### [Emergent 榜单梳理：29 家 AI 创业公司为何都在押注具体工作流](https://www.zuoshipin.com/article/66172)

**Published:** 2026-11-09T09:09:24

**Author:** 天才交易员

**Excerpt:** Newcomer 与 Felicis 的 Emergent 榜单列出 29 家 AI 创业公司。本文保留原文的…

**导读：**Emergent 榜单收录 29 家由创业者提名的 AI 公司，覆盖 Agent 基础设施、个人智能体、企业自动化、科研、创作、机器人与工业服务。它反映的是推荐人与榜单组织方观察到的早期方向，不构成融资、投资、采购或产品能力背书；文中融资、客户、计划和性能信息均以原文披露为准。

![Emergent 榜单所覆盖的 AI 创业赛道概览](https://admin.zuoshipin.com/wp-content/uploads/2026/11/emergent-ai-startups-source-01.webp)

Emergent 榜单所覆盖的 AI 创业赛道概览

“好吃的要去问厨子，好产品和好公司应该去问创业者。”

**最近，Newcomer 联合顶级风投 Felicis 推出了 Emergent 榜单，列出29家目前最值得关注的创业公司。Felicis 是 Google 早期产品经理 Aydin Senkut 在 2006 年创立，早期投过 Shopify、Canva这些项目，也是Runway、Tines 和 Mercor 的投资方。**

**这份榜单吸引我们的地方在于，与大多榜单不同，这个榜单中列出的AI创业项目由Runway、ElevenLabs、Glean、Fireworks AI、Tines、Crosby 等一众独角兽与前沿科技公司的创始人们亲自提名推荐。**

创始人往往有更一线的洞察。比如，Vercel 的 Rauch 推荐 Armature，因为用户开始通过 ChatGPT、Claude 和编程 Agent 使用软件，软件公司需要知道这些 Agent 怎样选工具、在哪里卡住。Runway 推荐的是能接进动画师现有流程的 Cartwheel，同时也参与过它的融资。

这份名单跨越了

## 软件开发与交付

软件开发与交付、AI infra、

## 个人智能体

Personal Agent、企业自动化、AI4S 、AIGC、具身、工业服务等 8 个赛道。某种程度上，这也是 AI 创业最火热、需求最高赛道的代表。由于是早期项目，他们更关注单点场景的突破，而不是做大而全的公司。

![29 家 AI 创业公司的赛道分布与工程落地方向](https://admin.zuoshipin.com/wp-content/uploads/2026/11/emergent-ai-startups-source-02.webp)

29 家 AI 创业公司的赛道分布与工程落地方向

我们整理了这个名单，结合 founder 推荐给出介绍，期待这份榜单所呈现的一线工程实践与创业方向趋势，能够给国内的投资人与创业者带来新的启发。

**软件开发与交付**

AI 可以更快写出一段代码，企业还得把代码变成能用的系统，或者跑完测试再上线。Hercules 和 Peak 分别做这两件事。

1. **Hercules｜**

**产品概述**

**Hercules 是一套面向企业用户的全托管 AI 应用开发平台。**一家小企业想做库存管理系统，可以直接告诉 Hercules 要录入什么、让谁审批、给谁看库存。它会生成可使用的网页应用，数据库、账号权限、支付、托管和备份也由平台提供。除了库存，客户还可以用它做 CRM、员工后台和客户门户。

**为什么值得关注**

由 Brendan Falk 与 Grant 联合创立，两人也是此前热门终端工具 Fig（已被 AWS 收购）的创始团队。它解决的是传统无代码（No-code）平台前后端分离、配置繁琐的真实痛点。项目由 Rogo 创始人 Fireworks AI 联合创始人 Lin Qiao 推荐，强调它用开放权重模型做应用生成，让这笔账更好算。

2. **Peak｜**

**产品概述**

**Peak 是一个面向研发团队的云端自动化测试与构建（CI）加速平台。**Peak 可以直接承接 GitHub Actions 中的任务，提供云端运行环境，并自动保留依赖包与构建缓存，大幅减少重复准备环境的时间。目前也在测试基于 AI 的代码自动修复能力。

**为什么值得关注**

成立时间和融资金额均未公布。项目由 Rogo 创始人 Gabriel Stengel 推荐。对于支持的 Ubuntu 任务，团队通常只需修改一行配置即可无缝切入；其特有的“影子模式（Shadow Mode）”允许同一批测试在原平台和 Peak 上并行比对耗时与准确率，用企业自己的实际项目零风险验证提效成果。Peak 的卖点很容易验证。

## Agent 基础设施

Agent Infra

在agent时代，围绕agent各个部分做基础设施是有大量需求的。这其中也诞生了许多拥挤的方向，比如做agent的visa，做agent风控，这些创业公司仍然需要证明自己的差异性与不可替代性。

1. **Agent card｜**

**产品概述**

**给 Agent 配银行卡，让 Agent 能够自己在线消费。**Agent card解决的是传统 Agent 可以帮用户搜索商品、填写订单，但到了支付环节，往往需要人类介入这个问题。

**为什么值得关注**

Karen Serfaty担任CEO，此前创立过企业费用管理公司 Atlas，Atlas 后来被 Remote 收购，他成为 cards 业务负责人。Vercel 联合创始人兼 CEO Guillermo Rauch 认为，Agent 应该拥有完全自主的在线支付能力，Agentcard 正在为 Agent 创业公司、消费应用和 B2B 企业提供支付基础设施。当然，这个赛道注定拥挤，有Stripe、visa这样的巨头进场，也有更多的创业公司与之产生直接竞争。

2. **Armature｜**

**产品概述**

**关注Agent Experience（AX，智能体体验），做 Agent 可观测性、测试和优化。**Armature专注研究 Agent 如何使用产品，主要做Agent 行为分析、Agent 自动化测试、Agent 可发现性（面向Agent 的获客和分发优化）

**为什么值得关注**

把 GEO 的逻辑延伸到了 Agent 工具选择。Vercel 联合创始人兼 CEO Guillermo Rauch 他提到，用户通过 Claude、ChatGPT 和 Coding Agent 访问产品正在成为新常态，Armature 能够记录 Agent 与产品交互的过程，让企业了解用户向 Agent 提出了什么问题，以及 Agent 如何使用自己的产品。也许，未来软件公司会像今天购买用户分析工具一样，购买 Agent 分析和测试工具。创始人曾在 Palantir 担任 Forward Deployed Engineer，之后加入 Datadog 分拆出来的 Tsuga，负责从零搭建可观测性基础设施。另一位成员Louis则在消费应用 Joko 负责 AI 自动化。

3. **Arrakis Security｜**

**产品概述**

**为企业 Agent 提供安全监控和权限管理，防止 Agent 越权操作、访问敏感数据或触发安全风险。**Arrakis Security主要有三个能力：扫描企业部署的 Agent，识别权限配置和潜在安全风险；实时监控 Agent 行为，发现异常操作并及时阻断；建立 Agent 的行为基线，判断其操作是否偏离正常任务范围。

**为什么值得关注**

ElevenLabs 联合创始人兼 CEO Mati Staniszewski 推荐了 Arrakis Security。他认为，过去的安全工具主要围绕人类使用机器设计，而 Agent 已经开始自主操作 CRM 和金融系统，Arrakis 正在解决 Agent 自主行动带来的新安全问题。Agent Security 因此可能成为企业规模化部署 Agent 的必要基础设施。它不仅可以管理 Agent 的访问权限，还能延伸到监控和约束 Agent 这些实际行为。目前，他们已经完成了 800 万美元种子轮融资。

4. **Convergent｜**

**产品概述**

**帮助企业从真实 Agent 使用记录中发现问题，自动生成测试环境，并调用 Coding Agent 修复问题。**Convergent 专注做 Agent 可靠性，它主要解决 Agent 在真实生产环境中容易出现错误、但开发团队难以复现和修复的问题。

**为什么值得关注**

团队人员曾在 DeepMind、Meta、Mercor、Perplexity、Glean 等公司工作。目前产品主要面向法律、金融、人力资源、SRE 等垂直领域的 Agent 公司。

Crosby 创始人兼 CEO Ryan Daniels 推荐了 Convergent。他认为，Convergent 能够从生产环境的 Agent 执行记录中挖掘失败案例，构建高保真测试环境，再调用 Coding Agent 直接修复问题。这让Agent 工具向自动化运维与自我改进进一步延伸。

5. **Mnemom｜**

**产品概述**

**做Agent信任基础设施。**为 Agent 建立一套可信身份、行为验证和安全治理体系，让企业能够在 Agent 执行任务前验证其行为，并留下可追溯的加密凭证。

**为什么值得关注**

LinkedIn 联合创始人 Reid Hoffman 推荐了 Mnemom，它把 Agent 安全从事后监控推进到事前约束，并进一步建立跨 Agent 的信用评价体系。当大量 Agent 需要相互委托任务、交易和协作，独立、可验证的信任机制可能成为重要基础设施。创始人 Alex Garden 此前创立过食品科技公司 Zume， CTO Wassim Wehbi，此前在 Microsoft 工作超过 14 年，曾负责企业 Agent 自动化相关工程。

6. **Martian｜**

**产品概述**

**为 AI 应用提供模型路由。**Martian 会根据任务需求，评估不同模型的能力、成本和响应速度，在运行时动态选择模型，也支持将任务分配给多个模型协同处理。开发者可以通过统一接口接入不同模型，不必为每个应用单独维护模型选择逻辑。

**为什么值得关注**

**Mercor 联合创始人兼 CEO Brendan Foody 推荐了 Martian，他认为随着模型数量持续增长，为每项任务选择合适的模型将成为核心基础设施，**

Martian 已经在这一方向取得了领先进展。Martian在2022年创办，曾获 NEA 和 Prosus Ventures 领投的900 万美元种子轮融资。模型路由同样是拥挤的赛道。Martian主要面向 AI 应用开发者和开发团队，研究模型对不同 Prompt 的表现，以便预测质量与成本。

7. 

**相关站内导航：**原文提到端侧推理与个人智能体的基础能力，可延伸阅读 MNN 本地模型部署与推理框架：  
[https://www.zuoshipin.com/link/66049.html](https://www.zuoshipin.com/link/66049.html)

Mirai Labs｜

**产品概述**

**为手机和电脑提供端侧 AI 推理引擎。**主要做端侧模型，优化模型在 Apple Silicon 等设备上的本地运行效率，并通过模型与硬件协同优化，降低内存占用和推理成本。

**为什么值得关注**

如果未来 personal agent需要持续感知用户需求、理解上下文并实时执行任务，端侧推理可能成为重要的底层能力。ElevenLabs 联合创始人兼 CEO Mati Staniszewski 特别提到，团队此前创立了 Reface 和 Prisma，已经有将端侧 AI 产品推向数亿用户的经验。Reface 是 AI 换脸和视频生成应用，累计用户达到数亿。Prisma是 AI 图片应用，曾达到约 1 亿月活跃用户。

8. **Tako｜**

**产品概述**

**为 Agent 提供结构化数据和实时搜索 API，让 Agent 能够获取可靠、最新的信息，而不只是依赖模型自身的知识。**

Tako 主要提供四类 API：

Search API：从经过整理的数据源和网络中搜索信息。

Answer API：针对自然语言问题提供带引用的答案。

Contents API：获取网页内容及其背后的结构化数据。

Agent API：支持异步深度研究和数据补充。

**为什么值得关注**

CEO Alex Rosenberg 曾任职于 Amazon ，CTO Bobby Abbott此前在加密货币投资机构 Paradigm 工作。

Imbue 联合创始人兼 CEO Kanjun Qiu 推荐了 Tako，她也是这个产品的用户，Tako 聚合并清洗了大量不同来源的数据，让大模型能够以更合理的方式读取和分析信息。她在使用中感受到 Tako 能够回答复杂的数据分析问题，并提供高质量数据。我们认为，这也能降低 Agent 获取和处理信息的成本。

9. **Attention Engineering｜**

**产品概述**

**记录用户在电脑上的操作和工作上下文，为 Agent 提供持续、可检索的个人记忆。**公司目前推出的产品是 Coast，它主要做上下文采集、记忆检索、Agent 上下文支持。

**为什么值得关注**

Agent 要持续协助用户工作，就需要知道用户之前做过什么、看过什么、作出过什么决定。Snorkel AI 联合创始人兼 CEO Alex Ratner 推荐了 Attention Engineering。他关注的是用户在电脑操作过程中产生的上下文，也就是所谓的「analyst exhaust」，这些数据可以为 AI 提供更丰富的背景信息和训练信号，让模型变得更加专业和个性化。

**Personal Agent**

Ghost 想用一台专用电脑，获得个人 Agent 持续运行所需的算力和数据。Tomo 则从用户每天都在用的消息软件切入。

1. **Ghost (Core)｜**

**产品概述**

**Ghost 推出的首款产品 Core 是一台售价 3,499 美元、主打免订阅的无屏个人 AI 硬件设备。**它在本地运行模型，接上用户的应用、文件、穿戴设备和智能家居，让 Agent 在后台持续工作。用户可以把提醒、日程和设备操作等任务交给它。

**为什么值得关注**

Crosby 的 Ryan Daniels 提名了 Ghost。项目由 19 岁的连续创业者 Zain Javaid 创立，获得 a16z 1100 万美元种子轮领投。产品主打“一次买断、无需订阅”。但对于没有屏幕的家庭硬件，用户花大价钱期待的是像家电一样稳定的“确定性交付”。因此，AI Agent 在工作时容错率极低，一次误操作就可能破坏用户信任，从demo走到真实的日常使用或许仍有体验落差。

2. **Tomo｜**

**产品概述**

**Tomo 是一款面向 C 端普通消费者的聊天型生活助手。**用户只需通过随手发消息的方式，让它帮忙安排每日计划、监督习惯养成、记住几周前的细节（如面试准备），以及加入群聊协助组织活动。

**为什么值得关注**

Tomo 团队吸纳了 Retool、Harvey 等知名企业的工程师。2026 年 6 月，公司宣布完成 500 万美元种子轮融资，由贝恩资本创投领投，Accel、Conviction、Pear VC 等参投。

抛开概念叙事，这类 Personal Agent 的核心考验在于三大底层难题：推理成本与 C 端付费意愿的剪刀差、长短期记忆（Memory）架构的工程化设计，以及主动提醒（Proactive）交互边界与打扰度的微妙平衡。

## 企业自动化与职场工具

企业自动化与职场工具

agent进入组织，怎样能更好融入？以及它对工作的提升到底能有多大？这是个仍需要被记录、量化的事情。这也诞生了许多场景与业务。其中，特别推荐一下SkillBench，它关注AI普及后，人类员工技能的变化，可以追踪工作过程、分析人机贡献。

1. **Ampersand**

**产品概述**

**为企业建立一套动态的运营模型，让 AI 理解业务如何运转，并据此优化流程、评估 Agent 和构建自动化。**

**为什么值得关注**

由 Jai Kondapalli、Joey Wang、Josh Dresner 创立，团队来自 Palantir、OpenAI 和 Google。它可以将企业的业务流程和实际操作转化为持续更新的运营模型。

企业部署 Agent，难点不只是让模型学会使用工具，还要让它理解企业内部复杂的业务流程和实际运行方式。Ampersand 做的东西是让 AI 获得一张持续更新的企业运营地图。Crosby 创始人兼 CEO Ryan Daniels 提到，已有领先的 AI 原生服务公司可以使用 Ampersand 理解企业运营、重新设计业务流程、评估 Agent，并加速工程开发。

2. **Conway｜**

**产品概述**

**基于企业实时事件流训练预测模型，帮助企业做出定价、推荐和信用评估等业务决策。**Conway 的核心思路是将企业分散的数据转化为模型可以学习的事件序列，再利用模型预测未来结果。

**为什么值得关注**

企业很多关键决策依赖的是对未来结果的预测。例如，用户是否会购买、某笔交易是否存在风险、某个价格是否更容易促成成交。这类问题需要模型从大量真实业务事件中学习，Conway 可以将实时业务数据转化为可持续训练的预测能力，让企业能够根据不断变化的业务环境调整决策。Mercor 联合创始人兼 CEO Brendan Foody 推荐了这个项目。创始人做过记者，曾担任非营利创业加速器 Prod 的负责人，也在 Andreessen Horowitz 的加密货币团队从事投资工作过。

3. **Nowadays｜**

**产品概述**

**用 Agent 承接企业活动策划，从场地寻找、供应商沟通到价格谈判，自动完成活动筹备。**Nowadays 主要服务企业团建、公司年会、行业会议和商务活动等场景\_场地与供应商搜索、自动沟通与谈判、方案比较与活动管理。

**为什么值得关注**

Nowadays 看起来已经找到了AI落地场景。企业活动策划其中大量工作其实是重复的信息搜集、邮件沟通、报价比较和供应商协调。这些任务有明确目标和执行步骤，天然适合Agent 承接。ElevenLabs 联合创始人兼 CEO Mati Staniszewski 提到，Nowadays 已经为 Google、Amazon 和 Notion 等企业规划活动。

创始人 Anna Sun 此前曾在 Datadog、DoorDash 和 Amazon 担任产品经理及软件工程师， COO Amy Yan曾在 Google、Meta 和 McKinsey 从事战略与运营工作。

4. **Scuba｜**

**产品概述**

**为团队和 Agent 建立共享记忆，让分散在不同成员和工具中的工作上下文能够被持续记录、检索和复用。**Scuba 定位是团队与 Agent 的 Shared Context Engine（共享上下文引擎）。它主要解决团队信息分散、经验难以沉淀的问题。

**为什么值得关注**

由前 Slack 产品负责人 Noah Desai Weiss 和 Dolapo Falola 创立。Scuba 补上的是团队层面的记忆能力，让不同成员和 Agent 能够共享经验与上下文。当企业越来越多地使用不同的 Agent，团队需要的可能不只是更多自动化工具，还需要一层能够连接人与 Agent 的共享知识系统。Abridge 联合创始人兼 CEO Shiv Rao 特别看好创始人 Noah Desai Weiss，他认为在竞争激烈的 AI 原生办公赛道，创始团队对产品的判断力和审美将成为脱颖而出的关键。

5. **SkillBench｜**

**产品概述**

**分析员工如何使用 AI coding工具，衡量 AI 对工作效率和员工技能的影响，帮助企业优化人机协作。**SkillBench 关注 AI 自动化普及后，员工的技能如何变化。它主要围绕开发者使用 AI 编码助手的过程建立分析体系：工作过程追踪、人机贡献分析、技能变化分析。

**为什么值得关注**

创始人是加州大学圣塔芭芭拉分校教授，研究人类与机器人、AI 的协作关系，著有《The Skill Code》。LinkedIn 联合创始人 Reid Hoffman 认为，AI 自动化的最大回报将属于那些能够同时提升员工个人潜力的企业。SkillBench 希望帮助企业在自动化更多任务的同时，让员工逐渐承担更需要判断力、专业能力和人际关系的工作。比如，AI 可以帮助开发者更快地完成代码编写，但如果员工逐渐减少独立思考、调试和解决问题的机会，短期效率提升也可能伴随长期技能退化。

## AI for Science：医疗与生物研究

AI4S：医疗与生物研究

生命科学领域的 AI 落地正在向深水区挺进：临床需要“无幻觉的信任”，生物研究需要“可调用的智能体”，而干实验则急需“物理世界的真实反馈”。

1. **Almanac Health｜**

**产品概述**

**Almanac Health 为医生提供临床 AI 助手 Almanac Chat。**医生可以用文字或语音提问，查指南和论文、做临床计算，也可以根据问诊笔记起草文档。接通电子病历后，可以从患者病历进入对话，让系统把相关的病史作为上下文。

**为什么值得关注**

创始人 Cyril Zakka在斯坦福研究过用于临床的检索增强生成，后来负责 Hugging Face 的健康 AI 工作。2025年成立，2026 年 4 月披露 1000 万美元种子轮，F-Prime 领投，General Catalyst、Lightspeed 参与。

Almanac Health能迅速追到来源，再结合病历复核。Glean 创始人 Arvind Jain 看中的正是它把可信的证据带进诊疗工作。

2. **Phylo (Biomni Lab)｜**

**产品概述**

**Phylo 推出的 Biomni Lab 是一个给生物研究员用的 AI 工作台。**研究员可以把实验数据交给 Biomni Lab，请它检索文献、调用生物数据库和计算工具，分析数据或查看蛋白结构，再把过程和结果带回同一个项目里。它也能协助规划下一步实验。

**为什么值得关注**

Phylo 源于 2024 年在斯坦福启动的 Biomni 开源项目，2026 年 2 月披露 1350 万美元种子轮，a16z 和 Menlo Ventures 的 Anthology Fund 共同领投。Fireworks AI 的 Lin Qiao 看中的是团队能针对生物任务定制开放权重模型。对科研人员，产品的用处还在于减少在数据库、命令行工具和文献之间来回切换。分析过程能否复现、引用能否对上原文，决定它能替研究者承担多少工作。

3. **Instance Bio｜**

**产品概述**

**Instance Bio 是一家替生物模型开发者做实验、交付数据的公司**。客户提交目标抗原和候选序列后，Instance 在自动化湿实验室中跑通实际实验与测序，交付结构化数据，方便客户筛选分子或用于下一轮模型训练。

**为什么值得关注**

联合创始人兼 CEO David Scott 曾任职于基因编辑/合成生物学独角兽 Arbor Biotechnologies，Adept 联合创始人 David Luan 看重的是实验本身可以被重新设计。不过，AI 可以在电脑中设计千万种候选分子，但缺乏真实物理反馈。

## AIGC 与创作工具

AIGC 与创作工具

下面三个项目项目无一例外地选择“下沉并嵌入专业创作者的已有工作流”，不再追求傻瓜式创作和一键生成。

1. **Cartwheel｜**

**产品概述**

**Cartwheel 是一套面向动画、游戏和影视团队的 3D 角色动作生成插件。**用户可通过参考视频或文本生成角色动作，并支持动作重定向与 API 导出，无缝接入 Unreal Engine、MetaHuman 等主流三维引擎。

**为什么值得关注**

由前 OpenAI 科学家 Andrew Carr 与前 Google 创意总监 Jonathan Jarvis 联合创立，累计融资 **1560 万美元**。它放弃了“一键生成完整成片”的玩具路线，死磕专业动画制作管线。Runway 的 Cristóbal Valenzuela 看中它能接进现有制作流程。

2. **Resin｜**

**产品概述**

**Resin 是一款为音乐制作人打造的局部分轨声部生成器。**音乐人可以从一段鼓点或旋律切入，让 Resin 局部生成适配的贝斯或其他配器，并将其带回数字音频工作站（DAW）中继续编辑。

**为什么值得关注**

Runway 的 Valenzuela 看中的是它参与音乐人已经开始的创作。创始人 Pedro Tsividis 兼具爵士乐手/鼓手与 MIT 认知科学研究员的双重背景。产品保留了创作者对作品的绝对掌控权，不搞“一键全自动生成”，而是聚焦于乐理上下文感知与协同助攻。

3. **Wonder Studios｜**

**产品概述**

**Wonder Studios 是一家结合 AI 与传统电影制作的全案成片交付服务商。**业务覆盖品牌广告、MV 和原创影视项目，直接对最终交付的视觉效果与成片质量负责。

为什么值得关注

Wonder Studios 创始团队涵盖 ElevenLabs 、Turo 、Lumiere Ventures 等多个公司高管。公司累计融资超过 1,500 万美元。ElevenLabs 的 Staniszewski 押注的是制作公司能凭 AI 提高效率，靠作品和 IP 获取回报。

## 机器人与脑机接口

机器人与脑机接口

AI 正在从屏幕内走向重力、神经和复杂的实体世界。

1. **Enigma｜**

**产品概述**

**Enigma 致力给不同厂家的机器人做可共用的智能和操作软件。**用户可以通过语音或简单界面告诉机器人想做什么，Enigma 的模型和软件负责把指令变成机械臂等设备能执行的动作。

**为什么值得关注**

成立于 2025 年，2026 年 7 月完成 **7100 万美元种子轮**，Index Ventures 与 Ribbit Capital 领投，Conviction 等参与。Cartesia 的 Karan Goel 看中它试图兼容不同机器人。

Enigma 破解了机器人行业“换一套硬件就要重写控制代码”的碎片化痛点。早期曾通过将百台真实机器人挂上网供公众远程测试，收集了宝贵的高质量物理交互数据。

2. **Icarus Robotics (Joy)｜**

**Icarus Robotics 开发适用于太空站微重力环境的特种机器人**， Joy。该机器人采用自由飞行机体与双机械臂，专为空间站内的物品搬运、维护检查和科研辅助而设计，计划于 2027 年部署至国际空间站。

**为什么值得关注**

Tines 的 Eoin Hinchy 的推荐语特别强调太空站人力稀缺、昂贵，很多工作重复性很高等问题。联合创始人兼 CEO Ethan Barajas 曾参与 NASA HUNCH 太空技术研发项目，CTO Jamie Palmer 是资深机器人硬件专家。项目于2025 年 9 月完成 610 万美元种子轮融资。

Enigma 避开了地面人形机器人极其内卷的赛道，直接切入宇航员人工成本昂贵、空间受限的极强刚需场景；采用“前期人类遥操作积累数据，后期渐进式自主”的高安全性路线。但它目前更贴近一个仍在探索通用控制范式的研发项目。

3. **Alljoined｜**

**产品概述**

**Alljoined 专注于研发戴在头上的非侵入式脑机接口和解码模型。**人在屏幕上看不同图像时，设备采集头皮脑电，模型尝试从信号中恢复视觉信息。团队用消费级设备收集了 20 位参与者的脑电数据，发布了包含 160 多万次视觉刺激试验的数据集。

**为什么值得关注**

项目成立于 2024 年，未披露融资金额。Runway 的 Valenzuela 关心的是，扩大数据规模能否改善低成本脑电设备的解码效果。

消费级脑电更容易采集，信号也更弱。Alljoined 目前展示的是受控视觉实验里的进展，距离在日常环境里稳定使用，还要解决跨人、跨设备的问题。

## 能源与工业服务

能源与工业服务

下面两家公司都直接面对工程项目。一家做电力和能源基础设施的设计服务，一家为海上运输开发船舶和物流方案。

1. **Mistos｜**

**产品概述**

**Mistos 是一家把 AI 用进电力项目的工程服务公司。**新建电站或能源设施，要完成设计计算、方案比较和工程文件等工作。Mistos 尝试用 AI 加快这些步骤，为项目业主交付工程成果。

**为什么值得关注**

Unconventional AI 的 Naveen Rao 关注数据中心新增电力供给背后的工程周期。对于电力项目业主，这家公司的价值可以用做完一套工程设计花了多久、成本降了多少来衡量。商业模式沉稳且务实。

2. **Agrippa Industries｜**

**产品概述**

**Agrippa Industries 是一家聚焦海运物流与特种船舶研发的硬核科技公司。**基于已有商业船舶设计，开发低成本的海上物流方案，涵盖船舶设计调整、布放回收与货物装卸。

**为什么值得关注**

项目起源于著名的 Stanford“Hacking for Defense”科研孵化项目，由Snorkel AI 的 Alex Ratner 提名。团队在海事工程与特种机械领域积累深厚。于 2026 年 8 月获得约 1,900 万美元的相关研发合同（计划于 2029 年完成），是一家深度绑定国家级特种物流基建的实体研发企业。

## 从榜单看 AI 创业的工程化方向

小结

事实上，对比国内与海外的 AI 市场，大家在底层认知与场景痛点上展现出了极强的相似性：行业不再为纯粹的技术叙事买单，资本与创业团队也正全面转向更具确定性的工程落地。

这也解释了为什么这一轮的创投焦点迅速向**基础设施、具身硬件与端侧开源**倾斜，占比接近 50%。无论是建立 Agent 的安全与信任治理机制，借助个人设备与机器人探索物理连接，还是通过开源模型与端侧计算压缩推理成本，都在指向同一个核心——关注落地场景，重建使用者对 AI 交付的确定性信任。

我们还能观察到两边团队共同面对的硬考题：个人助手的长期留存、内容工具的专业化、企业应用的可靠性，以及科研和工业场景的验证周期……

归根结底，当模型能力渐趋同质化，单靠技术架构已不足以形成绝对壁垒。未来的胜负手，属于那些能够深入业务工作流、组织复杂全案交付，并从真实使用中持续积累数据闭环的团队。“远离”红海概念，扎进产业深处，才是跨越周期的硬核护城河。

## 扩展阅读

关注端侧模型与个人智能体的基础能力，可查看：  
[https://www.zuoshipin.com/link/66049.html](https://www.zuoshipin.com/link/66049.html)

**Tags:** AIGC, AI创业, AI科研, Emergent榜单, 智能体基础设施

**Categories:** AI资讯

---