29家早期公司，谁是下一个独角兽？硅谷顶级创业者给出了一个名单

下一家改变行业的公司，可能还没有进入大多数人的视野。

近日，硅谷科技媒体 Newcomer 联合风险投资机构 Felicis 发布了一份名为“Emergent”的创业公司榜单，邀请许多知名创始人推荐他们看好的早期创业公司。

Vercel 创始人 Guillermo Rauch、Runway 创始人 Cristóbal Valenzuela、ElevenLabs 联合创始人 Mati Staniszewski，以及 LinkedIn 联合创始人 Reid Hoffman 等人参与推荐，最终有 29 家公司入选。

这些公司的融资阶段均不超过种子轮。从 Agent 的支付、安全和管理，到机器人、AI 医疗、生物科技以及音乐影视制作，29 家公司的业务分布相当广泛。在 AI 创业公司不断涌现的当下，这份榜单提供了一个观察硅谷创业风向的窗口。

（来源：Newcomer）

Agent 基础设施：AI 开始需要支付、安全和管理系统

在 29 家公司中，围绕 Agent 的工具和基础设施占据了相当大的比重。随着 Agent 开始替用户购物、操作企业软件，甚至独立执行复杂任务，支付、安全、权限管理和可靠性等需求逐渐浮现。

支付就是其中一个新市场，由 Karen Serfaty 和 Felipe Abello 创立的 Agentcard，希望让 Agent 能够自主完成线上交易，包括购买商品和订阅服务。Vercel 创始人 Guillermo Rauch 看好这一方向，因为当 AI 从提供建议走向实际执行任务，支付能力就成为连接数字服务与商业活动的重要环节。

随着 Agent 获得更多操作权限，安全管理也变得更加复杂。初创 Arrakis Security 可以发现企业内部运行的 Agent，分析其行为，并在发现风险时阻止或撤销操作。ElevenLabs 创始人 Mati Staniszewski 在推荐中指出，传统安全工具主要围绕人类用户设计，如今企业的客户管理和财务系统开始出现能够自主执行任务的 AI，安全体系也需要随之调整。

LinkedIn 联合创始人 Reid Hoffman 关注的则是操作记录与信任问题。他看好的初创 Mnemom，能够为 Agent 的每次行动生成可验证记录，并将实际行为与企业指令进行比对，让管理者能够追溯任务的执行过程。

(来源：mnemom）

类似的需求也出现在 Agent 的可靠性上。初创 Convergent 尝试从实际运行记录中寻找失败案例，将其转化为评测环境，再利用编程 Agent 修复问题。它已面向法律、金融、人力资源等领域开展业务，重点解决 Agent 在真实场景中反复出错的问题。

另一家公司 Ampersand 则进一步深入企业内部，通过分析员工操作和业务流程，建立持续更新的企业运营模型，用于规划自动化任务、评测 Agent 和改进工作流程。其创始团队来自 Palantir、OpenAI 和 Google。Crosby 创始人 Ryan Daniels 同时推荐了这两家公司，看重的是它们对企业真实工作流程的理解。

除了安全和可靠性，模型选择与推理成本也在形成独立市场。初创 Martian 开发了一套模型路由系统，根据任务需求实时选择合适的大模型，帮助企业控制推理费用。另一家公司 Conway 则开发预测基础模型，将企业实时业务数据用于商品推荐、价格制定和信贷评估等场景。

还有一批公司正在完善 Agent 获取信息、使用软件和完成开发任务的能力。

例如，初创公司 Armature 记录 Agent 通过 MCP 服务、Claude 连接器和 ChatGPT 应用访问产品的过程，帮助开发者了解用户如何与软件交互；Attention Engineering 收集用户操作电脑时产生的上下文，为个性化 AI 提供更丰富的信息；Tako 则将不同来源的数据整理成语言模型能够理解和查询的形式，帮助用户完成复杂分析。

公司 Peak 关注的是 AI 编程带来的新瓶颈。当代码生成速度越来越快，持续集成和自动化测试需要跟上。它提供更快的代码构建环境，推荐资料称其已运行数百万项持续集成任务。

（来源：DeepTech 制图）

在 Felicis 创始人 Aydin Senkut 看来，未来的 Agent 经济需要大量配套设施。他在 Newcomer 的访谈中提出，当数百万甚至数十亿个 Agent 开始通过 API 搜索信息、使用服务并执行任务，身份管理、安全和数据基础设施的重要性还会继续上升。

从支付、安全到模型路由和运行评测，这些公司正在围绕 Agent 的实际使用建立一套新的配套系统。随着企业部署规模扩大，这些细分需求也可能孕育出新的基础设施公司。

AI 原生应用：从通用聊天工具走向具体工作场景

基础设施之外，另一批创业者开始把 AI 带入企业与个人的日常工作。相比通用助手，它们选择的应用场景更加具体，产品价值也更容易通过节省的时间和完成的任务来衡量。

企业活动策划就是一个例子。由 Anna Sun 和 Amy Yan 创立的 Nowadays，开发了能够帮助企业筹办活动的 Agent，从寻找场地、联系供应商到比较报价、协商合作条件，都可以交给 AI 处理。据 ElevenLabs 创始人 Mati Staniszewski 介绍，Google、Amazon 和 Notion 等公司已经使用其服务。

这类工作的特点是流程繁琐，需要大量邮件沟通和多方协调，但最终决策仍然由人完成。Nowadays 希望将重复性较高的工作自动化，让活动负责人把精力集中在方案选择和现场执行上。

另一家名为 Hercules 的公司，把 AI 用于企业软件开发。用户通过与 Agent 对话，就可以创建客户关系管理系统、库存管理系统等业务应用。它采用开放权重模型，希望以较低成本提供软件生成能力。Fireworks AI 创始人 Lin Qiao 看好这一模式，认为它能够降低企业开发定制软件的门槛。

面向个人用户的产品也在探索新的市场，Tomo 由 Justin Quan 和 Raymond Chen 创立，正在开发处理日常事务的 AI 助理。推荐它的 Josh Tobin 特别提到，这款产品正在硅谷科技圈以外的人群中获得用户，显示出面向普通消费者的 AI 应用也在逐步扩大受众。

（来源：Tomo AI）

不过，个人 AI 助理正在成为竞争最为激烈的赛道之一。最近几个月，OpenAI、Meta、Apple 和 Google 等科技巨头相继推进个人 Agent 产品，从管理日程、处理邮件到购物和跨应用操作，都在争夺用户日常生活中的 AI 入口。

对于 Tomo 这样的初创公司，接下来的竞争难度可能进一步增加。大型科技公司已经拥有庞大的用户基础，以及操作系统、社交平台或办公软件等入口，能够更方便地将个人 Agent 融入现有产品。

另外两家公司将目光投向办公与组织管理。Scuba 由前 Slack 首席产品官 Noah Desai Weiss 联合创立，正在探索 AI 原生办公产品。Abridge 创始人 Shiv Rao 看重其团队在协作软件领域的经验。SkillBench 则关注员工在 AI 时代的能力发展，帮助企业识别适合自动化的任务，同时培养员工的专业技能和判断力，获得了 Reid Hoffman 的推荐。

（来源：DeepTech 制图）

硬件与机器人：AI 从屏幕走向物理世界

与软件领域相比，机器人创业一直面临更高的研发成本和更复杂的商业化难题。但随着模型在感知、学习和任务执行方面取得进展，投资人开始重新审视这一市场。

一些创业者选择从机器人软件入手。Enigma 由 Jonathan Jacobi 和 Gal Niv 创立，希望开发适用于不同机器人平台的 AI 系统，让机器人具备更强的智能能力，同时降低操作难度。Cartesia 创始人 Karan Goel 看好其通用软件路线，因为不同类型的机器人长期需要针对硬件进行专门开发，通用软件有望减少重复工作。

Icarus Robotics 则瞄准了太空中的实体劳动。它由 Ethan Barajas 和 Jamie Palmer 创立，尝试开发能够在太空环境中执行任务的 AI 机器人。Tines 创始人 Eoin Hinchy 认为，太空作业中的人力成本极高，而且受到环境和安全条件的严格限制，因此具有明确的自动化需求。

（来源：Icarus Robotics）

传统产业同样存在机会。Snorkel AI 创始人 Alex Ratner 推荐的初创 Agrippa Industries，正在探索美国海运物流领域。虽然原始榜单披露的产品细节有限，但海运涉及复杂的运输调度和运营管理，自动化技术具有较大的应用空间。

与工业机器人相比，个人 AI 硬件的发展路径又有所不同。Ghost 正在开发名为 Core 的个人 AI 计算机。这是一种没有屏幕的设备，可以连接用户的应用、文件和智能家居系统，并在本地运行 AI 模型，持续处理个人事务。

同样围绕本地计算展开业务的 Mirai Labs，则提供端侧推理引擎和开发工具包，让文字、语音和视觉模型直接运行在手机或笔记本电脑上。它由曾参与创建 Reface、Prisma 的创业者创立，获得 ElevenLabs 创始人 Mati Staniszewski 推荐。

端侧运行有助于降低云端推理费用和网络延迟，也为个人隐私数据的处理提供了更多选择。随着开放权重模型的能力提升，消费级硬件正在成为 AI 应用的重要载体。

还有两家公司选择了更专业的方向。Alljoined 将机器学习用于无创脑机接口，尝试利用脑电信号解码人类看到的内容。Runway 创始人 Cristóbal Valenzuela 看好其通过扩大数据和模型规模改善脑机接口能力的思路。

Mistos 则将 AI 用于电力基础设施工程设计，希望缩短新建电力设施所需的设计与交付周期。随着 AI 数据中心建设持续扩张，电力供应和相关工程服务的重要性也在不断提高。

（来源：DeepTech 制图）

Felicis 创始人 Aydin Senkut 在访谈中回顾，该机构过去近 15 年一直参与机器人投资，但早期项目多次失败。过去，机器人主要依赖预先编写的程序执行动作，难以像人类一样通过观察和经验快速学习。近年来 AI 技术的发展，让这一状况开始发生变化。

他尤其关注机器人背后的产业链。除了机器人本身，训练数据、推理系统、执行器、零部件制造、能源供应和部署服务，都可能随着机器人规模化应用而形成新的市场。在他看来，真正重要的验证来自工业现场，企业愿意在复杂生产环境中部署机器人，才是技术迈向商业化的关键信号。

AI 医疗与生物科技：从临床决策到真实实验

医疗和生物科技是 Felicis 特别看好的另一个方向。Emergent 榜单中有三家公司与此直接相关，分别从临床辅助、生物实验和专业模型开发切入。

在临床领域，Almanac Health 希望提高 AI 医疗工具的准确性与可信度。这家公司由 Cyril Zakka 创立，致力于让临床 AI 的回答建立在可靠医学证据之上，帮助医生更有效地获取和使用专业信息。Glean 创始人 Arvind Jain 看好其将模型能力与医学知识结合的思路。

生物实验方面，初创 Instance Bio 正在尝试提高大规模分子测试的效率。它由 David Scott 和 Shawn Morel 创立，通过并行实验，分析大量蛋白质结合分子与不同靶标之间的相互作用。

按照推荐人、Adept 创始人 David Luan 的介绍，研究人员可以通过 API 提交候选蛋白序列和靶标，再由 Instance Bio 在一次大规模并行反应中完成相互作用分析。这种方法有望减少逐一测试大量分子组合所需的时间和资源，也能为生物模型提供更多真实实验数据。

第三家公司 Phylo，由 Kexin Huang、Yuanhao Qu、Jure Leskovec 和 Le Cong 创立，致力于为生物研究定制开放权重模型。Fireworks AI 创始人 Lin Qiao 认为，这种方式可以帮助研究人员以较低成本获得适用于特定生物学任务的模型，同时保留更多自主控制和调整空间。

（来源：DeepTech 制图）

在 Newcomer 的访谈中，Aydin Senkut 多次谈到实验验证的重要性。他认为，AI 已经能够提出大量科学假设，但真实世界中的实验和测试能力仍然有限。提高实验通量、缩短验证周期，将成为 AI 进一步推动生物科学发展的重要条件。

资本市场也在加大投入。Felicis 援引 Crunchbase 数据称，截至 2026 年 10 月 30 日，全球 AI 医疗及生物科技领域年内融资额达到 202 亿美元，已经超过 2025 年全年的 158 亿美元。

AI 创意工具：从生成素材走向完整制作流程

最后三家公司集中在动画、音乐和影视领域。与早期强调一键生成图片、视频或音频的产品相比，它们更加关注专业创作者的实际工作流程。

Runway 创始人 Cristóbal Valenzuela 同时推荐了 Cartwheel 和 Resin。前者由 Jonathan Jarvis 和 Andrew Carr 创立，可以将视频、文字描述和已有动作素材转换为三维角色动画，并与现有动画制作流程衔接，帮助制作人员减少重复性操作。

Resin 则进入音乐制作领域。它由 Pedro Tsividis 创立，可以根据音乐人正在制作的曲目生成新的乐器声部，例如贝斯或弦乐，让创作者迅速试听不同的编配方案。Valenzuela 认为，这类工具能够帮助创作者更方便地表达想法，也与 Runway 的产品理念有相似之处。

相比之下，Wonder Studios 的业务模式更接近一家影视制作公司。这家位于伦敦的 AI 原生工作室由 Xavier Collins 和 Justin Hackney 创立，面向品牌、唱片公司和影视机构制作商业内容，同时开发原创作品。

ElevenLabs 创始人 Mati Staniszewski 在推荐时提到，Wonder Studios 已参与歌手 Lewis Capaldi 音乐视频等项目，并与 DeepMind、Universal 等机构有相关合作。公司希望将 AI 制作技术与传统影视行业的专业人才和制作经验结合，在降低制作成本的同时，逐步积累原创内容和知识产权。

（来源：DeepTech 制图）

回看这份名单，29 家公司的技术方向和商业模式各不相同，但几条创业趋势已经逐渐清晰：Agent 基础设施正在形成新的细分市场，机器人和端侧设备受到资本关注，医疗、生物科技和创意产业也在出现更多专业化的 AI 产品。

Aydin Senkut 在访谈中提出，寻找下一代伟大公司，需要看到那些尚未成为行业共识的机会。他尤其关注未来可能出现大量需求、进而支撑长期增长的领域。

这些公司目前仍处于早期阶段，距离真正建立可持续的业务还有很长的路。不过，从这份榜单中，已经可以看到硅谷一批成功创业者对下一轮技术机会的判断。谁能成为下一个独角兽，最终还要由市场给出答案。

https://www.newcomer.co/p/emergent-2026

https://www.felicis.com/blog/emergent-list-2026-seed-stage-startups

https://podcast.newcomer.co/episode/aydin-senkut-on-how-robotics-could-reshape-the-economy

https://news.crunchbase.com/venture/q3-2026-us-china-robotics-startup-funding-jumps-physical-ai-push/