News

• 0718日报 | Agent基础设施的「安全与控制」时刻

  今日洞察

  今天的五个字：「Agent的「系安全带」时刻。」

  7月17-18日是AI行业的一个「基础设施之夜」——我们看到的不是新的模型发布或应用层创新，而是一批关键的基础设施公司在同一周密集获得大额融资，共同指向同一个方向：AI Agent的「控制层」正在被建造。 上周（7月15-16日）的重磅新闻是Thinking Machines的开源模型、WAIC的宏大叙事和AI监管框架的建立——但到了周末，资本市场的信号更清晰了：投资人正在为AI Agent的「安全执行」、「身份治理」和「专用计算」这三个基础设施层下重注。

  这周的融资节奏本身就说明了趋势的紧迫性。 a16z领投Runta的$2000万种子轮——为Agent建立「执行层」，像一个操作系统一样控制Agent能做什么、不能做什么。Greylock/Accel/CRV联合领投Oak的$6000万种子轮——为Agent建立「身份层」，让每一个AI Agent都像人类员工一样被管理身份和权限。Aina的$550万种子轮——为Agent时代重新设计「硬件接口层」，让用户不需要通过手机屏幕来和AI交互。Applied Computing的$2000万A轮——为特定行业（能源）构建「AI基础模型」，将AI从通用能力落地到工业场景。四笔融资覆盖了Agent基础设施的四个关键维度：执行、身份、交互、行业化。 这不仅仅是融资新闻——这是一个正在形成中的「Agent基础设施栈」的蓝图。

  而同一天发布的VentureBeat Agent安全调查给出了这个基础设施投资浪潮的「why」：54%的企业已经遭遇过AI Agent安全事件或险情——但在那些受调查的企业中，只有21%拥有对Agent活动的运行时可见性。 88%的企业在过去12个月内报告了AI Agent相关的安全事件。这个数据揭示了一个令人不安的现实：企业正在「边跑边修」——Agent已经部署了，但控制它们的工具还没有到位。 Runta、Oak、Aina等公司的融资，正是市场对这个问题做出的回应。

  结论：这一周的关键词是「基础设施」。 上周行业讨论的是「哪个模型更好」，这周市场用资本回答了另一个问题——「模型已经够好了，但谁来控制Agent？」Runta的a16z领投、Oak的创纪录种子轮、VentureBeat的安全调查——三者共同指向一个确定性趋势：2026年下半年，AI Agent基础设施将是最热门的投资和创业方向。 对于AI创业者来说，核心启示是：如果你在构建AI Agent应用，现在就应该开始思考你的「基础设施依赖」——你的Agent运行在谁的控制层上？如果你在思考新的创业方向，Agent基础设施（安全、身份、执行、监控、成本管理）是一个比Agent应用本身更确定、竞争更少的机会。

  ---

  1. Runta获a16z领投$2000万种子轮——为AI Agent建立「家长控制层」（融资 / Agent「执行层基础设施」的诞生）

  !Runta

  🔗 链接：TNW | a16z官方 | The Information | AI Weekly

  融资信息：$2000万种子轮，由a16z领投，估值超过$1亿。由Guanlan Dai（Robert Yang）创立。Dai此前是Cloudflare边缘计算团队技术负责人，后在API公司Kong构建核心代理层。本轮于7月17日正式宣布。

  做什么的：Runta正在构建AI Agent的「执行层」（execution layer）——一个控制Agent运行环境的系统层。核心思路是：就像父母给房子做「儿童防护」（childproofing）一样，企业需要给Agent做「Agent防护」——限制它们能访问哪些文件、能花多少钱、能在哪些系统上执行操作。Runta将Agent包裹在隔离的沙箱环境中，配备防护栏（guardrails），让一个「失控的Agent」无法造成破坏。a16z合伙人Martin Casado在博文中形容：「Agent只需要一台计算机」——一个完整的、有状态的操作系统，能在本地或云端运行，内置安全控制。

  为什么值得关注：

  - a16z的入场是Agent基础设施赛道最大的「信号灯」。 Martin Casado——a16z基础设施投资的灵魂人物（曾投资HashiCorp、Databricks等基础设施巨头）——亲自撰文宣布这笔投资，并将Runta定位为「继GPU之后的下一层基础设施」。Casado的核心论点非常有说服力：2025年的重点是「训练最好的模型」，2026年的重点是「让Agent安全地运行」。 他将Runta与2010年代的「云计算操作系统」类比——当企业从托管物理服务器转向云计算时，出现了VMware、Docker等「执行层」公司。现在Agent正在经历同样的转变。「Agent执行层」很可能是一个百亿美元级别的品类。对于AI创业者来说，a16z这封信值得仔细阅读——Casado描述的基础设施路线图（执行层→身份层→监控层→成本层）本质上是一个创业品类路线图。

  - Runta的「家长控制」比喻非常精准。 创始人Dai是两个孩子的父亲，他将AI Agent管理比作「儿童防护」：你不需要阻止孩子探索世界，但你需要把化学品锁起来、把插座盖上、把信用卡放在够不到的地方。对于企业来说，Agent的「危险品」是：数据库凭证、支付API密钥、内部系统访问权限、HR数据。 Runta的思路不是「限制Agent的能力」，而是「为Agent划定安全边界」——Agent可以在边界内自由行动，但不能越界。这个「边界思维」对所有构建Agent产品的创业者都有直接的参考价值：你的Agent产品是否设计了「安全边界」机制？还是让Agent「全有或全无」地访问系统？

  - 这笔投资还有一个被忽视的侧写：CPU短缺。 Casado在博文中提出了一个有趣的观察：Agent热潮正在引发「CPU短缺」——因为Agent需要大量的普通计算资源（而非GPU推理算力）来执行任务（处理请求、管理状态、协调工具调用）。这个「Agent驱动的CPU需求增长」对于AI基础设施的方向选择有深远影响：如果你的AI产品在构建Agent功能，需要考虑CPU成本的增长曲线——这可能比GPU成本增长更快。 同时，这个观察针对云基础设施创业者也意味着：为Agent优化的计算资源配置可能是一个独立的品类机会。

  - Runta的创始人背景是典型的「基础设施创业者」。 Guanlan Dai曾领导Cloudflare的边缘计算团队（CDN/边缘Worker基础设施），又在API管理公司Kong构建了核心代理层。他的优势不是AI，而是「系统软件」——这恰恰是Agent执行层最需要的能力：分布式系统、权限管理、沙箱隔离。 对于创业者来说，这个团队构成的信号很清晰：Agent基础设施不是AI问题，而是系统软件问题——那个曾经在云基础设施领域（Docker、Kubernetes、HashiCorp）出现的人才流动，现在正在流向Agent基础设施。

  - 对创业者的启发：① Agent「执行层」是2026年下半年最确定的基础设施赛道之一——如果你有系统软件背景，这是一个比Agent应用更少竞争的切入点；② 「安全边界」思维应该嵌入所有Agent产品的默认设计中——不仅仅是安全工具，而是所有Agent产品的架构原则；③ a16z正在系统性下注Agent基础设施（Runta只是其中之一）——跟踪Casado的投资组合，你就能看到未来的基础设施路线图；④ 「Agent CPU短缺」是一个被低估的宏观趋势——如果你的产品能帮助客户优化Agent的计算成本，你有一个现成的市场。

  类比参考：「AI Agent的「操作系统」诞生记 / 从「云计算操作系统」（VMware/Docker）到「Agent操作系统」的范式复制」

  ---

  2. Oak获$6000万种子轮——为AI Agent重建企业身份治理（融资 / AI原生的身份操作系统 / 以色列创纪录种子轮）

  !Oak

  🔗 链接：TNW | TechCrunch | BankInfoSecurity | Calcalist

  融资信息：$6000万种子轮，联合领投方为Accel、Greylock Partners、CRV，参与方包括Hetz Ventures和天使投资人。由连续创业者Shai Morag和Tal Marom联合创立。Morag此前创立并出售了三家安全公司，包括2023年以$2.65亿出售给Tenable的Ermetic，累计退出规模约$5亿。本轮是以色列网络安全领域最大的种子轮之一，公司目前约50名员工，已有付费企业客户。

  做什么的：Oak正在构建一个「AI原生的身份操作系统」——一个统一控制面板，管理企业中的所有身份：人类员工、机器账号和AI Agent。核心能力：连接到任何系统，根据实际行为实时构建每个身份的「活动地图」，自动剥离不再使用的访问权限（而非传统的年度审查）。Oak的定位是：在一个企业中，每个身份的「权限管理」应该像操作系统一样实时、自动、统一——而不是像现在这样通过多个孤立系统、人工流程来管理。

  为什么值得关注：

  - $6000万种子轮——以色列网络安全领域历史上最大的种子轮之一。 Accel、Greylock、CRV三家顶级VC联合领投一个种子轮，这在任何市场上都是罕见的信号。这三家VC在安全领域的投后历史加起来超过$1000亿——它们不会同时押注一个种子轮公司而不做充分的尽职调查。 Morag的创始人背景是关键因素——连续三次成功退出（累计约$5亿），让投资人愿意在「无产品验证」阶段就下重注。对于AI创业者来说，Oak的融资证明了在AI安全领域，「创始人背景×正确赛道」可以带来极端的资本溢价——但这也是少数人的游戏。

  - AI Agent的「身份问题」是所有Agent基础设施中最紧迫、最被低估的环节。 当前企业中的身份管理是一个「补丁拼凑」的状态：HR系统记录员工身份、Active Directory管理IT权限、云平台管理机器身份——但AI Agent的身份在哪个系统里？大多数企业的情况是：Agent使用共享的API密钥或某个工程师的个人凭证来访问系统。 研究表明，研究人员已经成功诱骗Agent泄露私有代码、甚至执行勒索软件攻击。Oak的核心论断是：AI Agent不能「借用」人类的身份——每一个Agent都需要自己的「数字身份」，就像每一个员工都有自己的工号和权限组一样。 对于所有构建Agent产品的开发者，这是一个根本性的产品设计考量：你的Agent是「以谁的身份」在运行？

  - Palo Alto Networks最近收购CyberArk的交易是Oak论点的最佳注脚。 上周Palo Alto Networks同意收购身份安全巨头CyberArk——这笔交易的背后逻辑是：网络安全巨头认为「身份」将是下一轮安全基础设施的核心。Oak在这个时间点浮出水面不是巧合——它意味着身份安全赛道正在经历一次由AI Agent驱动的根本性重塑。 传统的IAM（身份和访问管理）系统是为人类员工设计的——人类有固定角色、固定工作时间、可预测的行为模式。但AI Agent的行为模式完全不同：它们7x24小时运行、访问模式高度动态、可能同时调用数十个API。传统的「年度权限审查」对Agent来说毫无意义——到年底审查的时候，Agent的权限需求可能已经变了100次。

  - Morag的「成败论」创业哲学值得关注。 他在采访中直言：「这是我将创立的最后一家公司。要么做大，要么回家。」累计约$5亿的退出经验让他有底气做这个声明——但更重要的是，他对AI Agent身份管理的判断：「所有身份——从员工登录到Alexa式的AI助手——最终都将在一个屋顶下管理。这个市场的赢家价值将在几百亿甚至几千亿美元。」 对创业者来说，这个判断所定义的市场边界是值得参考的：Oak把「身份」定义得极其宽泛——人、机器、Agent——然后说「在一个控制面板里管理这一切」。这个「统一身份」的野心如果实现，它确实是网络安全领域最具价值的品类之一。

  - 对创业者的启发：① Agent的身份管理是2026年下半年最确定的B2B安全创业方向——如果你的产品能帮助企业管理Agent的「数字身份」，你不需要说服企业「为什么需要这个」，你只需要比Oak跑得更快；② 每一家构建Agent产品的公司都应该自问：我的Agent是否有独立的身份标识？它是以什么权限在运行？如果Agent被攻破，攻击者能获得什么？——这些问题现在不回答，半年后就是安全事故；③ Oak的创纪录种子轮意味着顶级VC已经锁定了「Agent身份管理」这个品类——但Agent基础设施的「身份」只是其中一层，Agent安全还有大量未定义的品类（Agent行为审计、Agent间通信安全、Agent供应链安全等）。

  类比参考：「AI Agent的「工牌」和「门禁卡」/ 从「人类身份管理」（Okta/CyberArk）到「人类+机器+Agent三重身份管理」的架构升级」

  ---

  3. Aina获$550万种子轮——AI时代的「硬件接口」重设计（新产品 / AI时代的人机交互硬件）

  !Aina

  🔗 链接：GlobeNewsWire | HackerNoon | FinSMEs | YourStory

  融资信息：$550万种子轮，由Redstart Labs（Infoedge, India）和360 ONE Asset联合领投，MIXI Global Investments、Antler、Blume Founders Fund以及多位知名天使投资人（包括Kunal Shah/Cred创始人、Tikhon Bernstam/Scribd创始人、Razorpay联合创始人等）参与。由Apoorv Shankar（前Ultrahuman硬件VP）创立，2025年5月注册，此前以「Project Mirage」之名运营。公司已在2026年4月发布首款产品Dune——一款上下文感知的Mac键盘。本轮融资将用于将正在开发中的「通用AI硬件接口」推向市场。

  做什么的：Aina正在重新思考AI时代的硬件接口。核心理念：当前的键盘（1980年代设计）和触摸屏（2007年设计）是为「浏览和输入」时代设计的——但AI时代需要的是「意图和行动」导向的接口。 首款产品「Dune」是一个上下文感知的三键键盘：当你在不同应用中工作时，三个键的功能会自动切换。例如在视频会议中变成「加入通话/静音/共享屏幕」，在IDE中变成「运行/调试/提交」。公司还在秘密开发一个更宏大的「通用AI接口」——超越单一设备的、能让用户与AI进行更自然、更直接交互的硬件形态。Aina的愿景成为「AI时代的鼠标和键盘」——一个被重新定义的交互基础硬件。

  为什么值得关注：

  - Aina切入了一个被大多数AI公司忽视的空白地带：硬件交互层。 几乎所有AI公司的精力都在软件层——更好的模型、更智能的Agent、更流畅的对话界面。但人类的物理交互方式——键盘、鼠标、触摸屏——几乎没有因为AI而改变。Aina的洞察很锋利：AI可以替你写邮件、订机票、做PPT，但「和AI对话」这件事本身，仍然需要你掏出手机、解锁屏幕、打开App、点击输入框、打字——这一系列操作在AI时代显得荒谬地低效。 当你已经可以让AI替你完成复杂任务，为什么「召唤AI」本身还需要这么复杂？对于AI产品创业者来说，这个「交互摩擦」是真实存在的：即使用户可以「用AI做任何事」，第一次「让AI开始做事」的步骤仍然太多了。硬件接口的改进可能是一个被低估的用户增长杠杆。

  - 创始人的「Ultrahuman背景」意味着硬件+健康追踪的经验。 Apoorv Shankar此前在Ultrahuman（印度睡眠追踪戒指公司）担任硬件VP——Ultrahuman的成功说明了「小而美的智能硬件」在消费市场是有PMF的。Aina的思路是类似的：不是做一个「AI手机」或「AI耳机」这样的全景替代品，而是一个「AI配件」——一个辅助性的、不需要替代现有设备的小硬件。 这种「附件策略」比「替代策略」风险更低：用户不需要改变已有习惯，只需要「增加」一个新设备。对于所有想在AI硬件方向创业的人来说，Aina的策略（附件而非替代、上下文感知而非通用、先从Mac生态切入）是一个值得学习的产品策略模板。

  - 知名天使投资人阵容——Kunal Shah（Cred创始人，印度最知名的消费互联网创业者之一）参投——说明印度资本圈对「AI硬件」方向开始产生兴趣。 Aina是少有的「印度+美国」双总部硬件公司。对于中国AI创业者来说，这个信号的意义在于：印度市场的AI硬件消费力正在被验证——如果你在做AI消费硬件，印度不应该被忽略。

  - Dune的「上下文感知」理念与Agent的「意图理解」趋势一致。 Aina的核心产品逻辑——设备自动理解你正在做什么，然后提供对应的「AI动作」——本质上与GUI Agent的思路同源。不同之处在于：Nubia的Agent手机是AI「替你做」，Aina的Dune是AI「帮你快速做到」。 一个是「代执行」，一个是「加速执行」。这两种思路可能适用于不同场景和不同用户类型——专业用户可能更喜欢「加速」而非「替代」。

  - 对创业者的启发：① 「AI时代的交互接口」是一个被严重低估的产品方向——当前所有AI交互都发生在传统设备（手机/电脑）上，这意味着交互本身存在巨大的摩擦未被优化；② 「附件策略」比「替代策略」更适合AI硬件创业——先做一个「锦上添花」的设备而不是「替代手机」的设备；③ 上下文感知（context-aware）是AI硬件的核心差异化——硬件需要知道用户「正在做什么」才能提供「即时有用」的功能；④ Aina的$550万种子轮规模说明——AI硬件不需要融几亿美元来验证假设，小规模、高精度地验证产品理念后，再通过用户反馈来扩大。

  类比参考：「AI时代的「鼠标」被重新发明 / 从「打字-点击」到「意图-执行」的交互范式迁移」

  ---

  4. Applied Computing获$2000万A轮——为能源运营构建AI基础模型「Orbital」（融资 / 工业AI基础模型的垂直落地）

  !Applied Computing

  🔗 链接：TechCrunch | FinSMEs | The Next Web | Energetica India

  融资信息：$2000万Series A轮，由KBR（全球工程与能源服务巨头，市值约$90亿）领投，Databricks Ventures参与。Imperial College London衍生公司，2023年成立。融资将用于扩大Orbital平台部署、拓展美国市场。

  做什么的：Applied Computing正在构建一个名为Orbital的「AI基础模型」，专门为石油、天然气和石化行业的工厂运营设计。与通用AI模型不同，Orbital融合了时间序列数据、物理仿真和语言模型——它能实时监控工厂设备的运行状态，发现异常，诊断根本原因，并预测修复方案的效果。公司宣称Orbital可以在不到8%的计算资源消耗下运行（相对于传统工业AI方案）。核心卖点：一个能从「整座工厂」层面理解和优化运营的AI模型——而不是多个孤立的设备监控AI。

  为什么值得关注：

  - 这是「垂直AI基础模型」赛道中的一个教科书级案例。 2026年AI行业的一个核心争论是：通用模型（GPT-5.6、Claude Opus）vs 垂直模型（特定行业的微调模型）。Applied Computing的选择很极端——它不是为「能源行业」做一个通用AI，而是为「工厂运营」这个极其狭窄的场景构建了一个从底层开始训练的「专用基础模型」。 这个策略的是非判断取决于一个核心问题：通用AI在工业场景中的「准确性」是否足够？Applied Computing的答案是「不够」——因为工厂运营的核心不是「理解自然语言」，而是「理解时间序列+物理过程+因果关系」。 对于AI创业者来说，这个选择提供了一个关键的定位框架：如果你的AI产品需要「物理世界理解」（而非「文本世界理解」），垂直基础模型可能是比「在通用模型上微调」更好的选择。

  - KBR作为领投方——产业资本的逻辑值得关注。 KBR不是一家VC——它是一家全球工程公司，为石油和天然气行业提供设计和运营服务。「产业投资」的逻辑与「财务投资」完全不同：KBR投资Applied Computing不是为了获得财务回报倍数，而是为了在自己的客户服务中整合Orbital的能力。 这意味着Applied Computing获得的不只是现金，还有KBR在全球能源客户网络中的分销渠道。Databricks Ventures的参与也同样具有战略意义——作为数据+AI基础设施平台，Databricks在工业AI场景中渴望有「参考架构」级别的合作伙伴。 对于AI创业者，这种「产业领投+平台跟投」的融资结构是最理想的：它同时解决了资金、渠道和技术基础设施三个问题。

  - 工业AI市场正在经历一个从「监控」到「运营」的跃迁。 传统工业AI的核心应用是「预测性维护」——预测设备什么时候会坏。但Orbital的定位超越了这个范畴——它的目标是覆盖整个工厂的「运营优化」：发现异常→诊断原因→模拟修复方案→预测结果→自动执行。 这是一个完整的「感知-分析-决策-执行」闭环。如果Orbital能实现这个愿景，它将从「IT工具」变成「OT运营系统」——这是工业软件中最有价值的定位。 工业AI领域的下一个大事件可能不是「更好的模型」，而是「模型能闭环到控制系统的能力」。

  - 「物理AI」正在成为2026年下半年资本关注新热点。 Applied Computing代表了AI垂直化趋势中的一个重要子方向：将AI能力从「数字世界」（文本、代码、图像）延伸到「物理世界」（工厂、电网、物流）。Elorian（上周报道的视觉推理AI公司）也是这个方向的例子——它们都在试图让AI「理解物理世界」而非「理解文本」。 创业方向从「谁有最大的模型」转向「谁能在最难的垂直场景中部署AI」——工业AI是这个趋势中最确定的落地方向之一。

  - 对创业者的启发：① 「垂直AI基础模型」——在狭窄但高价值的行业场景中训练专用模型——可能是比「通用模型微调」更持久的护城河；② 产业资本（而非纯财务VC）是工业AI创业公司的最佳合作伙伴——它们提供的渠道和技术验证价值远超现金；③ 「感知→分析→决策→执行」的闭环能力是工业AI产品的终极形态——只做「感知和分析」的产品很快会被AI能力商品化浪潮吞噬；④ 能源行业的AI化才刚刚开始——Orbital面对的是一个$万亿级别的存量市场，即使只获取一小部分也足以支撑一家独角兽。

  类比参考：「物理世界的「AI操作系统」/ 从「预测性维护」（看设备）到「运营优化」（管工厂）的能力跃迁」

  ---

  5. VentureBeat调查：54%企业已遭遇AI Agent安全事件，但只有21%具备运行时可见性（行业洞察 / Agent安全的「灰犀牛」数据）

  🔗 链接：VentureBeat | VentureBeat: 88%企业AI Agent安全事件 | TechRepublic

  动态：VentureBeat Research于7月16日发布AI Agent安全调查报告。调查涵盖了107家企业的AI Agent安全实践，核心发现非常令人不安：

  - 54%的企业已经经历了确认的Agent安全事件或险情（18%确认事件，36%接近事件） - 88%的企业在过去12个月内报告了AI Agent相关的安全事件 - 只有21%的企业拥有对Agent活动的运行时可见性 - 只有6%的安全预算目前用于AI Agent风险管理 - 大多数企业仍然让Agent共享API凭证（而不是为每个Agent创建独立的、范围受限的身份）

  做什么的：这是一份由VentureBeat Research持续进行的「Agent安全脉搏调查」（Agentic Security Pulse Survey）。调查描绘了一个「先部署后安全」的现实：企业知道Agent安全有问题，但在测试和部署速度的压力下，安全控制仍然滞后。调查将Agent安全威胁分为三个阶段：第一阶段（可视性）、第二阶段（控制与策略）、第三阶段（运行时攻击）。大多数企业已经在经历第二阶段和第三阶段——但安全投资仍然停留在第一阶段。

  为什么值得关注：

  - 这个数据是所有正在构建或部署AI Agent的人的「必须阅读」——它不是在讲「未来可能发生什么」，而是在讲「现在正在发生什么」。 54%的企业已经遭遇Agent安全事件——这意味着Agent安全不是「明天的问题」，而是「昨天的问题」。对于AI应用创业公司来说，这个数据的直接影响是：你的企业客户（尤其是金融、医疗、合规敏感行业）很快会要求你提供「Agent安全认证」——就像他们要求SaaS公司提供SOC 2一样。 如果你现在不开始构建Agent安全能力，你将在18个月后的企业采购流程中被竞争对手淘汰。

  - 「运行时可见性」只有21%——这个数字是Agent基础设施市场最大的增长驱动因素。 如果大多数企业没有能力看到自己的Agent在做什么，他们也不可能控制Agent在做什么。「看不见→控制不了」的逻辑链是Runta（执行层）、Oak（身份层）、以及无数其他Agent安全创业公司的商业逻辑基础。 对于一个创业者来说，如果你能回答「企业如何实时看到Agent在做什么」，你就找到了一个确定性需求。

  - 6%的安全预算用于Agent风险——这是市场上最明确的「预算迁移信号」。 当企业开始将安全资源从「传统安全工作」（端点保护、网络防火墙）转移到「AI Agent安全」时，一个巨大的市场正在形成。参照云安全的历史：2015年云安全占安全预算不到5%，到2022年超过25%。AI Agent安全的预算增长曲线可能比云安全更陡——因为Agent安全事件的发生速度比云安全事故更快。 对于在AI安全领域创业的人来说，这个「6%→25%」的预算迁移就是你未来3-5年的增长曲线。

  - Agent共享凭证的问题直接关联到Oak和Runta的价值主张。 当大多数企业让Agent共享API密钥时，一个Agent被攻破就意味着所有Agent的服务都被攻破。Oak的「每个Agent一个独立身份」和Runta的「每个Agent一个隔离沙箱」的核心价值，在这个数据背景下变得极其清晰。 这三条新闻——Runta融资、Oak融资、VB调查——形成了一个完整的叙事闭环：问题（54%安全事件）→解决方案（独立身份+隔离执行层）→资本支持（$20M+$60M种子轮）。

  - 对创业者的启发：① 如果你在构建企业AI产品，请将「Agent安全白皮书」列入Q3路线图——你的客户将会在采购前问你要它；② 「运行时可见性」是最直接的创业切入点——如果企业看不见Agent在做什么，他们无法管理Agent安全；③ Agent安全的「预算迁移」是一个结构性的市场机会——它不依赖于AI技术突破，只依赖于企业安全意识的提升和监管压力的增加；④ Runta、Oak等创业公司的融资和VB调查的数据应该被解读为一个整体：Agent安全的「基础设施层」正在被我们眼前建设——而这个建设本身就是一个巨大的市场。

  类比参考：「云安全2015年的味道——同样的「先跑后修」剧本 / Agent安全的「灰犀牛」终于被数据确认了」

  ---

  值得重点跟踪的 3 个信号

  1. Agent基础设施的「四层栈」正在形成——执行层、身份层、交互层、行业落地层。 本周的四笔融资（Runta→执行层、Oak→身份层、Aina→交互硬件、Applied Computing→行业落地）共同指向一个清晰的图景：AI Agent的经济正在催生一个全新的基础设施栈。 这个栈与传统云计算基础设施栈（IaaS→PaaS→SaaS）既有相似之处（分层架构、标准化接口），又有根本性的不同（Agent需要「控制和约束」而不仅仅是「提供资源」）。对于AI创业者来说，这个「四层栈」一方面提供了「在每一层找到创业机会」的路线图，另一方面提出了一个问题：你的产品是「填补某层空白」还是「跨层整合」？ 历史经验表明，跨层整合的公司（如AWS同时提供IaaS和PaaS）往往最终获胜——但初创公司在「单层做到最好」的成功路径也同样清晰（如Datadog在监控层、Snowflake在数据层）。关键启示：无论你选择哪一层，现在就开始构建——这个基础设施栈的建设窗口期可能在12-18个月。

  2. 「先部署后安全」的模式正在被终结——Agent安全正在从「可选项」变成「入场券」。 VB调查的数据（54%事件、21%可见性、6%预算）是典型的「灰犀牛」——所有人都知道问题存在，但没有人采取足够行动。但Runta和Oak在同一天获得顶级VC的重注，本身就是一个市场信号：资本正在推动Agent安全从「可选」变成「标配」。 对于AI应用创业公司来说，这意味着你需要在产品路线图中内置Agent安全能力——而不是等客户要求了再去补。一个清晰的决策框架：如果你的产品涉及Agent执行动作、访问外部系统或处理敏感数据，你现在就应该评估是否需要「Agent身份管理」和「Agent执行沙箱」——因为你的客户很快就会问你要。

  3. 工业AI正在从「监控」进化到「运营」——「物理AI」成为资本新宠。 Applied Computing不是这个趋势的唯一案例——上周的PixVerse（AI视频→实时交互世界）、Elorian（视觉推理AI）以及正在兴起的「AI+机器人」创业潮都指向同一方向：AI正在从「处理和生成信息」走向「理解和操控物理世界」。 这个转变对AI创业者的意义：① 如果你的AI产品仍然在「纯信息处理」领域（文本、代码、图像），你将面临越来越激烈的竞争和商品化压力；② 「物理世界理解」的能力（时间序列、物理仿真、因果推理）将成为AI产品的新差异化维度；③ 产业资本（而非纯财务VC）正在成为工业AI创业者的关键融资来源——找到愿意与你共建的行业合作伙伴比找到估值最高的VC更重要。

  ---

  统计信息：收录 5 个产品/动态 | 融资总额 $1.005亿（Runta $2000万 + Oak $6000万 + Aina $550万 + Applied Computing $2000万） | 覆盖赛道：Agent执行层基础设施、Agent身份安全、AI硬件接口、工业AI基础模型、Agent安全市场洞察

  4 hours ago

• 0717日报 | AI治理新秩序：上海WAIC登场与全球AI合作组织诞生

  0717日报 | AI治理新秩序：上海WAIC登场与全球AI合作组织诞生

  今日洞察

  今天的五个字：「全球AI的「联合国时刻」。」

  7月17日是AI行业一个被标记为「制度性转折点」的日子。上海世博中心，2026世界人工智能大会（WAIC）正式开幕——但让这一天真正载入史册的，不是某家公司的产品发布，而是一个超主权机制的诞生：29个国家正式签署协议，成立世界AI合作组织（WAICO），总部设在上海。习近平首次出席WAIC并发表主旨演讲，系统阐述中国对全球AI治理的立场。

  但WAIC 2026不只是地缘政治舞台——它也是中国AI产业能力的一次「全栈展示」。 Nubia与字节跳动豆包合作的全球首款AI Agent智能手机在WAIC首发——这不是一个「AI语音助手」式的渐进升级，而是一个能自主执行多步骤任务（订机票、填信息、付款）的操作系统级Agent。华为展示了Atlas 950 SuperPoD——8192个NPU互联、8 ExaFLOPS FP8算力、对标NVIDIA大规模集群的中国自主AI计算基础设施。300+产品全球首发、1100+企业参展、10万平米展区——WAIC 2026的规模本身就是一种声明：中国AI生态已经完成了从「追赶者」到「平行生态」的转型。

  而同一天，TechCrunch发表了一篇关于Elorian AI的深度报道——前DeepMind研究员Andrew Dai在没有任何产品的情况下，以$5500万种子轮、$3亿估值融资。 这条新闻与WAIC的宏大叙事形成了有趣的对照：一边是国家层面的制度构建和产业展示，一边是硅谷顶级人才离开大实验室后的「闪电融资」模式。这两种路径——国家主导的生态建设 vs 顶级人才携资本单飞——正在2026年同时加速，形成AI行业最值得关注的双轨叙事。

  结论：这一天的关键词是「制度」。 WAICO的诞生意味着AI超越技术竞争，进入「规则制定」的新阶段——29个国家的签约证明了「全球AI治理需要多边机制」已成为共识。而Nubia的Agent手机和华为Atlas 950 SuperPoD则提醒我们：规则需要能力支撑。对于AI创业者来说，核心启示是：在AI的「制度竞争」时代，单纯的技术优势已经不够——你需要在「中国生态」和「美国生态」之间找到自己的位置，因为这两个生态的治理规则、基础设施和人才流动正在快速分化。 Elorian的案例则展示了另一种可能性：对于拥有顶级研究背景的创始人，市场仍然愿意在「没有产品」的阶段下重注——但这条路只对极少数人开放。

  ---

  1. WAIC 2026开幕 + 29国签署世界AI合作组织（WAICO）——全球AI治理的制度分水岭（行业洞察 / 全球AI治理新格局）

  🔗 链接：CGTN报道 | Reuters | SCMP | NBC News

  动态：7月17日，2026世界人工智能大会（WAIC）在上海世博中心开幕，习近平出席开幕式并发表主旨演讲——这是中国国家元首首次在WAIC发表演讲。 同日，29个国家签署了关于建立世界AI合作组织（WAICO）的协议——一个独立的政府间国际组织，总部设在上海。联合国秘书长古特雷斯出席签约仪式。中国外交部长王毅代表中国政府签署协议，哈萨克斯坦、老挝、巴基斯坦、俄罗斯、印度尼西亚等29个国家成为创始成员国。

  做什么的：WAICO是首个由中国发起并主导的全球AI治理多边机制。组织宗旨：坚持《联合国宪章》宗旨，以「共商共建共享」为原则，以人为本，促进AI国际合作与全球治理，确保AI有益、安全、公平。同期发表的《全球AI治理合作行动计划》提出了全球AI治理的「中国方案」框架。WAIC 2026的规模同样创纪录：100,000平方米展览面积、1,100+参展企业、3,000+创新展品、300+全球首发产品、140+论坛、1,400+演讲嘉宾。

  为什么值得关注：

  - 世界AI合作组织是2026年最重要的制度创新。 这不是一个「宣言」或「倡议」——它是一个具有法律框架的政府间组织，总部设在上海。29个国家的签约意味着这个组织不是「只有中国和非洲国家」的象征性机构——包括俄罗斯、印尼、巴基斯坦等重要新兴经济体。 虽然没有美国、欧盟、日本等主要西方经济体的参与，但WAICO的成立标志着全球AI治理从「G7/G20式的小圈子协调」走向「有制度化架构的多边组织」。对于AI创业者来说，这意味着：未来几年，你的产品可能需要在两个并行的合规框架下运行——西方的AI Act体系和WAICO的治理框架——就像互联网公司需要同时遵守GDPR和中国数据安全法一样。

  - 习近平的首次WAIC主旨演讲是一个被低估的信号。 中国国家元首出席「行业会议」并不常见——习近平此前从未出席过WAIC。他的出席和演讲意味着北京将AI视为「国家战略优先级」的政治信号已经达到新高度。 演讲中系统阐述的「全球AI治理中国方案」——强调安全、开放、包容的AI发展理念，以及通过多边机制而非单边制裁来管理AI风险——将成为中国在AI外交领域的基本立场。这对于在中国市场运营或与中国企业合作的创业公司来说，意味着「AI合规」正在从「技术问题」变成「地缘政治问题」——你需要理解中国AI监管的逻辑，而不仅仅是遵守规则。

  - WAIC 2026的规模本身就是产业信号：中国AI生态的「平行系统」已经成形。 300+全球首发产品、1100+企业、10万平米展区——这些数字背后是一个结构性的变化：中国不再只是一个「AI消费市场」或「AI模型提供者」——中国正在构建一个从芯片（华为Ascend 950DT）到算力集群（Atlas 950 SuperPoD）到AI模型（GLM 5.2、DeepSeek、Kimi）到终端产品（Nubia Agent手机）的完整「并行生态」。 对于AI创业者来说，这个「平行生态」意味着两个选择：要么作为中国生态的一部分参与（利用其供应链、市场和政策红利），要么作为美国生态的一部分参与（利用其资本、人才和全球市场）——但两个都参与的成本正在上升。

  - 华为Atlas 950 SuperPoD的首次公开演示被低估了。 这个AI计算集群连接8,192个Ascend 950DT NPU，提供8 ExaFLOPS FP8算力——从纯算力规格上看，它是中国对美国AI芯片出口管制的最直接回应。Atlas 950在MWC Barcelona 2026上首次亮相但在WAIC才是首次面向中国公众和产业界的全面展示。 它的存在证明了中国AI基础设施供应链的「去A化」（去NVIDIA化）已经不只是理论——虽然性能和生态成熟度仍待验证，但华为确实在制造可用的替代方案。

  - WAIC 2026还有一个被忽视的细节：设立了「一人公司（OPC）专区」。 这是WAIC历史上首次设立单独创业者展区，反映了中国AI创业生态中的一个结构变化——越来越多人选择独立创业而非加入大公司。这个信号与硅谷的「大厂人才密集创业潮」形成了有趣的全球性对照。

  - 对创业者的启发：① 全球AI治理正在从「倡议」变成「制度」——如果你的产品涉及跨境AI应用，请从现在开始关注WAICO的治理规则和合规要求；② 中国的「平行AI生态」正在成形——这意味着「在中国做AI」的供应链风险在降低、但「在中美之间做AI」的合规成本在上升；③ 华为Atlas 950的存在说明，AI算力的「两极化」（NVIDIA vs 华为）正在从理论走向现实。

  类比参考：「AI的「巴黎气候协定」时刻 / 从「谁的技术更强」到「谁的规则被采纳」」

  ---

  2. Nubia二代豆包AI Agent手机在WAIC首发——全球首款系统级Agent智能手机（新产品 / AI从「被动问答」到「主动执行」的硬件入口）

  🔗 链接：Pandaily | The Silicon Review | Gizmochina | Pandaily - Doubao Gen2

  动态：7月17日，在WAIC 2026开幕首日，中兴旗下品牌Nubia正式发布了全球首款系统级AI Agent智能手机——第二代豆包手机。 中兴高级副总裁、终端事业部总裁倪飞确认这是量产旗舰机型，而非工程样机。该手机由Nubia与字节跳动豆包联合开发，搭载Snapdragon 8 Elite处理器，配备专属橙色AI按钮。

  做什么的：这是一款超越传统语音助手的AI Agent手机。核心能力不再是「你问我答」（如Siri或小爱同学），而是GUI Agent技术——AI能够「看」懂屏幕上的按钮、文字和图标，模拟手指点击、滑动和操作。这意味着用户可以下达「帮我订一张去北京最便宜的机票」的指令，AI会自动完成：搜索航班、对比价格、填写乘客信息、完成支付——全程无需用户屏幕交互。技术架构为三层：操作系统层的深度系统AI集成、设备端大模型推理（保障隐私和速度）、以及OpenClaw开放架构（允许第三方开发者接入自己的AI能力）。

  为什么值得关注：

  - 这是「AI Agent」从软件概念到硬件品类的一次跨越。 2024-2026年间，行业一直在争论「AI Phone应该是什么样」。Apple Intelligence、三星Galaxy AI、Google Pixel AI都走了「AI辅助」路线——AI帮你编辑照片、总结通知、建议回复。但Nubia的选择是激进的：AI不再是手机的「辅助功能」，而是手机的操作系统级「执行者」。 当其他厂商还在做「AI增强的系统功能」时，Nubia在做「AI替代用户操作」。对于AI创业者来说，这个产品定义上的差异是最值得关注的：你是让AI「辅助人做得更好」，还是让AI「替人做完」？——前者是渐进式创新，后者是范式转换。

  - 从MCP/A2A协议替代INJECT_EVENTS——解决了上一代被微信/支付宝屏蔽的根本问题。 第一代Nubia M153（2025年底的技术预览版）虽然一天卖出3万台，但5天后被微信、支付宝和银行App集体屏蔽——因为它使用了Android的INJECT_EVENTS系统权限模拟用户点击，触发了支付安全警报。第二代的关键技术改进：从「模拟点击」转向MCP（Model Context Protocol）和A2A（Agent-to-Agent）协议，不再需要屏幕识别和模拟点击，从而绕过了上一代的平台封锁问题。 这个技术路线切换对整个行业有参考价值：AI Agent的「系统级权限」和「平台安全」之间的矛盾，MCP/A2A协议提供了一种不需要侵入式权限的解决方案。

  - 字节跳动豆包的深度参与是一个战略级信号。 作为中国月活3.45亿的AI应用，豆包在7月15日因「AI伴侣法」关闭了个性化AI Agent功能——但7月17日就和Nubia合作推出了AI Agent手机。这意味着：字节跳动对AI能力的投入没有因为监管而放缓，而是从「纯软件AI伴侣」转向了「嵌入式硬件AI Agent」——一个更少监管争议、更多系统级控制权的方向。 对于创业者来说，这个转向提供了一条「监管缓冲」的思路：如果你的AI软件产品面临监管压力，考虑与硬件厂商合作将能力嵌入设备端。

  - 定位为「量产旗舰」而非「概念机」——AI Agent手机的商业化路径正在清晰。 这不是一个PPT产品——Snapdragon 8 Elite处理器、旗舰级硬件配置、量产确认。当AI Agent从实验室走进消费者口袋，它带来的不仅是技术升级，更是用户行为的根本性变化：从「人类找功能」到「AI主动执行」。 如果这个品类成功，它将重新定义手机操作系统的交互范式——就像2007年iPhone用触屏重新定义了手机交互一样。

  - 对创业者的启发：① AI Agent的硬件化是2026年的关键趋势——当软件层的Agent竞争已经红海，在硬件层「把AI做成默认交互方式」可能是一个巨大蓝海；② MCP/A2A协议替代INJECT_EVENTS是一个重要的技术启示——AI Agent系统权限问题的解决方案可能不在「争取更多权限」，而在「改变交互协议」；③ 字节跳动的AI战略转向（从AI伴侣软件到AI Agent硬件）提供了「监管压力下的产品转型范本」。

  类比参考：「手机从「触屏时代」到「Agent时代」的iPhone时刻 / AI从「秘书」变成「管家」的底层跨越」

  ---

  3. Elorian AI：前DeepMind研究员Andrew Dai在无产品情况下拿下$5500万种子轮、$3亿估值（融资 / 视觉推理AI的「顶级团队溢价」）

  🔗 链接：TechCrunch报道+播客 | Fast Company | Elorian官网 | Bloomberg | Startup Fortune

  动态：前Google DeepMind研究员Andrew Dai创立的Elorian AI宣布完成$5500万种子轮融资，估值$3亿——在没有任何产品的情况下。 本轮由Striker Venture Partners领投，NVIDIA、Menlo Ventures、Jeff Dean（Google DeepMind联合创始人）等参投。TechCrunch于7月16日发表深度报道+播客，详细还原了Andrew Dai离开DeepMind后如何在5个月内完成从团队搭建到融资的全过程。

  做什么的：Elorian AI是一家总部位于Palo Alto的「多模态推理研究和产品实验室」。核心研发方向是视觉推理AI——构建能像人类一样原生理解图像而非先将图像转换为文本描述的系统。Andrew Dai在接受TechCrunch采访时阐述的核心理念是：「当前的多模态模型本质上是在做『图片→文字』的翻译——它们描述图像而不是理解图像。Elorian的目标是构建能直接对视觉世界进行推理的模型。」Fast Company的报道将其描述为「一种用图像思考、而不是用文字思考的AI模型」。

  为什么值得关注：

  - $5500万种子轮 / $3亿估值——AI创业「人才溢价」的极致样本。 在产品未发布、无收入、无客户的情况下，仅凭团队背景就拿到$5500万种子轮，估值$3亿。这个数字打破了AI种子轮的估值天花板——一般的种子轮在$500万-$2000万之间。 值得注意的是，这并非行业孤例：今年4月，前DeepMind研究员David Silver创立的Ineffable Intelligence拿到了$11亿种子轮。Elorian的融资证明了AI行业的一个残酷现实：超级人才（来自DeepMind、OpenAI、Google Brain的核心研究者）正在获得「零产品验证」的超级溢价，而普通创始人需要至少数年的产品验证才能获得同等级别的资本关注。 对于AI创业者来说，这个信号的意义不是「羡慕」，而是：如果你的团队背景不足以获得「人才溢价」，你的产品必须在早期就展示出可量化的指标（用户增长、收入、技术壁垒）。

  - 视觉推理——一个被低估但正在爆发的基础模型方向。 当前AI主赛道是语言模型（LLM）、编码模型和Agent。视觉推理作为一个独立方向相对被忽视——多数公司认为「多模态模型能看图片就够了」。但Elorian的论点很有说服力：让AI「真正看懂」而不是「描述所见」，是一个根本性的能力跃迁。 自动驾驶、医疗影像、工业质检、机器人操作——这些领域的底层需求不是「AI能描述图片」，而是「AI能根据视觉输入做出决策」。Fast Company的分析指出，Elorian的视觉推理模型可能找到最自然的应用场景在那些需要深度物理理解的领域——医学影像、无人机导航、仓储机器人。 对于AI产品经理来说，视觉推理是一个值得关注的方向：它可能解锁一批当前LLM无法触达的「物理世界理解」应用场景。

  - Andrew Dai的背景就是最大的护城河。 他曾是Google DeepMind预训练、数据和多模态方向的负责人之一——这些恰好是构建「视觉推理模型」最需要的能力维度。团队还包括来自Google和Apple的研究人员。NVIDIA的参投尤其值得注意——Elorian的视觉推理模型如果成功，将天然需要大量NVIDIA算力，这是一个典型的「算力供应商押注应用层」的投资逻辑。 同时，Jeff Dean的参与既是对技术方向的背书，也暗示了Elorian与Google DeepMind技术路线的延续性。

  - 「5个月从离开到融资」的效率是一个创业范本。 TechCrunch的深度报道披露了一个关键细节：Andrew Dai从离开DeepMind到完成$5500万融资，总共只用了5个月。这个效率对于AI创业者有直接的参考价值：① 顶级研究者离开大厂后，第一代资本窗口期只有3-6个月——市场对「前DeepMind研究员」的关注度会快速衰减；② 没有产品时，展示「技术愿景+团队能力+资本背书」的三角验证比实际产品更重要；③ 在2026年的融资环境中，「团队背景」和「技术方向的新颖性」比「商业模式清晰度」更值钱。

  - 对创业者的启发：① 如果你正在AI视觉/多模态方向创业，Elorian的融资意味着这个赛道已经获得顶级资本认可——但同时也意味着竞争门槛在提高；② 「人才溢价」模式不可复制——如果你的团队不是来自DeepMind/OpenAI级别，不要期望拿到同等级别的种子轮估值；③ Elorian的模式（研究实验室→产品）与Thinking Machines的模式（研究实验室→产品）遵循同一路径——2026年的AI融资偏好正在从「有产品的创始团队」转向「有研究背景的创始人在关键方向上」；④ NVIDIA作为LP参与多个AI基础设施/模型公司的投资——意味着NVIDIA正在从「芯片公司」变成「AI生态风险投资公司」。

  类比参考：「视觉AI的「人才IPO」/ 从「图片翻译者」到「视觉推理者」的模型范式跃迁」

  ---

  值得重点跟踪的 3 个信号

  1. WAICO vs 西方AI治理体系的「双轨制」正在形成。 29个国家签约WAICO是一个制度创新的起点，但更引人注目的是它的「不包括什么」——美国、欧盟、英国、日本等主要AI强国不在其中。这意味着全球AI治理正在走向一个「双轨制」：西方主导的OECD/G7 AI原则框架 vs 中国主导的WAICO框架。对于AI创业者来说，这个双轨制意味着：如果你的产品服务全球市场，你可能需要满足两套不同的AI治理标准——未来3年内，WAICO的治理规则将逐渐成形，现在就应该关注其政策走向。 更重要的是，WAICO的成员国主要是「全球南方」国家——这些国家恰好是AI产品增量市场最大的地区。

  2. AI Agent的「硬件入口」竞争正式开启。 Nubia的AI Agent手机证明了AI Agent不再只是云端服务或软件功能——它正在变成一个硬件品类。当你的手机不再是一个「你滑动屏幕然后点击应用」的被动工具，而是一个「你告诉它要什么它就帮你做完」的主动Agent时，用户与硬件的关系被彻底改变了。 Nubia/字节跳动的方案是第一枪，但Apple、Samsung、Google不会坐视不理——预计年底到2026年初，会有大量「系统级AI Agent手机」发布。对于AI创业者来说，这意味着「AI Agent」的基础设施层正在快速标准化（MCP/A2A协议），为上层应用开发者打开了新的机会窗口。

  3. 「无产品融资」模式正在成为AI超级人才的标配。 Elorian ($55M seed, $300M valuation, no product) + Ineffable Intelligence ($1.1B seed, no product) + Thinking Machines ($2B seed, pre-product stage) ——这已经不是个例，而是一个「超级人才融资」的品类。 关键共同点：① 创始人来自DeepMind/OpenAI核心团队；② 技术方向是「下一个前沿」（视觉推理、AGI、开放模型）；③ 早期投资者愿意基于「团队×方向」而非「产品×市场」做决策。对于大多数创业者，这个模式的不可复制性是残酷的现实——但它的确在改变整个AI创业的「入场门槛」：最好的团队不再需要「做出来」证明自己，他们只需要「说出来」——而第二梯队的团队仍然需要通过产品验证来赢得信任。

  ---

  *统计信息：收录 3 个产品/动态 | 融资总额 $0.55 亿(仅含Elorian) | 覆盖赛道：全球AI治理、AI Agent硬件、视觉推理AI*

  1 days ago

• 0716日报 | 开放模型的新玩家与AI部署的现实鸿沟

  
  

  今日洞察

  
  

  今天的五个字：「模型在变强，部署在原地。」

  
  

  7月16日是理性与现实的碰撞日。当Mira Murati的Thinking Machines以9750亿参数的开源模型Inkling正式登台时，AI社区沉浸在「又一位重量级开放模型玩家入场」的兴奋中。但同一天发布的VentureBeat Pulse Research和VB Transform 2026上的两场关键演讲，给出了一个令人清醒的对照——企业AI的部署现实远远落后于模型能力的发展。

  
  

  最重磅的新闻当然是Thinking Machines Inkling的发布。 这位由前OpenAI CTO Mira Murati创立的、以$20亿种子轮创下硅谷纪录的初创公司，今天正式发布了其第一个自研模型。9750亿参数、Apache 2.0开源协议、原生多模态、可控思考力度——以及最引人注目的卖点「抗审查」（resistance to censorship）。在Inkling-Small仅120亿活跃参数就能在SWE-bench上跑出77.6%的背景下，这不仅是Mira Murati对OpenAI的「I told you so」时刻，更是美国开源模型阵营对来自中国的GLM 5.2、DeepSeek V4 Pro和Kimi K2.6的一次正面回击。

  
  

  但同一天，VentureBeat发布的企业AI编排Pulse Research揭示了一个令人不安的数字：71%的企业承认，他们部署的「Agent」中，四分之一或更多只是单轮对话的聊天机器人包装器——而不是真正的多步编排工作流。 研究还显示，40%的企业选择Anthropic Claude作为主要编排平台，Anthropic以超过两倍于第二名微软的优势领先。但核心信息是：企业正在「提前建设编排层」——基础设施已经在投资，但被编排的Agent组合还没有到位。

  
  

  而Amazon AGI Autonomy总监Bryan Silverthorn在VB Transform 2026上的演讲，给出了更刺眼的数据：85%的企业在试点AI Agent，但只有5%将其投入生产。 原因不是模型能力不够，而是「可靠性」——一个通过内部评估但在客户面前失败的Agent案例比比皆是。Silverthorn提出了一个有趣的框架：把Agent当「实习生」来管理——强大但有时会犯错，需要管理技巧而非软件技巧。

  
  

  结论：这一天的关键词是「断层」。** Thinking Machines带来了模型层的新竞争力，但企业AI的部署瓶颈已经不在模型侧——从85%试点到5%生产的差距就是最好的证据。Inkling的发布说明了「开放模型正在成为主流」，但VB Pulse Survey说明「企业在如何用这些模型上还处于非常初级的阶段」。对于AI创业者来说，最大的机会也许不再是「更好的模型」，而是「帮助企业跨越从试点到生产的鸿沟的产品」——从Agent评估、到可靠部署、到实时成本控制。**模型正在变得越来越开放、越来越便宜，但让模型在企业中「可靠地工作」的能力，还没有跟上。

  
  

  ---

  
  

  1. [Thinking Machines开源发布首款多模态语言模型Inkling——Mira Murati的「开放模型宣言」](https://venturebeat.com/technology/thinking-machines-open-sources-first-multimodal-language-model-inkling-focused-on-low-cost-and-resistance-to-censorship)（新产品 / 美国开源模型阵营的新旗手）

  
  

  

  
  

  🔗 链接：[VentureBeat](https://venturebeat.com/technology/thinking-machines-open-sources-first-multimodal-language-model-inkling-focused-on-low-cost-and-resistance-to-censorship) | [Thinking Machines官方](https://thinkingmachines.ai/news/introducing-inkling/) | [Hugging Face](https://huggingface.co/blog/thinkingmachines-inkling) | [WSJ](https://www.wsj.com/tech/ai/mira-muratis-ai-startup-releases-first-model-in-bid-to-loosen-ai-giants-grip-e042bb2b)

  
  

  动态：今天（7月16日），由前OpenAI CTO Mira Murati创立的Thinking Machines Lab正式发布其首款自研模型Inkling。 Inkling是一个9750亿总参数（410亿活跃参数）的Mixture-of-Experts（MoE）多模态模型，以Apache 2.0开源协议发布。同时发布的还有Inkling-Small预览版（2760亿总参数、120亿活跃参数），面向低延迟、低成本场景。模型权重已在Hugging Face和Thinking Machines的Tinker平台上线。API定价：64K上下文窗口$1.87/百万token输入、$4.68/百万token输出，提供50%折扣促销。

  
  

  做什么的：Inkling是一个支持文本、图像、音频原生推理的多模态基础模型，训练数据规模达45万亿token。核心特性包括：可控思考力度（Controllable Thinking Effort）机制——允许开发者根据任务复杂度动态调整模型推理深度；1M token上下文窗口；在Tinker平台上可直接进行微调定制。独特卖点：Thinking Machines明确表示Inkling被设计为「可以就直接回答那些可能被审查的话题」，提供「抗审查」能力——这对企业客户来说意味着更透明的输出。

  
  

  为什么值得关注：

  
  
• **Mira Murati的「I told you so」时刻。** 作为OpenAI前CTO（ChatGPT、GPT-4、DALL-E的核心推手），Murati离开OpenAI后以$20亿种子轮（$120亿估值）创立Thinking Machines的举动曾被质疑为「估值炒作」。**但Inkling的发布证明了这支团队有真正的模型交付能力——9750亿参数、Apache 2.0开源、原生多模态，这不仅仅是「一个创业公司的模型」，这是一个可以与GLM 5.2和DeepSeek V4 Pro正面竞争的选手。** 在SWE-bench Verified上达到77.6%（超过Nemotron 3 Ultra的70.7%），在AIME 2026数学推理上达到97.1%（超过DeepSeek V4 Pro的96.7%），在MCP Atlas agentic工作流上达到74.1%（远超Nemotron的44.7%）。**对于AI创业者来说，Murati的路径是一个重要的创业范本：从大公司核心岗位出走，以创纪录融资建立团队，然后15个月内交付世界级开源模型——这对所有「前大厂AI高管创业」的叙事都是一种验证。**

类比参考**：**「OpenAI的「叛逃者」终于拿出了硬货 / 从「OpenAI前CTO的传说」到「975B参数的现实」的质变」

---

2. [VentureBeat Pulse Research：企业AI编排的「雄心与现实」之间的鸿沟](https://venturebeat.com/orchestration/agentic-orchestration-enterprise-ai-organizations-have-a-deployment-problem-not-a-platform-problem-and-most-are-calling-chatbots-agents)（行业洞察 / 101家企业AI编排全景调查）

🔗 链接：[VentureBeat Pulse Survey](https://venturebeat.com/orchestration/agentic-orchestration-enterprise-ai-organizations-have-a-deployment-problem-not-a-platform-problem-and-most-are-calling-chatbots-agents)

动态：7月16日，VentureBeat发布基于101家企业（员工100人以上）的Pulse Research调查，主题为「企业AI Agent编排」。核心发现揭示了企业AI部署的一个结构性悖论：编排平台正在快速建立，但被编排的Agent本身大多还不是真正的Agent。 调查数据来源为2026年6月单次采样，覆盖技术/软件（44%）、金融服务（17%）、医疗（8%）等行业，81%的受访者为AI解决方案的推荐者、影响者或最终决策者。

做什么的：这是一个对企业AI Agent编排市场的全景调查。调查维度包括：企业使用什么编排平台？选择平台的核心驱动因素？如何评估Agent的成功？部署的Agent中真正「多步编排」的比例是多少？控制平面架构是供应商自管还是混合？以及最关键的——Agent的成本控制是否到位？

为什么值得关注：

类比参考**：**「AI Agent的「皇帝的新衣」 / 从「说自己是Agent」到「真的是Agent」的成熟度跨越」

---

3. [VB Transform 2026 Day 2：Amazon AGI总监×Cohere VP——企业AI从「能力竞赛」到「可靠性竞赛」](https://venturebeat.com/technology/amazon-agi-director-says-ai-agent-reliability-not-capability-is-blocking-enterprise-deployment-at-vb-transform-2026)（行业洞察 / 企业AI部署的两大核心命题）

🔗 链接：[Amazon: VentureBeat](https://venturebeat.com/technology/amazon-agi-director-says-ai-agent-reliability-not-capability-is-blocking-enterprise-deployment-at-vb-transform-2026) | [Cohere: VentureBeat](https://venturebeat.com/technology/cohere-vp-says-enterprise-ai-sovereignty-requires-control-of-the-full-agent-stack)

动态：VB Transform 2026第二天的两场关键演讲给出了企业AI部署的两个核心命题。Amazon AGI Autonomy总监Bryan Silverthorn提出了「可靠性而非能力才是瓶颈」的论点，Cohere产品工程VP Rachad Alao则阐述了「AI主权需要控制完整Agent栈」的立场。 这两场演讲共同构成了7月16日AI行业对企业AI部署最深入的一次诊断。

做什么的：Silverthorn在演讲中分享了他的「四维可靠性框架」（一致性、鲁棒性、可预测性、安全性），以及Amazon AGI实验室内部的「实习生管理哲学」——将Agent视为需要管理的实习生而非完美的自动化工具。Alao则从数据控制、基础设施主权、模型路由和价值定价四个维度，阐述了Cohere对「企业AI主权」的定义。

为什么值得关注：

类比参考**：**「企业AI的「驾照考试」/ 从「这辆车能开到300km/h」到「这辆车在雨天能安全开到60km/h」的评估范式迁移」

---

4. [DeepSeek寻求$740亿估值新一轮融资——中国AI独角兽的IPO前夜](https://www.businesstimes.com.sg/startups-tech/technology/chinas-deepseek-raise-fresh-capital-us74-billion-valuation-ahead-onshore-ipo)（融资 / 中国AI的估值与合规双线叙事）

🔗 链接：[Business Times](https://www.businesstimes.com.sg/startups-tech/technology/chinas-deepseek-raise-fresh-capital-us74-billion-valuation-ahead-onshore-ipo) | [Bloomberg](https://www.bloomberg.com/news/articles/2026-07-15/deepseek-said-to-plan-ipo-as-soon-as-this-year) | [Reuters](https://www.reuters.com/business/retail-consumer/deepseek-slated-draw-7-billion-maiden-fundraising-sources-say-2026-06-03/)

融资信息：约5000亿人民币（$740亿）估值，寻求约500亿人民币（$74亿）的新融资。 DeepSeek于今年6月刚刚完成首轮外部融资（约$74亿，投后估值约$500亿人民币），如今在不到一个月的时间内启动新一轮融资。同时，DeepSeek已开始为在上海科创板（Star Market）上市进行早期筹划，内部目标是在2026年内完成IPO申报。创始人梁文峰的净资产据Bloomberg Billionaires Index已超过$360亿。

做什么的：DeepSeek是总部位于杭州的中国AI公司，以2025年初以远低于美国竞争对手的训练成本发布前沿AI模型而震惊全球。公司正在从纯模型公司向多个方向扩展：自研AI推理芯片（已秘密招聘芯片设计工程师）、扩大数据中心规模、拓展AI Agent业务。此轮融资将用于支持这些大规模资本支出。

为什么值得关注：

类比参考**：**「中国AI的「国家冠军」养成记 / 从「价格屠夫」到「基建帝国」的估值跃迁」

---

值得重点跟踪的 3 个信号

1. 「开放模型三国杀」正式开打——Thinking Machines vs. GLM vs. DeepSeek，美国开源阵营终于有了新的旗手。 2026年上半年的开源模型竞赛基本是中国实验室的独角戏——GLM 5.2、DeepSeek V4 Pro、Kimi K2.6轮番登上benchmark顶端。今天Thinking Machines的Inkling发布打破了这一格局：美国终于有了一个能与这些中国开源模型正面竞争的开源选手。 但更值得关注的是Inkling的定位差异——它不试图在纯benchmark上超越中国对手，而是在「多模态能力×抗审查×可控思考力度×Apache 2.0」的组合上建立差异化。这意味着2026年下半年的开源模型竞争将从「谁的benchmark更高」转向「谁的定位组合更独特」——对于模型层创业者，这是一个重要的产品定位思考：你不需要在所有维度上最强，但你需要在一个独特的组合维度上足够好。 同时，Inkling的发布将加速一个趋势：企业客户在模型选择上有了更多「美国开源」选项，这意味着他们对Anthropic/OpenAI的依赖可能比预期更快地降低。

2. 企业AI的「可靠性鸿沟」正在成为比「能力鸿沟」更紧迫的问题——但大多数AI产品团队还在关注后者。 今天三项数据从三个不同角度指向同一个结论：① VentureBeat Pulse Survey：71%的「Agent」只是聊天机器人包装器；② Amazon AGI总监：85%试点，5%生产；③ 50%的企业经历了「内部评估通过但客户面前失败」的Agent。这三个数据合起来描绘了一个清晰的图景：AI模型的「能力天花板」已经不是企业部署的主要瓶颈——「可靠性天花板」才是。 但大多数AI产品团队仍然在关注「模型能力」——更好的代码生成、更准的问答、更强的推理——而忽略了「模型可靠性」：在变化的环境下是否稳定、在异常输入下是否鲁棒、在失败时是否可恢复。对于AI创业公司来说，这可能是2026年下半年最大的产品机遇：不是做一个「更强的AI」，而是做一个「更可靠的AI」——Agent评估框架、生产环境Agent监控、Agent失败恢复机制，这些都是确定性的产品方向。 如果VentureBeat的数据是对的（85%的Agent在生产门口失败），那「帮助Agent进入生产」就是AI行业最值钱的服务之一。

3. AI模型的资本密度还在加速上升——但企业端的吸收能力没有同步增长，这个错配正在创造结构性机会。 DeepSeek在一个月内从$500亿估值跃升到$740亿，Thinking Machines以$20亿种子轮构建了9750亿参数的模型——模型端的资本投入在加速。但企业端的吸收能力呢？71%的「Agent」是聊天机器人、85%的Agent试点没有进入生产。模型越来越强、越来越贵，但企业还不知道如何有效使用它们——这个「供给侧vs需求侧」的错配，正在创造三类创业机会：① Agent评估和测试工具（帮企业判断一个Agent是否「足够可靠」）；② Agent部署和监控平台（帮企业把Agent从「试点」推进到「生产」）；③ AI FinOps工具（帮企业理解和管理不断上升的模型消耗成本）。 昨天的1Password AI支出管理产品、今天的VentureBeat Pulse Survey的「27%企业没有Agent成本控制」数据，都在指向同一个方向：企业AI的下一个瓶颈不是「更好的模型」，而是「管理好已有模型的能力」。

---

*统计信息：收录 4 个产品/动态 | 融资总额 $74亿（DeepSeek $74亿新一轮） | 覆盖赛道：开源多模态模型、企业AI Agent编排、Agent可靠性评估、AI主权架构、中国AI资本市场*

*封面图生成失败（API配额不足），请手动生成或使用 toolkit/image_gen.py 生成*