Investment 、 Mirae Asset Capital 等老股东参投。

    做什么的：一家韩美两地布局的芯片创业公司，做 memory-centric AI 基础设施。 XCENA 的 MX1 芯片把一部分数据处理放到靠近 DRAM 的位置完成，减少 CPU / GPU / 内存之间反复搬运数据的成本。

    为什么值得关注：
    - 这不是“再造一个 GPU”，而是重写 AI 推理栈里最贵的搬运环节。当上下文越来越长、 KV cache 越来越大， memory bandwidth 和数据搬运成本会越来越像天花板。
    - 它切的是 hyperscaler 的真痛点。如果 10 台服务器能缩成 1 台，哪怕只有部分场景成立，对云厂商和大模型服务商都是立刻可量化的 ROI 。
    - 创业启发：别总盯着模型本身，模型周围的“数据流动效率”同样是大市场。当所有人都在卷更强推理时，优化 memory path 反而可能是更好的基础设施机会。

    类比参考：像是 AI 时代的“内存侧 DPU / SmartNIC”——不是替代主算力，而是把最浪费钱的搬运和调度先吞掉。

    XCENA

    🔗 TechCrunch[1] | 官网[2]

    2. Tensormesh — $2000 万 extended seed ，把 KV Cache 产品化，还把缓存 token 定价打到 0

    融资信息： extended seed $2000 万，总融资达 $2450 万。投资方包括 AMD Ventures 、 CoreWeave 、 NVentures 、 Valley Capital Partners 、 Laude Ventures 。

    做什么的：做 inference optimization 平台。 Tensormesh 的核心是把 KV caching 从“论文/底层优化技巧”变成企业可直接采购的 SaaS 推理服务，减少重复计算，降低延迟和 GPU 开销。

    为什么值得关注：
    - 方向很准：推理成本正在成为企业 AI 的第一性约束。不是每家公司都缺模型，更多公司缺的是“怎么把 inference bill 降下来”。
    - 定价策略极强：缓存命中的 input token 直接按 $0 计费，这不是功能描述，而是非常清晰的 GTM 语言。
    - 开源到商业的路径很标准：团队来自 8K+ GitHub Star 的 LMCache 项目，先做社区心智，再做企业级托管与可观测性，路径非常像很多基础设施公司的成功模板。
    - 创业启发：如果你做 AI infra ，不要只卖“性能更好”，要卖“账单更低且透明”。 Tensormesh 最聪明的地方，是把底层技术优势翻译成 CFO 听得懂的价格模型。

    类比参考：像是“AI 推理版的 CDN / Redis”——复用已经算过的结果，而不是每次都从头烧 GPU 。

    Tensormesh

    🔗 The AI Insider[3] | 官网[4]

    3. Slamcore — $1400 万，做工业车辆的“视觉 RTLS”，顺手积累 physical AI 最稀缺的数据

    融资信息：$1400 万新融资，累计融资 $4000 万。 ROKStar Ventures （ Rockwell Automation 旗下）领投， Toyota Ventures 、 Interwoven Ventures 、 MMC Ventures 、 Amadeus Capital Partners 、 IP Group 跟投。

    做什么的：用双目相机 + 视觉 AI ，让叉车等工业车辆在没有 GPS 、信标、地标改造的情况下完成室内定位、轨迹追踪、风险监控和车队可视化。

    为什么值得关注：
    - 它卖的不是机器人梦想，而是立刻可上线的工业可视化 ROI。不用改造工厂基础设施，是最关键的落地条件。
    - Rockwell 和 Toyota Ventures 同时下注，说明这不是 demo 型 AI ，而是工业链条认可的产品形态。
    - 更有意思的是数据飞轮：每一次部署都在积累真实工业操作数据，这些数据未来可以反哺 physical AI / robotics 模型训练。
    - 创业启发：在具身智能里，先卖“安全、追踪、效率”这种近收益产品，再慢慢长成数据平台，往往比一上来卖通用机器人更现实。

    类比参考：像是工业车辆版的“视觉地图 + 车队分析 OS”，介于 Samsara 和 physical AI 数据层之间。

    Slamcore

    🔗 The AI Insider[5] | 官网[6]

    4. StackAI — 被 Asana 收购， no-code AI Agent builder 进入主流程软件分发体系

    融资/并购信息： Asana 收购 StackAI ；据 The AI Insider 报道交易金额约 $7500 万。 StackAI 此前累计融资接近 $2000 万，最近一轮为 $1600 万 Series A 。

    做什么的：一个面向企业的 no-code AI workflow / agent builder ，让团队用拖拽方式连接 Salesforce 、 Slack 、 G Suite 等系统，把 AI Agent 嵌进现有流程。

    为什么值得关注：
    - 这次收购的意义不只在金额，而在分发。 Agent builder 不再只是独立工具，而是被主流程软件吸收进“human-agent team OS”。
    - 说明 AI 工作流工具的终局之一，是并入已有工作协同平台。独立创业公司如果没有强分发，最后很可能要接入 Asana 、 Monday 、 Notion 这类平台。
    - 创业启发：如果你做企业 Agent 产品，要想清楚自己是“平台型终局”，还是“被大平台并购的能力模块”。 StackAI 显然证明后者也可以是很合理的路径。

    类比参考：像是“Zapier + AI Agent builder”的企业版，然后被 Asana 当成工作流智能化底座吸收。

    StackAI

    🔗 TechCrunch[7] | The AI Insider[8] | 官网[9]

    5. Sesame — Oculus 创始团队把 conversational AI Agent 推到 iOS 公测

    产品动态： iOS app public preview 上线，覆盖 39 个国家，现阶段免费开放。

    做什么的： Sesame 做的是更自然的 conversational AI agent ，不强调“聊天框问答”，而是强调像真人一样持续说话、思考中插入检索结果、保留记忆，并逐步走向可执行任务的 personal agent 。

    为什么值得关注：
    - 它在重新定义 AI 的交互壳层。很多产品还停留在“更强聊天机器人”， Sesame 已经开始逼近“可以持续陪你思考的语音 agent”。
    - 从 Research Preview 到 iOS app ，是典型的消费级 AI 产品化一步：先用技术惊艳早期用户，再把交互、记忆、搜索卡片、深度模式、隐私模式做成完整产品。
    - 创始团队背景强，但更重要的是路线判断对：如果未来 AI 入口从文本框转向语音 / 可穿戴， Sesame 很可能是在卡一个新的终端位。
    - 创业启发：模型能力趋同后，消费级 AI 竞争会越来越像“体验设计竞争”——语音节奏、人格一致性、记忆机制，都会变成真正的产品壁垒。

    类比参考：像是“Her 的早期版本 + ChatGPT 语音模式”，但从一开始就按 personal agent 在设计。

    Sesame

    🔗 TechCrunch[10] | 官网[11]

    6. Atheni — £35 万，切入一个很真实但常被忽视的市场：组织明明买了 AI ，却根本不会用

    融资信息：£350K ，投资方包括 Zoopla / Cazoo 创始人 Alex Chesterman OBE ，并获得 Innovate UK 支持。

    做什么的： Atheni 不是再做一个 AI 工具，而是做 AI adoption platform。它通过浏览器侧平台和角色化引导，帮助员工在真实工作流里提升 AI 使用能力，而不是只上几堂培训课。

    为什么值得关注：
    - 这家公司抓的是“AI 采购后遗症”：企业买了 ChatGPT 、 Claude 、 Copilot ，但员工不知道怎么把它用进业务决策，结果 ROI 很差。
    - 它卖的是 capability ，不只是 access。这个定位非常聪明，因为“有账号”不等于“会产出结果”。
    - 90 天 adoption rate 超过 90% 的叙述非常有杀伤力。对 ToB 创业者来说，这种业务结果导向的表述，比任何模型参数都更容易成交。
    - 创业启发：围绕 AI 的培训、流程、治理、 adoption ，本身就是一条足够大的软件赛道。未来会有很多公司不是做 AI 本身，而是做“让组织真正用起来”。

    类比参考：像是“企业 AI 教练 + 轻量 workflow layer”，介于咨询公司、 LMS 和 AI copilot 之间。

    Atheni

    🔗 Tech Funding News[12] | 官网[13]

    7. Integuru — 用源码和 HTTP 直连替代浏览器自动化，切进企业集成的老问题

    产品动态： 5 月 29 日以 Show HN 形式发布新版本。官网主张非常直接：Generate fast, reliable APIs for any platform. No RPA. No browsers.

    做什么的： Integuru 帮开发者为既有平台生成可用 API ，但不是靠浏览器自动化/RPA 去“点页面”，而是尽可能走源码理解、直接 HTTP 请求和内部接口还原的路线。

    为什么值得关注：
    - 切中一个老痛点：大量企业系统没有好用 API ，传统 RPA 又脆、慢、难维护。
    - “不用浏览器”本身就是很清晰的差异化口号。它把一类技术替代方案，包装成了用户立刻能理解的价值主张。
    - 这类产品很适合 AI 来做：过去逆向和接口抽取更像手工活，现在模型可以帮助识别前端代码、请求结构和依赖关系。
    - 创业启发： AI 最有价值的地方之一，不是创造新工作流，而是把那些老旧系统里的“脏集成”自动化掉。谁能把接入成本降下来，谁就能吃到大量存量软件预算。

    类比参考：像是“Postman + Reverse API Generator”的 AI 版，和传统 RPA / browser automation 走的是完全不同的技术路线。

    Integuru

    🔗 Show HN[14] | 官网[15]

    8. 乘物机器人 — 天使轮完成，先靠富士康等工业客户做交付，再反哺工业 VLA 模型

    融资信息：完成天使轮融资，由中国台湾工业自动化与智能机器人解决方案企业和椿科技战略投资，华君资本担任独家财务顾问。

    做什么的：深圳工业具身智能公司，面向工业场景做软硬件一体化机器人解决方案，同时自研工业垂类 VLA 模型、遥操数据采集装置和远程操作系统。成立于 2025 年，半年营收已超两千万元，客户包括富士康。

    为什么值得关注：
    - 这不是 PPT 机器人，而是先拿订单、再做模型。对中国具身智能创业者来说，这种路径尤其重要。
    - 真实 industrial delivery 经验本身就是壁垒。很多团队会做模型 demo ，但很少团队真正知道工厂现场怎么交付、怎么迭代、怎么持续收费。
    - 它的路线很务实：先用成熟供应链拼出可交付方案，再把数据采集、模型训练、跨本体泛化能力往上叠。
    - 创业启发：具身智能最可行的商业路径之一，可能不是先造通用机器人，而是先从工业非标项目切进去，用项目现金流和现场数据把模型养起来。

    类比参考：像是“工业场景版的 embodied AI 系统集成商 + 垂直模型公司”。

    乘物机器人

    🔗 36 氪[16]

    参考链接

    [1] TechCrunch: https://techcrunch.com/2026/05/29/xcena-secures-135m-at-570m-valuation-betting-on-memory-as-ais-real-bottleneck/

    [2] 官网: https://xcena.com/

    [3] The AI Insider: https://theaiinsider.tech/2026/05/29/tensormesh-secures-20m-from-investors-including-amd-ventures-coreweave-nventures-launches-tensormesh-inference-to-fix-ais-most-expensive-problem/

    [4] 官网: https://www.tensormesh.ai/

    [5] The AI Insider: https://theaiinsider.tech/2026/05/29/slamcore-raises-14m-in-funding-to-scale-visual-ai-that-tracks-industrial-vehicles/

    [6] 官网: https://www.slamcore.com/

    [7] TechCrunch: https://techcrunch.com/2026/05/28/asana-acquires-no-code-agent-builder-stack-ai/

    [8] The AI Insider: https://theaiinsider.tech/2026/05/29/asana-acquires-ai-workflow-startup-stackai-for-75m-to-build-human-agent-os/

    [9] 官网: https://www.stackai.com/

    [10] TechCrunch: https://techcrunch.com/2026/05/28/sesame-the-conversational-ai-startup-from-oculus-founders-launches-its-ios-app/

    [11] 官网: https://www.sesame.com/

    [12] Tech Funding News: https://techfundingnews.com/female-founded-atheni-backed-by-zooplas-founder-lands-350k-to-help-businesses-actually-use-ai/

    [13] 官网: https://atheni.ai/

    [14] Show HN: https://news.ycombinator.com/item?id=44133863

    [15] 官网: https://www.integuru.com/

    [16] 36 氪: https://36kr.com/p/3831135917107075?f=rss

  • 0527日报 | AI基础设施层资本集中涌入

    AI 产品日报 | 2026-05-27

    🔬 422产品实验室 · AI新产品日报 · 每日精选

    今日洞察

    今天的融资信号指向一个清晰的判断：AI产业的「模型路由层」正在成为新基础设施。OpenRouter用一年时间从$5.47亿估值翻倍到$13亿，月处理100万亿token——Alphabet旗下CapitalG领投$1.13亿，本质上下注的是「企业不会把自己锁死在单一模型供应商上」。这对创业者的启示是：做多模型兼容的产品，而不是赌某一个模型的未来。

    与此同时，企业级AI Agent正从「单机」走向「多人协作」：Dust拿$4000万做「multiplayer AI」——不是一个人用AI助手，而是整个组织共享Agent的知识和上下文，零流失率+240% NRR说明产品已经嵌入企业工作流。另一边，Ocean用$2800万做「用AI Agent对抗AI钓鱼攻击」——Wiz CEO和Armis创始人集体天使投资，以色列安全老兵的直觉是：AI生成钓鱼邮件的威胁已经超出了传统安全产品的应对能力。

    国内方面，华为「具身大脑一号位」朱森华创办的具脑磐石完成亿元级新融资，选择与杨立昆同源的JEPA路线做类脑认知世界模型。用1/10数据量达到同等效果——这条「反Scaling Law」的路线正在全球范围内获得资本背书。

    1. OpenRouter — $1.13亿Series B，$13亿估值，AI模型的「交换机」成为基础设施

    融资信息：$1.13亿Series B。CapitalG（Alphabet成长基金）领投。此前a16z、Menlo Ventures、Sequoia参投的Series A为$4000万（2025年6月），估值约$5.47亿。一年内估值翻倍至约$13亿

    做什么的：AI模型路由网关——帮助企业和开发者在一个平台上接入400+AI模型（Anthropic、Google、OpenAI、xAI、DeepSeek等），根据任务需求智能选择最合适的模型。8百万全球用户，月处理约100万亿token（半年前5万亿/周→现在25万亿/周，5倍增长）

    为什么值得关注： - CapitalG领投——Google在自己的AI之外，投资了「多模型未来」：Alphabet的投资部门投了一个让企业可以在Google模型和竞品之间自由切换的平台。这说明Google相信：AI产业的终局不是一家模型独大，而是多模型共存 - 100万亿token/月——数据证明了「模型商品化」趋势：企业不会把自己锁死在单一模型上。OpenRouter的5倍增长说明，多模型策略已经从「先进做法」变成了「标准做法」 - 从训练→推理→Agent，每一步都在推高路由层价值：当Agent需要调用多个模型完成复杂任务时，模型路由器就是Agent时代的DNS - 创业者启示：如果你的AI产品只接了一个模型，你正在给自己挖坑。OpenRouter的增长证明：模型层在快速商品化，真正的差异化在产品层和用户体验层。做多模型兼容不是「nice to have」而是「must have」

    类比参考：AI模型版的「Cloudflare」——Cloudflare让网站在多个CDN之间智能路由，OpenRouter让应用在多个模型之间智能路由。或者「AI模型界的API Gateway + CDN」

    OpenRouter

    🔗 TechCrunch | 官网

    2. Ocean — $2800万，Lightspeed领投，用AI Agent对抗AI生成的钓鱼攻击

    融资信息：$2800万。Lightspeed Venture Partners领投，Picture Capital、Cerca Partners参投。天使投资人包括Wiz CEO Assaf Rappaport和Armis联合创始人Yevgeny Dibrov、Nadir Izrael。创始人Shay Shwartz为前以色列国防网络安全专家（参与铁穹系统相关工作）

    做什么的：AI Agent驱动的邮件安全平台——部署专用小型语言模型（SLM）分析邮件上下文、评估发送者意图、与组织行为模式比对。已为Kayak、Kingston Technology、Headspace等客户每月处理数十亿封邮件。核心理念：AI已经自动化了鱼叉式钓鱼攻击，传统安全产品无法应对

    为什么值得关注： - Wiz CEO + Armis创始人天使投资——以色列安全圈的集体判断：这三个名字代表以色列网络安全领域的顶尖成功案例。他们同时投一个邮件安全项目，说明他们看到了现有安全产品的系统性盲区 - 「AI对抗AI」——安全赛道的新范式：攻击者用AI生成高度个性化的钓鱼邮件，防御者也必须用AI Agent来识别AI生成的攻击。这不是工具升级，是范式转换 - 专用小模型（SLM）而非通用大模型——工程选择的智慧：邮件安全不需要GPT-4级别的推理，需要的是「低延迟、高精度、可审计」的判断。Ocean选择专用SLM，意味着更低的成本和更快的响应 - 月处理数十亿封邮件——已经是production规模：Kayak和Headspace不是试点客户，是生产环境部署。这说明产品在真实场景中已经验证 - 创业者启示：「AI增强的攻击」正在创造一个全新的安全品类。传统邮件安全（Proofpoint、Mimecast）是用规则和签名检测，AI钓鱼攻击绕过这些规则就像绕过一个红绿灯一样简单。这是一个被AI创造出来的新市场

    类比参考：邮件安全版的「CrowdStrike」——CrowdStrike用AI检测端点威胁，Ocean用AI Agent检测邮件威胁。或者「AI时代的Proofpoint，但安全架构从零重建」

    Ocean

    🔗 The AI Insider

    3. Dust — $4000万Series B，零流失率+240% NRR，「多人AI」重新定义企业Agent

    融资信息：$4000万Series B。Abstract和Sequoia联合领投，Snowflake Ventures和Datadog参投。总融资超过$6000万

    做什么的：「多人」企业AI Agent平台——让AI Agent在整个组织内协作，而非服务于单个用户。连接100+数据源，内置记忆、反馈循环和企业治理。3000+组织使用，周活跃率70%+，2025年NRR 240%、零流失。Vanta 900人团队每周节省数千小时，Persona 11个部门部署300+Agent

    为什么值得关注： - 零流失率——企业SaaS的圣杯：任何企业SaaS产品如果能做到零流失，说明它已经从「工具」变成了「基础设施」。Dust在3000+组织中做到了这一点 - 「多人AI」vs「单机AI」——Viktor之后的第二个信号：昨天日报的Viktor做「团队AI同事」，今天Dust做「组织AI协作」。两个独立公司在同一周融资，说明「多人AI」是一个趋势而非个案 - 240% NRR——客户在疯狂扩容：净收入留存率240%意味着客户第二年的付费是第一年的2.4倍。这只能用「产品深入企业工作流」来解释 - 创始人来自OpenAI——Stanislas Polu曾是Greg Brockman团队的研究工程师：他从OpenAI离开时认为「模型已经足够强，缺的是产品层」。这个判断正在被验证 - 创业者启示：「AI Agent的最大价值不在个人效率，而在组织协作」。如果你的AI产品只服务个人用户，天花板是效率工具；如果你能让Agent在团队间共享上下文和知识，天花板是组织操作系统

    类比参考：AI Agent版的「Slack」——Slack让团队沟通从邮件变成实时协作，Dust让AI从个人助手变成团队协作系统。或者「企业版的ChatGPT，但有组织记忆」

    🔗 The AI Insider | 官网

    4. Perceptic — $1200万Seed，Accel领投，前Palantir三人组做AI药物发现的「操作系统」

    融资信息：$1200万Seed。Accel领投，Air Street Capital、Elder Gull参投。伦敦

    做什么的：端到端AI药物发现平台——不是优化药物发现流程中的某个环节（蛋白质结构预测、分子设计、临床试验），而是做连接所有环节的「操作系统」。模型和数据无关（model agnostic），药企可以接入自己的数据和模型。已有CSL等顶级药企客户，将科学尽调从数周压缩到数小时

    为什么值得关注： - Accel从「团队还在Palantir时」就开始跟踪——投资人的前瞻性：Accel合伙人Sonali De Rycker在Perceptic创始人还没离职时就开始关注他们。这说明顶级VC的投资逻辑是「赌人」而非「赌项目」 - 「连接层」而非「点工具」——AI在制药行业的正确姿势：大多数AI制药公司（Isomorphic、Recursion、Insilico）专注某个环节。Perceptic选择做「连接所有环节的操作系统」——这个定位在SaaS领域已经被证明（ERP之于制造业） - 可溯源、零幻觉——制药行业的刚需：药企不能容忍AI幻觉。Perceptic的每一个结论都可以追溯到源头数据。这个「审计能力」是进入药企的门票 - 50倍临床数据提取效率提升——ROI不是PPT上的数字：具体的效率提升数据让产品价值可量化 - 创业者启示：在垂直行业中，「连接层」的价值可能大于「点解决方案」。当一个行业有太多孤立的AI工具时，做把它们连起来的平台往往比做第N个点工具更有价值

    类比参考：药物发现版的「Palantir Foundry」——Palantir帮政府和金融连接分散的数据源，Perceptic帮药企连接分散的AI工具和数据。或者「制药行业的AI中间件」

    Perceptic

    🔗 Fortune独家

    5. Commure — $7000万，$70亿估值，医疗AI Agent完成85%收入周期工作

    融资信息：$7000万，$70亿post-money估值。General Catalyst领投，Sequoia Capital、Morgan Stanley、Kirkland & Ellis参投

    做什么的：医疗管理AI Agent平台——覆盖500+医疗机构和3000+诊疗站点，AI Agent完成85%以上的收入周期工作（电话、笔记、编码、理赔、申诉）无需人工干预。客户包括HCA Healthcare和Tenet Healthcare

    为什么值得关注： - $70亿估值——医疗AI赛道最大的公司之一：Commure不是初创公司了，而是一个成熟平台。但$7000万新融资说明投资人认为它还有巨大的增长空间 - 85%自动化——不是copilot，是autonomous agent：CEO Tanay Tandon明确说「AI现在可以完成过去30年软件都没能自动化的工作」。这个数字如果准确，说明AI Agent在医疗管理场景已经越过了「可用」的临界点 - General Catalyst的CEO亲自背书——「不是copilot功能，而是全新方式」：Hemant Taneja的措辞非常刻意——他在强调Commure不是在旧系统上加AI，而是用AI重建工作流 - HCA Healthcare是客户——美国最大医院系统之一：如果Commure进入了HCA，它实际上已经进入了美国医疗体系的核心 - 创业者启示：医疗管理是美国最肥的AI垂直场景之一——$1万亿年度行政成本。不是临床AI（FDA审批难），而是管理AI（理赔、编码、账单），这块市场大、合规要求低、ROI可量化

    类比参考：医疗管理版的「UiPath」——UiPath用RPA自动化企业流程，Commure用AI Agent自动化医疗管理流程。或者「医疗行业的AI收入周期管理平台」

    Commure

    🔗 The AI Insider | 官网

    6. Avrea — $470万Pre-Seed，Earlybird领投，Aiven联合创始人做AI代码时代的CI/CD

    融资信息：$470万Pre-Seed。Earlybird Venture Capital领投。赫尔辛基。创始人Hannu Valtonen（Aiven联合创始人，曾打造独角兽）和Juha Valvanne（Nosto联合创始人）。10人团队来自Spotify和Hoxhunt。融资在几周内完成，没有使用Pitch Deck

    做什么的：AI代码时代的CI/CD加速平台——解决AI编码工具（GitHub Copilot、Cursor、Claude Code）带来的代码量爆炸导致CI/CD成为瓶颈的问题。接入现有部署平台，用AI Agent自动发现测试质量问题、构建卡点、资源瓶颈。目标是让开发者减少等待、更多时间写代码

    为什么值得关注： - Aiven联合创始人的第二次创业——从基础设施到开发工具：Aiven是开源数据库托管领域的独角兽。Valtonen的第二次创业选了CI/CD赛道，说明他认为「AI编码→CI/CD瓶颈」是一个基础设施级别的问题 - 没有Pitch Deck就拿到term sheet——「赌人」型投资的极致：Earlybird是Aiven的投资人，再次投了同一个创始人。几周完成融资，没有PPT——这是「创始人 reputational capital」的最好证明 - 「AI编码的副产品是CI/CD崩溃」——一个被低估的二阶效应：Google CEO说75%新代码是AI生成的。代码量爆炸意味着CI/CD管道需要处理更多构建——而现有的GitHub Actions和GitLab CI/CD不是为这个量级设计的 - GitHub和GitLab的潜在威胁——它们建于2000年代末：Avrea不是在现有CI/CD上加AI功能，而是重新思考「AI代码时代的软件交付流程应该长什么样」 - 创业者启示：当你看到一个大趋势（AI编码），不要只关注趋势本身，要关注它的二阶效应**。AI编码→代码量爆炸→CI/CD瓶颈→需要新的交付基础设施。这个因果链就是Avrea的商业逻辑

    类比参考：CI/CD版的「Aiven」——Aiven把开源数据库变成托管服务解决运维瓶颈，Avrea把CI/CD重建为AI原生解决交付瓶颈。或者「AI代码时代的GitHub Actions替代品」

    🔗 官网 | TFN

    7. 具脑磐石 — 亿元级新融资，华为「具身大脑一号位」创业，对标杨立昆JEPA路线

    融资信息：亿元级新融资。具深厚类脑与具身产业背景的顶尖产业资本领投，老股东及多家顶尖基金复投跟投。更新一轮融资同步交割中。创始人朱森华，前华为云AI算法创新Lab主任、华为具身智能大脑开创者

    做什么的：类脑认知世界模型——不采用行业主流的VLA（视觉-语言-动作）路线，而选择与Yann LeCun同源的JEPA（联合嵌入预测架构），构建能理解物理因果、具备抽象学习能力的「认知世界模型」。用1/10的数据量达到传统路线同等效果。目标是具身智能2.0——低功耗、高泛化、终身学习

    为什么值得关注： - 华为「具身大脑一号位」创业——团队含金量极高：朱森华不仅搭建了华为云脑平台，还是「华为天才少年」面试官。核心团队来自华为、清华、北大、中科院、旷视、极智嘉——这是工程化能力+学术深度的罕见组合 - JEPA路线——杨立昆刚拿到$10.3亿融资验证方向：Yann LeCun的AMI Labs在2026年3月完成$10.3亿种子轮，$35亿估值。具脑磐石在中国走同一路线，意味着全球AI领域对「反Scaling Law」路线的资本共识正在形成 - 1/10数据量达到同等效果——如果成立，是颠覆性的：具身智能1.0的问题是数据饥渴——需要海量演示数据训练机器人。如果JEPA路线真的能用1/10数据达到同等效果，它将大幅降低具身智能的落地成本 - 「海外优先突破」的商业策略——差异化定价：国内客户看ROI，海外客户为劳动力短缺买单。这个策略很务实——在机器人能力还不够替代人工的阶段，先卖给那些「没有选择」的市场 - 创业者启示：在具身智能赛道，「跟VLA大流」是红海，「走类脑路线」是蓝海但高风险。具脑磐石的选择说明：当行业共识走向一个方向时，站在共识的对立面可能需要更多勇气，但也可能收获更大的回报

    类比参考：具身智能版的「DeepSeek」——DeepSeek在LLM领域用更低成本达到同等效果，具脑磐石在具身智能领域用更少数据达到同等效果。或者「中国的LeCun路线具身智能团队」

    🔗 36氪/投中网

    8. Mirage — GitHub 2677 Stars，AI Agent的统一虚拟文件系统

    融资信息：独立开源项目（strukto-ai开发）。GitHub 2677 Stars。TypeScript + Python双SDK。Apache 2.0开源协议

    做什么的：AI Agent的统一虚拟文件系统——把S3、Google Drive、Slack、Gmail、GitHub、Redis等所有后端服务挂载到一个虚拟文件树上。AI Agent用同一套Unix命令（grep、cat、cp）操作所有服务，无需学习N个SDK和M个MCP。兼容OpenAI Agents SDK、LangChain、Pydantic AI、Claude Code等主流框架

    为什么值得关注： - 「把所有服务变成文件系统」——极简的抽象：AI模型最擅长的是什么？是bash和Unix命令（因为训练数据里最多）。Mirage不教Agent新词汇，而是让Agent用最熟悉的工具操作所有服务。这个设计哲学太对了 - 2677 Stars——开发者社区的快速验证：不是营销驱动的增长，是开发者看到「bash everywhere」的理念后自发star - 解决了Agent开发的「碎片化」痛点：当前Agent开发者最大的痛苦之一就是——每个服务有不同API、不同认证、不同数据格式。Mirage把它们统一成文件操作，大幅降低了Agent的开发门槛 - 「Agent时代的Plan 9」——操作系统层面的创新：Plan 9是Unix团队做的实验性OS，核心理念是「everything is a file」。Mirage把这个理念带入了Agent世界 - 创业者启示：在Agent生态中，「抽象层」比「功能层」更有价值。Mirage不做Agent本身，它做的是让所有Agent都能更简单地访问所有服务的基础设施。类似Docker之于容器——Docker不运行应用，它让应用更容易运行

    类比参考：AI Agent版的「Docker + FUSE」——Docker统一了应用部署环境，Mirage统一了Agent的数据访问接口。或者「Agent的虚拟操作系统」

    🔗 GitHub | 文档

    9. allO — $1400万Series A，慕尼黑，AI原生餐厅操作系统

    融资信息：$1400万Series A。Zigg Capital领投，LifeX Ventures、Aperture、Wecken & Cie.、20VC、Keen Venture Partners参投。慕尼黑

    做什么的：AI原生餐厅操作系统——把预订、POS、库存、扫码点餐、会计、支付、外卖集成在一个AI驱动的平台上。核心策略：服务于被现有SaaS忽视的本地餐厅和民族餐厅。Munich-based

    为什么值得关注： - Zigg Capital领投——餐饮科技赛道的专业VC：Zigg Capital专注餐饮科技投资，投allO说明他们认为「AI原生」比「传统SaaS+AI」在餐饮赛道有结构性优势 - 服务被忽视的餐厅——差异化定位：大多数餐饮SaaS瞄准连锁品牌，allO聚焦本地小餐厅和民族餐厅。这些餐厅数量庞大但数字化程度低，AI可以帮他们跳过传统SaaS阶段直接进入AI时代 - 「一站式」vs「碎片化」——餐饮SaaS的终局之争：餐厅通常用20个不同工具（OpenTable预订、Square POS、DoorDash外卖...）。allO用AI把这些功能全部集成，对小餐厅来说这比拼凑20个工具便宜得多 - 从德国出发，瞄准欧洲——地缘优势：德国和欧洲的餐饮数字化程度远低于美国，市场空间更大 - 创业者启示：AI原生SaaS最大的机会在「数字化程度低的行业」：美国SaaS已经渗透了大部分行业，但在欧洲和亚洲的本地服务业，很多还是Excel+纸质流程。AI可以帮他们直接从「前数字化」跳到「AI时代」

    类比参考：餐厅版的「Shopify」——Shopify帮小商家建立在线商店，allO帮小餐厅建立AI驱动的运营系统。或者「Toast（美国餐饮SaaS）的欧洲AI版」

    🔗 TFN | 官网

    📊 今日趋势总结

    趋势 信号
    🔀 模型路由层成为基础设施 OpenRouter $1.13亿、一年估值翻倍——企业不做单模型赌徒，多模型是标配
    👥 企业AI从「单机」到「多人」 Dust零流失+240% NRR、Viktor 10周$15M ARR——「组织AI」不是概念，是数据验证的现实
    ⚔️ AI vs AI安全对抗 Ocean $2800万、Wiz/Armis创始人集体投资——攻击者用AI钓鱼，防御者也必须用AI
    🏥 医疗管理AI Agent越界 Commure $70亿估值、85%自动化——30年未自动化的医疗行政被AI攻破
    🧠 类脑路线资本共识形成 具脑磐石亿元融资、杨立昆$10.3亿——「反Scaling Law」不再只是论文，是创业路线
    🔧 AI编码的二阶效应 Avrea $470万——AI生成代码爆炸→CI/CD崩溃→需要新基础设施

    📌 422产品实验室出品 | 每日精选AI新产品、融资、创新模式

    关注我们，获取面向创业者的AI产品情报

  • 0525日报 | AI从辅助工具走向自主员工

    AI 产品日报 | 2026-05-25

    🔬 422产品实验室 · AI新产品日报 · 每日精选

    今日洞察

    本周最值得深挖的趋势是「AI从辅助工具走向自主员工」——Viktor拿到Accel $75M做Slack/Teams里的「AI同事」，10周冲到$15M ARR，Slack创始人亲自天使投资；Blitzy用$200M和$14亿估值做全自动软件重构，让AI Agent并行改写百万行代码；Recursive Superintelligence更激进，$650M + $46.5亿估值，目标让AI自主发现自身弱点并重写自己。三条线指向同一个终局：AI不是在帮你做事，而是在替你做事。

    另一条暗线是「Agent经济的金融基础设施」正在成型：AEON拿$8M做Agent之间的支付结算层，Moment拿$78M做财富管理的AI操作系统——一个解决Agent「怎么付钱」，一个解决AI「怎么管钱」。结合上周Catena Labs申请AI银行牌照的信号，Agent金融赛道的拼图正在快速完整。

    对创业者的判断：「AI同事」是2026年Q2最确定的品类，但窗口极短。 大厂（微软Copilot、Salesforce Agentforce）已经在自家的平台里嵌入Agent。创业公司的唯一机会是：跨平台、有记忆、能主动——而不是等用户下指令。

    1. Viktor — $75M Series A，10周冲$15M ARR，AI「同事」住进Slack和Teams

    融资信息：$75M Series A。Accel领投，Bek Ventures、Kaya VC、Inovo VC、Tenacity Capital参投。天使投资人包括Slack联合创始人Stewart Butterfield和Cal Henderson、Synthesia CEO Victor Riparbelli，以及Google DeepMind、Figma、ElevenLabs高管。2026年2月公开发布，3个月内达到$15M年化收入run rate，2000+组织使用

    做什么的：团队级AI Agent同事——嵌入Slack和Microsoft Teams，像真正的同事一样参与工作。能连接Google Drive、Meta Ads、Airtable、Notion、Shopify等数十个企业工具，构建对公司运转方式的「持久记忆」。不只是被动等指令，还会主动扫描公开频道，发现可以接手的工作流。曾帮客户发现Meta Ads配置问题，每周节省$10,000广告支出

    为什么值得关注：
    - 10周$15M ARR——史上最快的B2B AI产品之一：这不是渐进式增长，是爆发式。说明市场对「AI同事」的需求不是「nice to have」而是「必须现在有」
    - Slack创始人投了「杀死Slack的产品」——不，是投了「让Slack更有价值的产品」：Stewart Butterfield和Cal Henderson投的是嵌入Slack的Agent。这不是威胁，是共生——AI Agent让消息平台从「通讯工具」变成「工作操作系统」
    - 前Meta工程师团队，先做邮箱Agent再做团队Agent——PMF的教科书：他们先做了JaceAI（邮箱Agent），发现邮箱不是Agent的最佳载体，转而做团队协作工具里的Agent。这个pivot本身就是创业方法论：先做最小可行产品，快速发现正确的场景
    - Accel的选择标准很有启发性：Accel合伙人Zhenya Loginov说得很清楚——他们要的是「团队级助手」而非「个人助手」。这个定位选择决定了产品的分发方式（组织采购 vs 个人订阅）和天花板（协作工具市场 vs 效率工具市场）
    - 创业者启示：当AI从「个人效率工具」变成「组织成员」，产品的设计逻辑、定价模式、分发渠道都会完全不同。Viktor的「按组织收费+主动发现工作流」模式，是AI Agent从工具到同事的关键设计

    类比参考：AI版的「新员工」——不是Copilot那种「写代码的助手」，而是「入职三个月的新人，知道公司所有系统怎么用，24/7在线，主动找活干」。或者「Slack/Teams里的RPA + ChatGPT，但有记忆」

    🔗 Fortune独家 | 官网

    2. Recursive Superintelligence — $650M + $46.5亿估值，Richard Socher联合Peter Norvig要做AI自我进化

    融资信息：$650M融资，$46.5亿估值。GV（Google Ventures）和Greycroft联合领投，AMD Ventures、NVIDIA参投。创始人Richard Socher（you.com创始人、ImageNet核心贡献者），联合创始人包括Peter Norvig（前Google研究总监、AI教科书作者）和Tim Shi（Cresta联合创始人）、Tim Rocktäschel（前DeepMind开放性研究负责人）

    做什么的：递归自我改进AI——不是让AI帮人改进工具，而是让AI自主发现自身弱点、设计改进方案、验证效果，形成「自我进化」的闭环。核心技术路线是「开放性」（Open-endedness）——借鉴生物进化的逻辑，让AI在持续的对抗与合作中无限进化。Rainbow Teaming（彩虹团队）就是其联合创始人提出的概念：两个AI互相对抗，一个负责攻击一个负责防御，经过百万轮迭代后变得更强更安全

    为什么值得关注：
    - $650M出stealth——2026年最疯狂的赌注之一：Richard Socher在you.com之后没有选择做应用，而是回到最前沿的基础研究。GV和NVIDIA同时出现说明：Google和英伟达都认为「自我改进AI」是值得押注的方向
    - Peter Norvig的加入是强信号——AI教科书《Artificial Intelligence: A Modern Approach》的作者，在Google工作了20年。他选择加入Recursive而不是留在Google，说明他相信这条路线
    - 「开放性」vs「Scaling Law」——两种AI进化路线的对抗：OpenAI/Anthropic走的是「更多数据+更大模型」路线，Recursive走的是「AI自己发现自己弱点并改进」路线。如果Recursive成功，它可能用更少的算力实现更强的AI——因为改进来自智慧而非暴力
    - Richard Socher的关键洞察：「自动改进≠递归自我改进」——让AI帮你优化一个系统是改进，让AI自主完成「发现弱点→设计实验→验证→部署」的完整循环才是真正的自我进化。这个区分非常重要
    - 创业者启示：「AI自我进化」不是创业者的赛道（需要$650M），但它定义了AI产业的天花板。如果Recursive成功，所有AI应用都会受益——模型能力会加速提升，应用层的创业空间反而更大

    类比参考：AI版的「生物进化」——不是人工选择（人类告诉AI怎么改进），而是自然选择（AI自己发现适者生存的路径）。或者「AlphaGo的自我对弈，但应用在AI模型本身的改进上」

    🔗 TechCrunch专访 | GV博客

    3. AEON — $8M Pre-Seed，YZi Labs领投，Agent经济的「支付结算层」

    融资信息：$8M Pre-Seed。YZi Labs（原Binance Labs）领投。香港注册。2026年5月18日公布

    做什么的：AI Agent之间的支付结算层——为「Agent经济」构建金融基础设施。让AI Agent可以自主完成支付、结算交易，连接5000万+真实世界商户。核心论点：当AI Agent开始互相购买服务（一个Agent调用另一个Agent的API、一个Agent向另一个Agent付费获取数据），需要专门的结算基础设施

    为什么值得关注：
    - 「Agent经济」的金融基础设施——一个被低估的品类：上周Catena Labs在做Agent的银行牌照，AEON在做Agent的支付网络。两者互补：Catena解决「Agent怎么管钱」，AEON解决「Agent之间怎么交易」。这个分工正在定义一个新赛道
    - $8M Pre-Seed——币圈资本杀入Agent赛道：YZi Labs（原Binance Labs）领投说明加密货币资本正在从DeFi转向Agent经济。这不意外——Agent之间的微支付天然适合链上结算
    - 5000万商户连接——不是白皮书而是真实网络：AEON声称已连接5000万真实商户。如果属实，这意味着Agent不需要「学会」用现有的支付系统，而是直接用AEON的网络完成交易
    - 香港注册——亚洲Agent金融赛道的信号：和Catena Labs在美国申请银行牌照平行，AEON在香港做链上结算。两个司法管辖区、两种技术路线，同时瞄准同一个市场
    - 创业者启示：Agent经济的「金融层」可能比Agent本身的「AI层」更有商业价值。就像visa的市值超过了大多数银行——支付网络的护城河比银行更深

    类比参考：Agent版的「Visa/Stripe」——Visa连接人和商户，AEON连接Agent和商户。或者「AI Agent之间的SWIFT，但在区块链上」

    🔗 PR Newswire | Crypto.news

    4. SPARQ — $8.5M Seed，a16z参投，从阿联酋挑战Unreal Engine和Roblox的AI游戏引擎

    融资信息：$8.5M Seed。a16z（Andreessen Horowitz）参投。总部位于阿联酋Ras Al Khaimah的Innovation City

    做什么的：AI原生游戏引擎和创作者平台——让创作者用自然语言描述就能生成完整的游戏世界、角色和玩法。对标Unreal Engine和Roblox，但从第一天就以AI为核心而非后期加入AI功能。从阿联酋新兴的Innovation City孵化

    为什么值得关注：
    - a16z投游戏引擎——硅谷最聪明的钱在押注「AI+游戏」：a16z不只是投了一个游戏公司，而是投了「内容创作方式」的范式转换。如果AI能从自然语言生成完整游戏，游戏开发从「专业技能」变成「想象力竞赛」
    - 从阿联酋出发——AI创业不需要硅谷：SPARQ选择在Ras Al Khaimah的Innovation City而不是硅谷或伦敦。中东正在成为AI创业的新枢纽——资本充裕、政策友好、税收优势
    - 「AI原生」vs「AI增强」——Unreal和Roblox的阿喀琉斯之踵：Unreal Engine和Roblox是先有引擎再加AI，SPARQ从第一天就以AI为内核。这种「native vs bolt-on」的竞争在CRM（Salesforce vs 钉钉）、数据库（Oracle vs MongoDB）等领域反复出现过——native往往最终胜出
    - 创作者经济的下一个台阶：Roblox证明了UGC游戏是可行的，但创作门槛仍然很高。AI原生引擎可能把游戏创作门槛降到「说话就行」——这将释放数十亿潜在创作者
    - 创业者启示：在已有巨头（Unreal/Unity/Roblox）的市场里，最好的策略不是做更好的产品，而是用新技术重新定义产品的形态。SPARQ赌的不是「更好的游戏引擎」，而是「完全不同的创作方式」

    类比参考：游戏版的「Midjourney」——Midjourney用AI把图像创作从专业技能变成自然语言对话，SPARQ用AI把游戏创作从专业技能变成自然语言对话。或者「AI原生的Roblox」

    🔗 Gulf News | Khaleej Times

    5. OpenHuman — 开源桌面AI Agent，GitHub 26K Stars，24小时3000星

    融资信息：独立开源项目。tinyhumansai开发团队。GitHub 26,000+ Stars，Product Hunt #3。Rust + TypeScript

    做什么的：开源桌面AI Agent——定位为「你的个人AI超级智能」。核心差异化：不是等你输入prompt才开始工作，而是先「读取你」——通过记忆树（Memory Tree）架构理解你的上下文、习惯和需求，在你开口之前就准备好。本地优先、隐私优先

    为什么值得关注：
    - 24小时3000 Stars——开源社区的爆发力：不是KOL推荐、不是公司推广，纯粹靠产品力在GitHub社区引发病毒式传播。这种「纯社区驱动」的增长在AI工具领域越来越常见
    - 「先读你，再回答」——交互范式的转变：当前所有主流AI Agent（OpenClaw、Hermes等）都是「等用户输入→处理→输出」。OpenHuman反过来了：先理解你是谁、你在做什么、你需要什么，然后主动提供。这个范式转变可能是Agent从「工具」到「助手」的关键
    - Rust写的——性能和隐私的承诺：选择Rust而不是Python/Electron意味着：运行速度快、内存占用低、本地运行安全。这和「隐私优先」的定位一致
    - 开源AI Agent赛道的「Linux时刻」？：OpenClaw是商业化的，OpenHuman是开源的。这个格局像极了操作系统领域的Windows vs Linux——最终可能各有各的市场，但开源版本会推动整个行业标准化
    - 创业者启示：开源AI Agent可能是2026年最值得关注的「基础设施级」机会。如果OpenHuman继续增长，它可能成为Agent生态的「操作系统」——第三方开发者为它构建技能/插件，形成生态

    类比参考：AI Agent版的「Linux」——Linux是开源操作系统，OpenHuman是开源Agent系统。或者「本地版的Siri/Google Assistant，但开源、有记忆、真的能用」

    🔗 GitHub | DEV Community

    6. Moment — $78M Series C，前Citadel量化团队做华尔街「AI操作系统」

    融资信息：$78M Series C。Index Ventures领投（10个月内第二次领投）。Edward Jones和LPL Financial（美国最大财富管理公司之一）为客户。纽约

    做什么的：投资管理的AI操作系统——为财富管理行业提供统一的AI基础设施。将交易、投资组合构建、再平衡、合规报告整合在一个AI驱动的平台上。创始团队来自Citadel Securities（全球最大做市商之一）的量化交易部门

    为什么值得关注：
    - Index Ventures 10个月内两次领投——VC的「全押」信号：第一次领投后不到一年就再次领投更大一轮，说明Moment的增长超出了所有人的预期。这种速度在ToB SaaS领域非常罕见
    - Edward Jones和LPL是客户——华尔街巨头在买单：Edward Jones管理$2万亿+资产，LPL是最大的独立经纪商。这些公司不会轻易切换基础设施供应商。如果Moment进入了这些客户，它的护城河极深
    - 财富管理是AI最好的垂直场景之一：高频数据、结构化决策、合规要求严格、利润率高——这些特征让AI在财富管理领域的ROI比大多数行业都高
    - Citadel量化团队做ToB——从「赚钱」到「帮人赚钱」：量化交易者最擅长的是「用数据做决策」，现在他们把这个能力产品化，卖给没有自建AI团队的传统财富管理公司
    - 创业者启示：「用最聪明人的方法论，武装传统行业」是AI垂直SaaS的最佳策略。不是从零开始教AI做财富管理，而是把顶级量化团队的方法论封装成产品。创始人的行业认知就是最大的护城河

    类比参考：财富管理版的「Bloomberg Terminal」——但不是给交易员用的终端，而是给财富顾问用的AI操作系统。或者「Citadel的量化能力SaaS化」

    🔗 TNW | Index Ventures

    7. Graphon AI — $8.3M Seed，把AI的「理解」从模型内移到模型外

    融资信息：$8.3M Seed。Novera Ventures领投，Samsung Next、Hitachi Ventures、Perplexity Fund、GS Futures参投。旧金山。创始人来自Amazon、Meta、MIT、Google、Apple、NVIDIA、NASA

    做什么的：「预模型智能层」（Pre-Model Intelligence Layer）——在企业数据进入AI模型之前，先构建一层关系图谱。用图论（graphon functions）自动发现跨模态数据（文本、视频、音频、图像、数据库、工业传感器）之间的深层关系，形成「持久化结构化记忆」。让模型不用每次都从头理解数据，而是直接使用已经建好的关系网络

    为什么值得关注：
    - 「智能在模型外」vs「智能在模型内」——一个根本性的架构转变：当前AI产业的主流假设是「更大的模型=更强的智能」。Graphon认为智能不应该只存在于模型内部，也应该存在于数据层——即「模型处理数据之前，数据层已经理解了数据之间的关系」
    - 图论+AI——数学工具的正确应用：Graphon用的是「graphon functions」——图论中的经典工具。在社交网络分析中已经非常成熟，现在被应用到企业数据的关系建模上。这是一个「老数学工具解决新AI问题」的好案例
    - Samsung + Hitachi参投——工业场景的信号：三星和日立都不是纯软件公司，它们代表的是制造业和工业领域。Graphon的技术在工业场景（传感器数据+CCTV+运维日志的联合分析）可能比纯文本场景更有价值
    - 韩国GS Group已经在用——零售场景的落地：分析零售环境中顾客移动模式、建筑工地的安全监控。这些都是「多模态数据联合推理」的经典场景
    - 创业者启示：当所有人都在做更大的模型时，「模型外的智能层」可能是一个被低估的基础设施机会。类似CDN之于互联网——不在服务器端提升性能，而是在网络层提升效率

    类比参考：AI版的「知识图谱+CDN」——知识图谱负责建立关系，CDN负责把关系放在离模型最近的地方。或者「给AI模型装上『长期记忆』，但记忆存在模型外面」

    🔗 TNW | Unite.AI

    8. 智象未来 (HiDream) — 2000亿参数图像大模型发布 + 新一轮亿级融资

    融资信息：新一轮亿级融资。深创投、金浦投资、财鑫资本、复聚资本等多家机构参与。这是公司半个月内的第二次融资

    做什么的：原生全模态图像大模型HiDream-O1-Image-Pro——参数量超过2000亿（200B），在多个基准测试中刷新SOTA。不是文本模型加图像能力，而是从架构层面原生支持「全模态」。在5月19日北京开放日发布

    为什么值得关注：
    - 200B参数的图像模型——国内最大的视觉大模型：目前国内大多数图像模型在10-50B参数级别，HiDream直接拉到200B。如果性能匹配参数量级，它可能成为国内视觉AI的基础设施
    - 半个月两次融资——资本对「视觉大模型」赛道的共识：15天内完成两轮融资说明机构投资者认为「视觉大模型」是和LLM同等重要的赛道
    - 深创投领投——国资的信号：深创投是深圳国资背景的顶级VC。国资连续加注说明视觉大模型被定位为「战略性AI基础设施」
    - 「原生全模态」vs「拼接式多模态」——技术路线之争：大多数多模态模型是把视觉编码器「接」到语言模型上，HiDream从架构层面原生设计多模态能力。这个路线之争的结果将决定视觉AI的性能上限
    - 创业者启示：「视觉大模型」是国内AI创业的一个独特机会：由于LLM领域的竞争已经被DeepSeek等大玩家主导，视觉大模型赛道仍有创业公司的空间。如果你的产品依赖图像/视频理解，关注HiDream的能力边界

    类比参考：视觉版的「DeepSeek」——DeepSeek在LLM领域用开源挑战OpenAI，HiDream在视觉领域用原生全模态挑战现有方案。或者「国内的DALL-E基础模型」

    🔗 新浪财经

    📊 今日趋势总结

    趋势 信号
    👔 AI从工具变成同事 Viktor $75M做「团队里的AI员工」、10周$15M ARR——企业不想要AI助手，想要AI同事
    🧠 AI自我进化赛道升温 Recursive $650M——Richard Socher+Peter Norvig押注「AI自己改进自己」，GV和NVIDIA买单
    💳 Agent金融基础设施成型 AEON做Agent支付、Moment做AI财富管理——Agent经济的「银行」和「Visa」同时出现
    🎮 AI重构内容创作 SPARQ挑战Unreal/Roblox、HiDream做2000亿视觉模型——AI正在重写「创作」的定义
    🔓 开源Agent的Linux时刻 OpenHuman 26K Stars——开源桌面Agent的爆发力，可能成为Agent生态的操作系统
    📐 「模型外智能」新思路 Graphon AI做「预模型智能层」——不是更大的模型，而是模型之外的关系理解

    📌 422产品实验室出品 | 每日精选AI新产品、融资、创新模式

    关注我们，获取面向创业者的AI产品情报

  • 0524日报 | 中国AI从技术跟随走向应用输出

    AI 产品日报 | 2026-05-24

    🔬 422产品实验室 · AI新产品日报 · 每日精选

    今日洞察

    本周AI赛道最震撼的两条消息同时指向一个事实：中国AI产业正在完成从「技术跟随」到「资本自主」的战略转型。DeepSeek以700亿元人民币（~$100亿）完成首轮外部融资、估值冲至$450-500亿——梁文锋明确告诉投资人「AGI优先、盈利其次」；而Manus AI在被中国监管部门否决Meta $20亿收购后，创始人正在筹措$10亿买回自己的公司。两条线，一个信号：中国不再允许核心AI资产被美元资本定义，但也不缺钱让这些公司独立跑下去。

    与此同时，AI Agent的「安全与信任层」正在产品化：NanoCo从开源项目NanoClaw出发，6周内拿下$12M融资并拒绝了$20M收购，要做企业级Agent沙盒；Foundation从比特币硬件钱包跨界，推出Passport Prime让人类用硬件实时授权AI Agent的操作；CortexDB发布V1，用五层记忆架构解决Agent的「失忆症」，在LongMemEval-S上击败Mem0。三个不同维度——沙盒、授权、记忆——都在回答同一个问题：Agent怎么才能被信任？

    对创业者的判断：本周的信号很清楚——要么做足够底层的技术（芯片、模型、记忆架构）让大公司离不开你，要么做足够安全的治理层（沙盒、授权、审计）让企业敢用你。中间的「套壳应用」窗口正在关闭。

    1. DeepSeek — 700亿元首轮外部融资，估值$450-500亿，梁文锋宣告「AGI优先」

    融资信息：约700亿元人民币（~$100亿）首轮外部融资，估值$450-500亿。中国国家集成电路产业投资基金（大基金）领投，CATL（宁德时代）据报道计划参投。此前阿里、腾讯曾洽谈但估值从$200亿迅速攀升。这是DeepSeek成立以来的首次外部融资。创始人梁文锋告诉潜在投资人：公司将优先前沿研究而非营收

    做什么的：开源AI大模型——从DeepSeek-V2到R1推理模型，以极低成本实现了接近OpenAI的水平。DeepSeek的模型架构创新（MoE、多token预测等）让它用远低于同行的算力成本达到SOTA性能，并完全开源。R1推理模型在2025年初引爆全球关注

    为什么值得关注：
    - $100亿首轮——全球AI史上最大单笔融资之一：更关键的是，这是DeepSeek第一次接受外部资金。此前梁文锋用对冲基金利润自费运营整个实验室。从「完全自费」到「接受$100亿外部资金」，意味着DeepSeek正从研究项目转型为产业基础设施
    - 大基金领投——这不是商业决策，是国家战略：中国国家集成电路产业投资基金的参与，说明DeepSeek被定位为AI产业的「国家级基础设施」。与半导体大基金同一体系，暗示AI芯片+AI模型将形成国家层面的整合
    - 宁德时代参投——产业资本的信号：全球最大电池公司投资AI模型公司，这不是跨界多元化，而是「AI+制造」的战略布局。具身智能、工业AI、自动驾驶——这些场景需要电池也需要模型
    - 「AGI优先、盈利其次」——和OpenAI早期一样的叙事：梁文锋的表态说明DeepSeek不会走商业化SaaS路线，而是继续押注基础研究。这意味着开源社区将继续受益于DeepSeek的技术突破
    - 创业者启示：当国家级资本进入AI基础层，创业者的机会在「应用层」而非「模型层」。DeepSeek的开源策略降低了模型门槛，但提高了竞争门槛——你的应用必须比DeepSeek自身做得更好，才能生存

    类比参考：AI界的「台积电」——不做应用、专注基础设施，靠国家战略支撑。或者「中国的OpenAI + 国家主权AI基础设施」

    🔗 TNW报道 | Business Times

    2. Manus AI — 被中国否决Meta $20亿收购后，创始人筹$10亿买回自己的公司

    融资信息：正在探索$10亿融资以买回公司。估值至少与Meta原收购价$20亿持平。创始人Xiao Hong（肖弘）、Ji Yichao（季逸超）、Zhang Tao可能自掏资金补足差额。此前9个月突破$1亿ARR。2025年从中国迁至新加坡

    做什么的：通用AI Agent——被称为「全球第一个通用AI Agent」，能自主完成复杂的数字任务和工作流。2025年3月上线即引爆全球，数百万人排队等候。被Meta于2025年12月以$20亿+收购

    为什么值得关注：
    - 地缘政治直接干预商业交易——创始人在调查期间被禁止离开中国：这不是普通的反垄断审查。两位创始人在监管调查期间被限制出境，说明中国对AI核心技术外流的管控已经到了「物理限制」的程度
    - $10亿买回——创始人的决心和代价：从$20亿卖给Meta到自筹$10亿买回来，这是一个戏剧性的反转。创始人在承担巨大的个人财务风险——但这也意味着他们对Manus的未来有极强的信心
    - 9个月$1亿ARR——产品力是硬道理：不管地缘政治怎么变，Manus的商业数据是真实的。9个月突破$1亿ARR的速度，在SaaS历史上也是顶尖水平
    - 可能转向中国合资+香港IPO：据报道Manus可能以「中国关联合资企业」的形式重新出现，最终瞄准香港上市。这是一个全新模式：西方技术市场+中国资本结构+香港资本市场
    - 创业者启示：如果你的AI公司有中国基因，要做好「去哪里」的选址决策。Manus从中国→新加坡→被Meta收购→被否决→买回，每一步都是地缘政治的棋子。创始人的选择空间正在缩小——要么完全脱离中国，要么接受中国资本结构

    类比参考：AI版的「TikTok困局」——TikTok面对美国的强制出售，Manus面对中国的强制否决。或者「反向的Bytedance」——Bytedance保住了TikTok，Manus要买回自己

    🔗 TFN报道 | Bloomberg

    3. NanoCo (NanoClaw) — $12M Seed，拒绝$20M收购，Karpathy背书，6周从沙发到term sheet

    融资信息：$12M超额认购Seed轮。Valley Capital Partners领投，Docker、Vercel、Monday.com、Slow Ventures参投，Hugging Face CEO Clem Delangue天使投资。以色列兄弟Gavriel和Lazer Cohen创办

    做什么的：企业级AI Agent沙盒平台——从开源项目NanoClaw商业化而来。NanoClaw是OpenClaw的安全替代方案，AI Agent运行在隔离的容器沙盒中而非直接访问主机。250,000+下载。Andrej Karpathy推特点赞引爆，新加坡外长称其为「第二大脑」。现已开始签约企业客户

    为什么值得关注：
    - 6周从第一行代码到term sheet——2026年最快的创业故事：Gavriel在沙发上写下NanoClaw的第一行代码，6周内拿到融资。而且拒绝了两次收购——一次六位数，一次$20M。「开源项目随社区增长而指数级增值」——这个来自朋友的关键建议改变了他们的决策
    - 拒绝$20M收购——开源创业者的新范式：传统的创业路径是build→被收购。NanoCo选择了build→开源→社区爆发→商业化。这个路径更慢但天花板更高。NanoClaw的250K下载量证明了社区的力量
    - Karpathy + 新加坡外长——KOL驱动的冷启动：一个AI学术大V和一个国家政要同时为开源项目背书，这种冷启动方式不需要一分钱营销预算
    - 企业客户的发现来自社区：Big Tech高管在NanoClaw社区里用个人版，然后要求企业版。这是「bottom-up enterprise adoption」的教科书案例——先让技术人员用爽了，他们会帮你在公司里推
    - 创业者启示：2026年最被低估的创业策略：先做开源项目，让社区验证需求，再商业化。NanoCo证明了：250K下载 = 250K个潜在用户，其中包含大量企业决策者。获客成本几乎为零

    类比参考：AI Agent版的「HashiCorp」——Vagrant/Nomad从开源到企业版的路径。或者「安全的OpenClaw，但走Docker式开源商业化路线」

    🔗 官网 | TechCrunch

    4. 维泛智能 — 数亿元种子轮，北大孵化，国内首家原生机器人「大脑芯片」

    融资信息：数亿元人民币种子轮。中关村资本及旗下启航投资联合领投，上海未来产业基金、石溪资本、佰维存储、燕创集团、海益投资、探元创投共同投资。北京大学项目孵化

    做什么的：原生机器人「大脑芯片」——融合类脑计算与通用GPU计算能力，为具身智能SOTA大模型原生设计。不是通用芯片改造成机器人用，而是从第一天起就为机器人AI模型设计芯片架构。国内首家定位「原生机器人芯片」的企业

    为什么值得关注：
    - 「原生」vs「改造」——芯片架构的路线之争：目前大多数机器人公司用Nvidia GPU跑AI模型，维泛智能认为这是「用通用CPU跑手机App」——能用但不是最优。原生设计的芯片可以在功耗、延迟、推理速度上有数量级的优势
    - 类脑计算+GPU的混合架构——技术路线很有想象力：纯类脑芯片缺乏灵活性，纯GPU功耗太高。维泛试图把两者结合——类脑部分处理感知和直觉决策，GPU部分处理复杂推理。如果成功，将显著降低机器人AI的计算成本
    - 北大孵化+中关村资本领投——高校→产业的标准路径：中关村资本是北京国资背景的硬科技基金。高校技术成果转化+国资基金支持+产业资本跟进——这是中国硬科技创业的标准模型
    - 佰维存储参投——产业链协同：存储芯片公司投资计算芯片公司，说明产业链上下游在具身智能赛道形成了共识
    - 创业者启示：在具身智能赛道，「算力层」可能是比「模型层」更好的切入点。大家都在训练更大的模型，但很少有人优化模型运行的芯片。如果原生机器人芯片能大幅降低推理成本和功耗，它将成为具身智能的基础设施——就像Nvidia GPU之于LLM

    类比参考：具身智能版的「Nvidia」——Nvidia为GPU计算设计专用芯片（CUDA生态），维泛为机器人AI设计专用芯片。或者「机器人领域的地平线（Horizon Robotics）」

    🔗 36氪首发

    5. CortexDB V1 — AI Agent的记忆层，五层架构解决Agent「失忆症」

    融资信息：独立开发者/初创公司产品。开源可用。2026年5月16日发布V1

    做什么的：AI Agent的「体验层」（Experience Layer）——为Agent提供持久化的记忆系统。五层架构：Events（原始事件）→ Episodes（事件集）→ Facts（结构化事实）→ Beliefs（带置信度的信念）→ Understanding（综合理解）。模拟人脑的记忆循环：捕获→提取→协调→遗忘→巩固。在LongMemEval-S基准上93.8%（超过Mem0的93.4%），LoCoMo上86.9%

    为什么值得关注：
    - 「三层模型」的洞察非常精准：CortexDB把AI系统分为三层——Layer 1 Intelligence（LLM，已商品化）、Layer 2 Knowledge（RAG，正在标准化）、Layer 3 Experience（记忆，缺失）。这个框架帮助创业者理解AI产品的价值链——你在哪一层？
    - 五层记忆架构——不是数据库，是认知系统：大多数AI记忆方案就是一个向量数据库。CortexDB做了五层，最独特的是「Beliefs」层——Agent不仅要记住事实，还要维护「置信度」和「证据链」。当Agent说「这笔交易有风险」时，它能回答「为什么这么想？」——这是企业信任Agent的前提
    - 模拟人脑的「遗忘」机制——反直觉但正确：不是所有记忆都有价值。CortexDB主动遗忘无关信息，只保留重要的。这和人脑的睡眠巩固机制类似——睡眠不是为了记住更多，而是为了筛选出真正重要的
    - 93.8% LongMemEval-S——用数字说话：不是概念验证，而是公开基准测试上的SOTA。在AI基础设施领域，benchmark是说服开发者的最好方式
    - 创业者启示：AI Agent的记忆层是2026年被低估的基础设施机会。模型越来越强、RAG越来越标准，但Agent的「体验记忆」几乎是空白。如果你做Agent产品，记忆是你必须自己解决的难题——除非有专门的记忆基础设施

    类比参考：AI Agent版的「海马体」——人脑的海马体负责记忆的形成和巩固，CortexDB做的是Agent的海马体。或者「Agent的Mem0，但架构更完整、benchmark更强」

    🔗 官网 | V1发布博文

    6. Foundation (Passport Prime) — $6.4M，比特币硬件钱包公司转身做「AI Agent的人体授权器」

    融资信息：$6.4M。Fulgur领投。波士顿。同时发布Passport Prime硬件设备

    做什么的：「人类权威硬件设备」（Human Authority Hardware Device）——为AI Agent时代设计的硬件授权器。核心概念：当AI Agent要执行敏感操作（转账、签署合同、发送邮件），Passport Prime要求人类通过物理硬件实时确认。把比特币硬件钱包的安全理念迁移到AI Agent的权限管理上。KeyOS操作系统用Rust编写，微内核架构，应用沙盒隔离

    为什么值得关注：
    - 从比特币钱包到AI Agent授权——安全需求是相通的：比特币硬件钱包解决的问题是「只有持有物理设备的人才能签名交易」。Passport Prime解决的问题是「只有持有物理设备的人才能授权AI Agent执行敏感操作」。安全逻辑完全一致，只是应用场景从金融扩展到了AI
    - 「Human Authority」——AI信任的硬件层：软件级别的Agent权限管理不够安全——密码可以被破解、session可以被劫持。但物理硬件不行。Foundation赌的是：随着Agent权限越来越大，企业会需要硬件级别的授权保障
    - Rust微内核——安全不是营销口号而是架构选择：KeyOS用Rust写的微内核操作系统意味着：即使某个应用被攻破，主密钥和授权逻辑仍然安全。这是军事/金融级别的安全架构
    - 波士顿比特币社区→AI安全赛道的桥梁：Foundation来自比特币硬件钱包社区，这个社区对「trustless security」有深刻的理解。他们把这种思维带入了AI Agent安全赛道
    - 创业者启示：当AI Agent获得越来越多自主权时，「谁能授权Agent」将成为核心安全问题。纯软件的授权方案（API key、OAuth）不够——你不会用API key来保护你的银行账户。AI Agent的权限管理可能需要同样级别的硬件安全

    类比参考：AI Agent版的「YubiKey」——YubiKey用硬件令牌保护人类登录，Passport Prime用硬件设备保护Agent授权。或者「AI时代的Ledger/Trezor」

    🔗 官网 | 发布公告

    7. Sapient Intelligence (HRM-Text) — 1B参数的类脑模型，用1/1000的数据达到强推理

    融资信息：具体融资信息未公开。Sapient Intelligence是一家AI研究公司。MIT合作研究

    做什么的：类脑推理语言模型HRM-Text——1B参数的小模型，基于Hierarchical Reasoning Module（层级推理模块）架构，仅用~400亿token训练（对比LLaMA的4万亿+token），实现了同等参数量下领先的推理能力。完全开源。核心创新：不是简单缩小大模型，而是用受大脑启发的架构从根本上改变训练方式

    为什么值得关注：
    - 「1000倍数据效率」——如果成立，将颠覆Scaling Law信仰：当前AI产业的主流信仰是「更多数据+更大模型=更强能力」。HRM-Text挑战了这个前提：用1/1000的数据，通过不同的架构设计，也能达到强推理。这不是微调，是从预训练阶段就走上不同的路
    - 1B参数的推理能力——「小模型大智慧」的范式：当所有人都在追逐千亿万亿参数时，Sapient证明1B参数就够了。如果这个结论成立，它意味着：AI推理不需要巨大的算力——这对边缘计算、移动端、IoT设备是革命性的
    - 类脑架构的工程化——不只是论文：类脑计算已经谈了十年，但很少看到实际可用的模型。HRM-Text把类脑架构变成了一个开源模型，开发者可以直接用。这是从「研究」到「产品」的关键一步
    - 完全开源——给社区验证的机会：论文+代码+模型全部开源。这说明Sapient有信心经受社区检验。在AI领域，开源是建立信任最快的方式
    - 创业者启示：「反Scaling Law」是2026年值得关注的赌注。当大公司都在烧钱做大模型时，小团队有机会通过架构创新实现「少即是多」。如果你的目标不是通用AI而是特定领域的推理，小模型+类脑架构可能是更好的路线

    类比参考：AI推理版的「AlphaGo」——AlphaGo用完全不同的方式（强化学习+搜索）打败了传统的「暴力计算」，HRM-Text用完全不同的架构（类脑+层级推理）挑战「暴力Scaling」。或者「1B参数的DeepSeek R1」

    🔗 官网 | 论文 | PR Newswire

    📊 今日趋势总结

    趋势 信号
    🇨🇳 中国AI资本自主化 DeepSeek $100亿+大基金领投，Manus $10亿买回自己——核心AI资产不再流向美元资本
    🛡️ Agent安全与信任层产品化 NanoCo沙盒、Foundation硬件授权、CortexDB记忆——三个维度解决「Agent怎么被信任」
    🧠 类脑/反Scaling Law 维泛智能类脑芯片、Sapient 1B参数模型——挑战「越大越好」的主流信仰
    🔓 开源→商业化的验证 NanoCo 250K下载→$12M、CortexDB开源→SOTA——开源是最好的冷启动
    🏭 具身智能的底层分化 维泛智能做芯片、自变量做模型——具身智能不再是「一家公司全做」

    📌 422产品实验室出品 | 每日精选AI新产品、融资、创新模式

    关注我们，获取面向创业者的AI产品情报

  • 0523日报 | AI硬件与推理芯片引爆融资

    AI 产品日报 | 2026-05-23

    🔬 422产品实验室 · AI新产品日报 · 每日精选

    今日洞察

    今天最值得关注的信号是「AI从软件层走向物理层」。Brett Adcock（Figure.AI创始人）创办的Hark拿下$700M A轮、$60亿估值——他之前用机器人走进物理世界，现在要用AI+硬件重新定义人与数字世界的交互界面。同期，英国芯片公司Fractile拿到$220M做推理专用芯片，要把AI模型从「一个月」的推理时间压缩到「一天」。与此同时，国内具身智能公司自变量机器人完成近20亿元B轮，字节/美团/阿里/小米四家大厂全部押注——这是国内具身智能赛道的标志性事件。

    另一条暗线是「AI开始接管金融和健康这两个最敏感的领域」：Circle联合创始人创办的Catena Labs拿到$30M A轮，正在申请银行牌照做「AI原生银行」；Tony Robbins联合创办的The Path用$14.3M做AI心理治疗——这两个赛道都意味着AI正在进入「信任成本最高、监管最严」的领域。

    对创业者的判断：2026年Q2的AI创业分两条路——要么深入物理世界（硬件/机器人/芯片），要么深入信任密集型行业（金融/医疗/法律）。中间的「通用AI应用层」正在被大厂吃掉。

    1. Hark — $700M Series A，$60亿估值，Figure.AI创始人再造一个AI+硬件公司

    融资信息：$700M Series A，估值$60亿。Parkway Venture Capital领投，Nvidia、AMD Ventures、Intel Capital、Qualcomm Ventures、ARK Invest、Salesforce Ventures等参投。创始人Brett Adcock（Figure.AI、Archer Aviation创始人）。前Apple设计总监Abidur Chowdhury负责产品设计。70人团队，已部署Nvidia B200 GPU数据中心

    做什么的：通用AI个人助理——正在构建多模态AI模型和专属硬件设备，打造一个能与现有产品和服务无缝对接的AI平台。计划今年夏天发布首批多模态模型，随后推出配套硬件设备。产品细节极其保密，投资人对demo印象深刻。

    为什么值得关注： - $700M A轮——2026年最大的单轮之一：Brett Adcock自掏$100M启动，A轮直接融了$700M。芯片三巨头（Nvidia/AMD/Intel）和高通同时出现在同一轮，说明整个硬件产业链都在押注「AI+硬件」的消费级产品 - Adcock的连续创业公式：找到「物理+AI」的交叉点：Archer做电动飞行器，Figure做人形机器人，Hark做AI个人设备——三次创业都瞄准物理世界和AI的结合。这是一种可复制的创业方法论 - 「为普通人做AI」的定位：前Apple设计师说得很清楚——「现在的AI产品都在帮人写软件，但没有人真正帮普通人做事」。Hark赌的是消费级AI硬件，不是企业SaaS - 隐私是核心挑战也是护城河：AI助理要理解用户生活的全部上下文，但如何不侵犯周围人的隐私？Chowdhury只说了一句：「Sounds like that would make a great product」——这个问题的解法本身就是产品 - 创业者启示：当AI软件层的竞争变成红海，AI+硬件的消费级产品是下一个蓝海。但进入门槛极高——需要同时掌握模型、硬件设计和供应链

    类比参考：AI版的「Apple初代iPhone时刻」——不只做软件，而是做软硬件一体的体验。或者「Humane AI Pin的梦想版，但这次有$700M和Figure.AI创始人的背书」

    Hark

    🔗 官网 | TechCrunch报道

    2. Fractile — $220M，AI推理专用芯片，要把「一个月的推理」压缩到「一天」

    融资信息：$220M融资。Accel、Factorial Funds、Founders Fund联合领投，Conviction、Felicis、8VC等参投。英国公司（伦敦、布里斯托、旧金山、台北）。2022年成立

    做什么的：AI推理专用芯片——从零开始设计芯片架构，专攻大模型推理的速度瓶颈。核心论点：当今最强AI模型生成1亿token需要一个月，而很多前沿AI应用（药物发现、复杂编程、材料科学）恰恰需要这种超长推理链。Fractile要把这个时间压缩到一天，需要达到~1200 tokens/s的推理速度（目前约40 tokens/s）。

    为什么值得关注： - 推理速度是AI的下一个瓶颈——这是一个确定的趋势：训练已经有人在做（Nvidia主导），但推理优化的空间更大。当模型能力已经足够强，推理速度和成本就成了AI应用落地的真正限制 - 「30x推理加速」如果实现，将解锁全新的AI应用：很多AI应用今天不可行不是因为模型不够聪明，而是因为推理太慢太贵。如果真的能做到30x加速，药物发现、科学计算、超长链Agent都会变得经济可行 - Founders Fund + Accel的联合押注：Peter Thiel的Founders Fund和Accel同时出现在一轮里——前者赌颠覆，后者赌规模。这种组合说明这个赛道既有颠覆性又有规模化路径 - 跨全栈的团队：从基础AI研究到芯片微架构到晶圆代工工艺，全栈自研。这意味着Fractile不是在做「Nvidia的替代品」，而是在做「完全不同的架构」 - 创业者启示：当应用层的竞争转向价格战时，基础设施层的创新价值反而上升。推理芯片是AI基础设施的「最后一公里」——模型再强，推理太慢太贵就没有商业闭环

    类比参考：AI推理版的「Nvidia」——但不是做通用GPU，而是做推理专用的架构。或者「AI推理的TPU，但独立于Google」

    Fractile

    🔗 官网 | 官方公告

    3. Catena Labs — $30M Series A，Circle联合创始人做「AI原生银行」

    融资信息：$30M Series A。Acrew Capital和a16z crypto联合领投，Breyer Capital、General Catalyst、QED参投。累计融资$48M（2025年$18M种子轮）。创始人Sean Neville（Circle联合创始人，仍任Circle董事），联合创始人Matt Venable（前Circle高管）。11人团队

    做什么的：AI原生银行——为AI Agent提供安全的金融交易基础设施。让人类可以设定AI Agent的花钱规则（消费限额、收款白名单、账户余额上限），然后Agent自主执行金融操作。正在向美国货币监理署（OCC）申请国家信托银行牌照。

    为什么值得关注： - 正在申请银行牌照——这可能是第一个「AI原生」的持牌金融机构：大多数AI+金融公司做的是SaaS工具，Catena直接申请银行牌照。这意味着它在监管层面定义了一个新物种 - Circle创始人的第二次创业——从稳定币到AI银行：Sean Neville用Circle把法币数字化，现在用Catena把金融操作AI Agent化。两次创业都瞄准「金融基础设施的范式转换」 - 「Agentic Finance」正在成为新赛道：Stripe和Visa都在预测AI Agent将代替人类执行支付。但谁来保证Agent不会乱花钱？Catena做的就是Agent金融的「治理层」 - 核心洞察：「给Agent钱包很容易，给企业一个可信任的治理框架很难」：Neville说得很到位——技术实现不是瓶颈，信任和治理才是。这和所有企业级AI产品的核心挑战一样 - 创业者启示：「AI原生」不只是把AI加到现有产品上，而是从第一天就以AI为主要用户来设计产品。Catena的银行不是给人用的，是给Agent用的——用户是人，但操作者是Agent

    类比参考：AI Agent的「支付宝」——支付宝解决了电商的信任问题，Catena解决Agent金融的信任问题。或者「给AI Agent用的Stripe，但有银行牌照」

    Catena Labs

    🔗 官网 | Fortune报道

    4. The Path — $14.3M Seed，Tony Robbins联合创办，要做最安全的AI心理治疗

    融资信息：$14.3M Seed轮。Prime Movers Lab领投（Tony Robbins是该基金合伙人），花样滑冰奥运冠军Apolo Ohno、拳击冠军Deontay Wilder、Designer Fund参投。CEO Anson Whitmer和联合创始人Tyler Sheaffer均为Calm早期员工。Tony Robbins后加入成为联合创始人

    做什么的：AI心理治疗+辅导App——提供11个AI虚拟治疗师供用户选择，可自定义交流风格（直接程度等）。核心差异化：不是为「用户粘性」优化，而是为「治疗效果」优化。基于开源模型独立微调，Vera-MH心理健康安全基准测试得分95（消费级聊天机器人最高仅65）。计划收费$40/月。

    为什么值得关注： - Tony Robbins作为联合创始人——名人效应+产品深度的组合：Robbins不只是一张脸，他的自助方法论被深度整合进产品。这是「个人品牌IP + AI技术」的新商业模式 - 「反粘性」的设计哲学——AI产品的逆向思维：所有消费级AI都在追求DAU和时长，The Path刻意反其道而行——治疗的目的是让你不再需要治疗。这种「反成瘾」的AI产品哲学很罕见 - 95 vs 65的安全性得分——合规即壁垒：在心理健康领域，安全性不是加分项而是准入门槛。The Path用专门的训练和评估建立了显著的安全性优势，这是消费级AI无法轻易复制的 - $40/月的定价——对标人类治疗师的「平价替代」：美国一次心理治疗$150-300/小时。The Path的$40/月是对这个价格的1/10甚至更低的替代。心理健康是全球万亿级的未满足需求 - 创业者启示：在AI产品同质化的时代，「逆向优化」是差异化策略。当所有AI都在抢用户注意力时，做一个「帮你减少使用时间」的产品反而能建立信任和长期价值

    类比参考：心理健康版的「Calm/Headspace + AI治疗师」——Calm给冥想，The Path给个性化治疗。或者「AI版的BetterHelp，但没有人类治疗师的人力瓶颈」

    The Path

    🔗 官网 | TechCrunch报道

    5. IrisGo — $2.8M Seed，吴恩达投资，前Apple Siri工程师做「AI桌面助手」

    融资信息：$2.8M Seed轮。Andrew Ng的AI Fund领投，Nvidia和Google参投。创始人Jeffrey Lai（前Apple工程师，参与Siri中文版开发）。已与Acer达成预装合作

    做什么的：PC桌面AI助手——一个常驻桌面的AI伙伴，通过观察用户行为学习工作流程，然后自动化重复任务。「Show once, remember forever」（示范一次，永远记住）。内置技能库（邮件撰写、发票处理、报告生成等），同时提供编码助手。混合架构：简单任务本地处理保护隐私，复杂任务上云。macOS和Windows均已发布Beta。

    为什么值得关注： - Andrew Ng + Nvidia + Google三方背书——桌面AI助手赛道被顶级玩家认可：吴恩达选择领投说明他相信「主动式AI」是下一个范式。Nvidia和Google参投则暗示硬件和搜索巨头都在关注这个方向 - 「Iris是Siri倒过来」——创始人的幽默背后是野心：Jeffrey Lai在Apple做Siri时看到的是「被动式助手」的局限，IrisGo要做一个主动的、能学习的助手 - Acer预装合作——分发的降维打击：不做App Store的SEO，直接和PC厂商合作预装。如果这种模式跑通，获客成本接近零 - 「Show once, remember forever」——交互范式的突破：不是prompt engineering，而是行为示范。用户不需要学会如何描述需求，只需要做一次给AI看。这大大降低了AI的使用门槛 - 创业者启示：预装合作是AI消费级产品的隐秘分发渠道。当所有AI产品都在争夺浏览器标签页时，预装到设备里是降维打击。同样的思路适用于：手机预装、浏览器扩展预装、企业IT预装

    类比参考：桌面版的「RPA（Robotic Process Automation）+ ChatGPT」——UiPath的自动化能力加上ChatGPT的智能理解，但不需要编程。或者「PC版的Siri，但真的能做事」

    IrisGo

    🔗 官网 | TechCrunch报道

    6. Tribal AI — $10M Seed，给AI Agent装上「企业上下文大脑」

    融资信息：$10M Seed轮。Team8领投，DYDX Capital和多位Salesforce生态系统创业者参投。CEO Yoav Kolodner（前Salesforce工程VP），COO Yakir Daniel（两次创业被NetApp和华为收购），CTO Lior Sidi（前Wix AI团队负责人）

    做什么的：企业AI Agent的「上下文引擎」——通过专有的Metadata Fabric框架，自动摄取和映射企业系统（首先支持Salesforce）的完整元数据层（对象、自动化、权限、依赖关系、业务规则），让AI Agent在执行任务时拥有完整的企业上下文理解。解决的核心问题：为什么企业AI Agent总是不靠谱——因为它们不了解企业是怎么运转的。

    为什么值得关注： - 「Agent失败的根本原因是缺乏上下文」——这个洞察非常重要：大多数企业AI产品失败不是因为模型不够强，而是因为Agent不知道企业的权限结构、业务规则、数据依赖关系。Tribal AI直接攻击这个根本问题 - 从Salesforce切入——最聪明的市场选择：Salesforce是全球最大的企业CRM，也是最复杂的。如果Tribal能解决Salesforce的元数据问题，就能解决任何企业系统的问题。而且Salesforce生态本身就是一个巨大的市场 - CEO是Salesforce前工程VP——内部人的优势：不是从外面看企业软件，而是从里面理解企业软件怎么运转。这种深度认知是外行人无法复制的 - 未来扩展到ServiceNow、SAP、Workday——如果做成就是企业AI的「通用上下文层」：愿景不是做一个Salesforce插件，而是成为所有企业系统的AI Agent基础设施 - 创业者启示：在企业AI领域，「给Agent加上下文」是一个被低估的基础设施机会。模型层已有OpenAI/Anthropic，应用层已被无数公司覆盖，但「让Agent理解企业怎么运转」这层几乎没有人系统性地做

    类比参考：企业AI Agent的「Wikipedia + 说明书」——Wikipedia提供知识，Tribal提供企业特有的运转规则。或者「AI Agent的企业知识图谱」

    Tribal AI

    🔗 官网 | SiliconANGLE报道

    7. Runtime — YC P26，团队级沙盒编码Agent，「多Agent协作的治理层」

    融资信息：YC P26批次（2026年最新批次）。创始人Gus Trigos和Carlos Volante。刚在Product Hunt上线

    做什么的：团队级沙盒编码Agent——与Cursor/Claude Code/Codex等面向个人开发者的工具不同，Runtime专注于团队场景：每个Agent运行在隔离沙盒中，支持并行执行、与Jira/Linear工单集成、diff可视化审查、合并前审批控制。核心理念：当20人团队同时运行几十个Agent时，治理和隔离才是真正的未解决问题。

    为什么值得关注： - 「Coding Agent的治理层」是一个正在形成的新品类：随着Claude Code、Codex、Cursor让个人开发者效率暴增，下一个瓶颈是：一个团队如何同时管理几十个自主编码的Agent？Runtime就是回答这个问题的 - 从「个人效率」到「组织效率」——AI编程的第二波：第一波AI编程工具解决的是个人效率（AI帮我写代码），第二波要解决组织效率（AI团队怎么协作、怎么保证质量、怎么避免冲突） - 沙盒+审批门控——企业采用AI Agent的最低要求：没有隔离和审批，企业不敢让Agent自主修改代码。Runtime的产品设计精准地抓住了企业IT的采购标准 - YC P26批次的信号：YC每一批的热门方向都值得关注。团队级AI编程工具出现在P26说明YC认为这是一个巨大的市场缺口 - 创业者启示：当某个AI应用层的个人工具已经成熟，下一波机会就在团队/企业治理层。这个规律适用于：个人AI写作→团队AI写作治理，个人AI编程→团队AI编程治理，个人AI设计→团队AI设计治理

    类比参考：Coding Agent的「Kubernetes」——K8s让容器在企业级可管理，Runtime让Coding Agent在企业级可管理。或者「GitHub Copilot的企业安全版，但不是辅助写代码而是管理Agent」

    Runtime

    🔗 官网 | Product Hunt | Show HN

    8. 自变量机器人 — 近20亿元B轮，四家大厂全部押注，具身智能赛道最炙手可热的公司

    融资信息：近20亿元（约$2.75亿）B轮。小米战投和红杉中国领投。此前A轮美团领投、A+轮阿里领投、A++轮字节独投。国内唯一同时被字节/美团/阿里/小米投资的具身智能公司。2023年12月成立

    做什么的：端到端具身智能基础模型——自研「WALL-A」模型，将视觉、语言、触觉与动作信号统一映射为高维Token序列，在单一Transformer架构中实现多模态联合输入与同步输出。坚持完全自研基础模型（非微调开源模型）。已与58到家合作推出机器人进家庭保洁服务，未来拓展至工业制造、物流、养老。

    为什么值得关注： - 四家大厂全押——这是国内具身智能赛道最明确的共识信号：字节、美团、阿里、小米分别在四轮融资中领投，意味着中国最大的四家科技公司都认为自变量是最可能跑出来的具身智能公司 - 坚持端到端自研vs微调——技术路线之争：国内大多数具身智能公司在微调开源模型，自变量坚持从零自研。CTO说得很清楚：「微调路线的问题是，一旦上游不再开源，所有微调工作可能被颠覆」 - 58到家合作——「数据飞轮」的物理实现：机器人进家庭做保洁，不只是商业化，更是获取真实家庭场景数据的渠道。「落地即训练」的模式让每一次服务都在强化模型 - 小米CyberOne同进展——产业生态正在成型：小米战投不只出钱，CyberONE已经在小米汽车工厂实习。产业资本和自研能力的结合，让这个生态有了闭环的可能 - 创业者启示：在AI基础设施赛道，「技术路线的选择」比「融资多少」更决定终局。自变量赌端到端自研是一条高风险高回报的路，但如果WALL-A模型证明了scaling能力，它就能建立碾压级的护城河

    类比参考：具身智能版的「OpenAI」——OpenAI坚持从零训练GPT不走微调路线，自变量坚持从零训练WALL-A不走微调路线。或者「中国的Physical Intelligence（π），但走了更激进的端到端路线」

    自变量机器人

    🔗 36氪报道

    📊 今日趋势总结

    趋势 信号
    🔌 AI+硬件消费级产品 Hark $700M——Figure.AI创始人再次杀入硬件，Nvidia/AMD/Intel三方芯片巨头同时押注
    ⚡ 推理基础设施爆发 Fractile $220M——推理速度成为AI应用落地的真正瓶颈，专用芯片赛道升温
    🏦 AI接管金融基础设施 Catena Labs $30M——从稳定币到AI银行，金融的下一个范式是Agent自主交易
    🧠 AI进入高信任领域 The Path $14.3M做AI心理治疗——信任密集型行业正在被AI渗透
    🏢 Agent治理层产品化 Tribal AI给Agent加企业上下文，Runtime给团队加Agent审批——AI Agent的「管理软件」是新品类
    🤖 具身智能赛道国内升温 自变量近20亿B轮——四大厂全押，端到端vs微调的路线之争进入白热化

    📌 422产品实验室出品 | 每日精选AI新产品、融资、创新模式

    关注我们，获取面向创业者的AI产品情报

觉得文章有用就打赏一下文章作者

非常感谢你的打赏，我们将继续提供更多优质内容，让我们一起创建更加美好的网络世界！

支付宝扫一扫

微信扫一扫

Verified by MonsterInsights