AI 产品日报 | 2026-05-04

今日洞察

今天的AI创业圈传递了两个强信号：「可验证AI」正在成为金融等高监管行业的刚需基础设施，Kepler用确定性执行+LLM推理的分层架构拿下了27个全球市场的金融机构；「AI Agent的基础设施层」正在快速成型——从联邦知识图谱（Stigmem）到代码搜索（Semble）再到编码会话编排（Smithy AI），围绕Agent Memory、Agent Testing、Agent Orchestration的创业机会比Agent本身更有壁垒。同时，David Silver的Ineffable Intelligence以11亿美元种子轮融资刷新纪录，说明资本对Superintelligence赛道的押注已从「看论文」进入「下重注」阶段。

1. Ineffable Intelligence — 11亿美元种子轮，史上最大种子融资

融资信息：种子轮 $1.1B（约80亿人民币），投资方包括Nvidia和Google

做什么的：由DeepMind强化学习核心人物David Silver创立的Superintelligence公司，2025年底成立，目前未公开具体产品方向。David Silver是AlphaGo、AlphaZero、AlphaFold背后的关键研究员。

为什么值得关注：
– 11亿美元种子轮融资刷新了AI创业融资纪录，上一轮纪录是SSI（Ilya Sutskever创立）的$10亿
– David Silver的背景意味着技术路线大概率不走LLM，而是强化学习+世界模型的路线
– Nvidia和Google同时参投，说明大厂在Superintelligence赛道「两边下注」已成常态
– 对创业者的启示：顶级AI研究员创业的融资门槛已经被拉到了B轮级别，普通创业者需要更清晰地证明自己的差异化

类比参考：对标SSI（Ilya Sutskever）、Recursive Superintelligence（$500M@4B估值），但融资规模碾压前者

🔗 CNBC报道

2. Kepler — 让AI「自证其正确」的金融研究平台

融资信息：未公开融资轮次，创始人来自Palantir，2025年成立

做什么的：为金融服务提供可验证的AI研究平台。分析师用自然语言提问，系统不仅给出答案，还能把每个数字追溯回SEC文件的具体行项目。已索引2600万+SEC文件、5000万+公开文档、27个全球市场的14000+家公司。

为什么值得关注：
– 产品架构值得学习：把LLM只放在「推理层」，所有需要确定性结果的计算（比率、 fiscal period解析等）走独立执行引擎——「Model不应该是整个系统，它只是pipeline的一个stage」
– 进入市场策略：选择金融作为第一个垂直场景，因为「金融是AI最苛刻的试炼场」——数据密集、术语歧义、零容错。如果能在金融活下来，医疗、法律都能复用
– 关键技术决策：用Opus做复杂推理（意图分解、歧义消解），用Sonnet做高吞吐约束任务，分阶段匹配模型而非All-in-One
– 商业模式信号：SOC 2 Type II认证+ISO 27001进行中，说明直接卖给Enterprise，不做PLG

类比参考：金融版的「Perplexity + 审计追踪」，AlphaSense的可验证AI版本

🔗 Kepler.ai | Anthropic案例

3. Speq — 面向AI Coding Agent时代的产品规格工具

融资信息：未公开融资，微软提供免费算力支持

做什么的：协作式Web端产品规格工具，通过LLM驱动的引导式问答帮团队把模糊的产品想法转化为结构化、开发就绪的Spec（Vision→Flow→Product→Logic→Tech五阶段），支持MCP协议直接交接给Coding Agent。

为什么值得关注：
– 踩中了关键趋势：随着Codex、Claude Code等Agent能力暴涨，「写出好指令」比「写好代码」更有价值——Codex负责人Tibo也在X上说了同样的话
– 产品切入角度：不做代码生成，做代码生成之前的「需求结构化」，这是一个被低估的环节
– Go-to-Market策略：完全免费（微软赞助），通过MCP生态绑定主流Coding Agent（Claude Code、Cursor、Codex等），本质上是做Agent时代的需求文档标准
– 创业者启示：在AI Agent时代，「AI的前置环节」（需求定义、测试设计、验收标准）可能比「AI的后置环节」（代码审查、部署）更有商业价值

类比参考：GitHub SpecKit的Web版 + MCP友好版，产品经理的「Cursor」

🔗 getspeq.com

4. Stigmem — AI Agent的开源联邦知识图谱

融资信息：开源项目（Apache 2.0），v1.0发布

做什么的：为AI Agent提供共享、联邦式知识底层（Knowledge Fabric）。核心思路：Agent不再各自维护孤立记忆，而是把带来源标注、置信度评分的事实写入共享知识层，节点间通过Ed25519签名的握手协议同步。

为什么值得关注：
– 解决了一个真实痛点：当前每个AI Agent都有自己的Memory Store，互相之间无法共享知识。Stigmem让Agent之间可以交换「可验证的事实」而非「不可审计的embedding」
– 技术架构亮点：事实是不可变的七元组（entity, relation, value, source, timestamp, confidence, scope），矛盾作为一等公民处理而非静默覆盖
– 生态接入：原生MCP适配器，可接入Claude Code、Cursor、Gemini、Codex CLI等主流Agent运行时
– 创业启示：Agent Memory目前是个碎片化的市场（每个Agent自己做），如果有统一的Knowledge Fabric，可能成为Agent生态的「TCP/IP层」

类比参考：Agent世界的「IPFS + 知识图谱」，对标Mem0但走联邦路线

🔗 GitHub | 文档

5. Semble — 面向AI Agent的极低Token代码搜索引擎

融资信息：开源项目，MinishLab出品

做什么的：专为AI Coding Agent设计的代码搜索MCP Server。结合静态embedding（potion-code-16M）+ BM25混合检索，CPU运行，无需API Key或GPU。

为什么值得关注：
– 性能数据亮眼：比grep+read节省98%的Token消耗，达到137M参数代码Transformer 99%的检索质量，速度快200倍
– 商业模式参考：开源MCP Server + 底层embedding模型，这是AI Infra创业的经典路径——先通过开源工具获取开发者心智，再通过模型/服务变现
– 技术路线选择：用静态embedding（Model2Vec）而非Transformer，在Agent场景下是明智的权衡——Agent需要的是毫秒级响应，不是极致精度
– 定价参考：零配置、零API Key、零GPU，最大化降低开发者试用门槛

类比参考：代码搜索版的「sqlite-vss」+ MCP封装，对标Sourcegraph但专为Agent优化

🔗 GitHub

6. Smithy AI — 从Issue Tracker编排Docker化的Coding Agent

融资信息：开源项目

做什么的：从Jira/GitLab/Forgejo的Issue自动启动Docker化的Claude Code会话——每个Issue一个分支、自动开PR、响应CI状态、整合PR反馈。

为什么值得关注：
– 产品形态值得借鉴：本质上是把「AI Coding Agent + 容器化 + Git工作流」三件事串起来的Orchestrator，解决了Agent直接在开发者机器上运行的安全性问题
– 工作流设计：Agent在容器中运行→自动创建分支→开PR→响应CI→整合Review反馈→自动更新知识库，形成闭环
– 创业者启示：AI Coding的下一波机会不在「写代码」本身（模型越来越强），而在编排、安全、审计这些企业级需求上
– 对标对象：OpenAI Codex内部的类似系统，但开源且支持多种Agent/Coding工具

类比参考：Coding Agent版的「Jenkins + GitHub Actions」，对标OpenAI Codex的企业流程层

🔗 GitHub

7. Ableton Live MCP — 用自然语言控制音乐制作

融资信息：开源项目（Show HN获得83 points，54条评论）

做什么的：一个MCP Server，让用户通过自然语言指令控制Ableton Live（专业音乐制作软件），可以要求AI创建音轨、添加效果器、调整混音等。

为什么值得关注：
– MCP协议的想象力正在被验证：MCP不再只是Coding工具的专利，开始渗透到创意工具领域（音乐制作、设计工具等）
– 产品使用方式：创始人用语音指令让Codex在Ableton中制作了一首完整的EDM，包括歌词、编曲、混音、动态调整——全程自然语言交互
– 创业方向：「专业工具的MCP化」 可能是一个被严重低估的方向。Figma、Blender、Premiere等专业工具如果都有MCP Server，AI Agent的市场会大几个量级
– HN反响：54条评论说明开发者社区对「AI+创意工具」的需求真实存在

类比参考：音乐制作版的「自然语言编程」，Ableton的「Copilot」

🔗 GitHub

8. WakaTime AI Dashboard — 追踪你的AI编码花销

融资信息：WakaTime已有产品，AI Dashboard为新功能

做什么的：开发者时间追踪工具WakaTime新增的AI看板，可以查看每个项目中AI生成的代码占比、Prompt长度、Token消耗量、人工修改跟进等数据。

为什么值得关注：
– 切中了企业刚需：随着AI编码工具在企业中普及，管理层最关心的三个问题：AI到底省了多少时间？AI生成的代码质量如何？我们在AI工具上花了多少Token钱？
– 数据视角独特：按项目、按天、按团队成员维度看AI编码 attribution，这是目前市场上少有的从「人」的角度追踪AI使用情况的产品
– 商业模式：建立在已有的开发者工具生态之上，新增AI分析功能作为增值模块，对已有的付费用户群直接Upsell
– 对标参考：对创业者来说，「AI使用的可观测性」（AI Observability for Engineering Teams）是一个正在形成的新品类

类比参考：AI编码版的「RescueTime」，工程管理版的「Datadog for AI Coding」

🔗 WakaTime AI

今日趋势总结

📌 本日报由 422产品实验室 每日自动生成 | GitHub