z Potentials METUP 欢迎软/硬件大厂、创业公司产品/算法、（潜在）创 业者、独立开发者/创作者 带着你最近的收获、新的想法 一起交流! Vibe Coding Meetup 时间:3.28周六下午 .致:20-30人 地点:新加坡 14:00 - 14:30 - opening & intro 14-20_16-00_viho codina 14-30 – 10-00 – VIDE COUMY 16:00 - 17:00 - demo 扫码报名 미국: 雷 T ...

网络安全初创公司 Oasis Security 已从红杉资本和 Accel 等投资者处筹集 1.2 亿美元，该公司专注于帮助企业管理系统访问权限，特 别是针对人工智能代理等非人类账户。 根据公司声明， 本轮融资由 Craft Ventures 领投， Cyberstarts 跟投。该公司未披露估值信息，目前融资总额已达 1.9 亿美元。 这家初创公司在纽约和特拉维夫设有办事处， 致力于帮助企业管控所谓 " 非人类身份 " 带来的安全风险 ， 例如能够访问企业系统的 AI 机器人及其他自动化工作工具。随着互联应用程序的激增以及能够代表用户自主执行任务的智能体 AI 工具涌现，企业数字系统正 变得日益复杂。 Oasis 表示其大部分销售额来自《财富》 500 强企业，其中许多企业正在适配智能体 AI 工具。 " 当前拥有完整访问权限的智能体具 备前所未有的强大能力， "Oasis 首席执行官丹尼·布里克曼在接受采访时表示。这种访问权限 " 给企业的首席信息安全官带来了更大 压力 " 。 布里克曼表示，他注意到财富 500 强公司，尤其是金融行业的企业，比初创公司更快地采用 AI 代理，这一趋势被他称为 " 巨大的 ...

图片来源： Getty Images 据一位直接了解此次融资情况的人士透露，Fal 这家快速发展的云服务公司，专注于提供生成图像、视频和音频的 AI 模型的访问与存储服务， 目前正在洽 谈筹集 3 亿至 3.5 亿美元的资金 。 这笔交易将使公司的账面估值从三个月前的一轮融资后水平提升近一倍，达到约 80 亿美元 ，显示出投资者对能够为客户快速运行 AI 模型（这一过程称为 推理）的初创公司有着强烈的需求。 Fal 与 Replicate 等其他推理服务提供商以及传统云服务商展开竞争。此次新融资反映了 Fal 的年化收入增长——近期已达到 4 亿美元，较去年 10 月的 2 亿 美元实现翻番。其他财务细节尚未披露。 该公司按使用量收费，例如按视频输出的每秒计费。 据知情人士及另外两位熟悉讨论情况的人士透露， 这家旧金山初创公司正在分两期进行本轮融资，其中估值最高的一期达到 80 亿美元，较去年 12 月由红 杉资本领投的 45 亿美元估值大幅提升。 目前尚不清楚哪家机构将主导本轮融资。该公司去年通过三轮融资共筹集了 3.14 亿美元，投资者包括 Andreessen Horowitz、Notable Capi ...

引言 当很多人还在争论 AI 音乐有没有灵魂时，市场已经先一步给出了答案。2025 年，Billboard 统计显示，短短几个月内，至少已有 6 个 AI 或 AI 辅助音乐项 目进入不同榜单。AI country 项目 Breaking Rust 的 Walk My Walk 登上 Country Digital Song Sales 榜首。另一边，一个完全由 AI 生成的乐队项目 The Velvet Sundown 在 Spotify 上一度冲到 130 万月听众。到 2026 年 2 月，Suno 又披露其已达到 200 万付费订阅、3 亿美元 ARR。把这些信号放在一起看， AI 音乐已经不是能不能成立的问题，而是已经走到哪一步的问题。 这些信号拼在一起，指向一个反直觉的结论：当所有人都把目光投向更震撼的 AI 视频时，第一个真正跑出平台雏形的 AI 原生内容，可能不是视频，而是 音乐。 原因很简单。视频虽炫目，但仍受困于成本、一致性和叙事难题。音乐却更早成熟：它更轻，生成链路更短，分发更丝滑，也更早从"技术演示"进入了"可 消费内容"的阶段。更重要的是，音乐的流媒体付费体系本就是现成的。 当 AI ...

图片来源： Emergent 官网 Z Highlights 01 让想法成为代码，用 AI 改写软件开发的起点 过去十年，随着智能手机摄像头性能的飞跃， Instagram 、 YouTube 和 TikTok 等平台因其出色的图像与视频分享体验迅速崛起，推动了 " 人人皆是创作者 " 的浪潮。无数普通用户从记录生活的发布者成长为能够通过内容变现的创作者。而这一趋势，如今正从视频与图像领域，延伸至应用创作。 Emergent 是全球首个 Agentic Vibe-Coding 开发平台 。用户只需用自然语言描述自己想要构建的应用 —— 无需任何编程经验， AI 即可负责编码、设计 与部署，将创意直接转化为功能完备的产品。无论是 Web 应用、移动应用、数据仪表盘、电子商务网站、作品集页面、 SaaS 工具，还是企业内部系统， 图片来源： Emergent 官网 从智能手机普及到内容平台崛起，创作门槛被不断降低。 Emergent 将这一趋势延伸至应用开发，让非技术用户也能用自然语言构建可直接上线的应 用。它的愿景是让软件创作像拍照一样简单，为下一波个体创业浪潮奠定基础。 Emergent 是全球首个 Age ...

AI协作白板初创公司Cove被微软收购 - 由红杉资本等投资的AI协作白板初创公司Cove，其整个团队将加入微软，产品将于4月1日关闭，所有用户数据将被删除[2][5] - 公司已退还所有三月份的订阅费用，并为用户提供了数据导出流程[5] - 公司表示，其背后的理念将在微软内部得以延续，并将在微软AI部门继续追求更宏大的愿景[5] Cove公司的创立与产品 - Cove由Stephen Chau、Andy Szybalski和Mike Chu于2023年底创立，三位创始人均曾参与谷歌地图街景等功能的开发[2] - 公司产品是一个无限白板，AI可生成用于旅行规划等任务的不同功能模块[2] - 产品允许用户调用内置浏览器、PDF文件和图像，为AI提供更多上下文信息，从而生成新的卡片、表格和列表[3] - 创始人认为，相比现有不可编辑的AI聊天界面，画布形式在使用不同提示词时能提供更大灵活性[2] 公司的融资与竞争 - Cove在2024年通过种子轮融资筹集了600万美元[2] - 投资方包括红杉资本、Elad Gil、Homebrew、Adverb、Scott Belsky和Lenny Rachitsky[2] - 公司曾与Miro、TLDraw和Kosmik等平台展开竞争[4] 行业动态与微软布局 - 微软在2023年已在其协作产品Whiteboard中加入了Copilot功能[5] - 此次收购Cove团队，是微软在AI协作领域进一步强化其产品能力的举措[5]

文章核心观点 - 具身智能行业正从单点技术验证迈向行业落地新周期，其估值模型需要从传统的硬件销售逻辑转向以数据和智能成长性为核心的新范式 [2] - 千寻智能与京东的战略合作提供了一个重要样本，其核心在于将机器人的物理服务转化为可用于模型训练的数据资产，试图构建一个由“技术、场景、数据”共同驱动的增长飞轮，这为解开具身智能的估值难题提供了一种数据驱动的新解法 [2] 传统硬件估值模型的局限 - 市场曾习惯于套用清晰的硬件估值公式：公司估值 = f（硬件销量，产品单价，市场渗透率），这适用于功能固定的产品，其增长路径是线性的 [4] - 具身智能的核心价值在于“智能”，即通过与物理世界交互而持续学习、适应和进化的能力，这使得产品价值动态增长，呈现非线性、复利式增长，传统硬件估值模型无法捕捉这一点 [4] 新价值主张：运营增值的数据网络 - 千寻智能与京东的合作以咖啡制作为场景，这是一个非标、复杂的任务，具备很高的“训练价值” [5] - 合作采用遥操作模式，初始阶段由人类专家远程控制机器人完成任务，核心价值在于完整记录专家操作过程，由机器人的多模态传感器同步采集视觉、关节运动轨迹、力反馈等高维度数据 [5] - 这一过程可被理解为：1) 场景即矿场：将复杂真实世界场景视为富含高质量数据的“矿场” [6]；2) 服务即挖掘：机器人每一次提供服务都是一次“数据挖掘”行为 [7]；3) 遥操作即标注：专家的远程操作为行为数据提供了高质量的“专家标注” [8] - 通过这种模式，双方构建的不再是一次性功能演示，而是一个可持续运营的数据生产工厂，实现了商业运营与数据生产的统一 [8] 数据飞轮的经济学：成本、质量与规模 - 物理世界数据采集成本高昂曾是制约行业发展的“最后一公里”难题 [9] - 千寻智能通过多种采集策略重构成本结构：自研可穿戴式数据采集设备将综合成本降至传统方式的十分之一，使大规模泛在数据采集变得可行 [10]；在京东MALL等商业合作中采用远程遥操作采集，重点在于获取场景化、高价值的“专家数据”，并实现数据采集、模型训练与商业闭环的统一 [10] - 公司重新定义数据质量，倾向于拥抱真实物理世界的“脏数据”，其多样性和复杂性是提升模型泛化能力的关键 [11] - 公司已积累超过20万小时的真实交互数据，并计划在2026年达到100万小时，其数据积累速度和规模可能构建显著的竞争壁垒 [11] - 当数据采集经济性问题缓解，正向“数据飞轮”开始转动：部署更多机器人进入更多场景 → 获取更多样数据 → 训练出更强大的具身模型 → 解锁更复杂的任务与商业场景 → 吸引更多合作伙伴扩大商业版图，这是一个指数级增长的自我强化循环，是其百亿估值背后的核心杠杆 [12] 双场景验证：工业与商业的逻辑复用 - 在工业场景（如宁德时代产线执行锂电池插拔任务），环境结构化、任务重复性高，对精度和可靠性要求极致，据称成功率超过99%，验证了技术在解决“刚性需求”和“单一深度任务”上的能力 [13][18] - 在商业场景（如京东MALL），环境半结构化、任务多样化、涉及大量人机交互，考验技术在应对复杂环境和“柔性需求”上的泛化能力 [18] - 从工业到商业场景的实践表明，其“数据驱动模型进化”的底层逻辑具备跨场景的复用能力，核心都是通过特定任务场景持续生产数据、迭代智能，实现从辅助操作到自主执行的过渡 [14] - 这种跨场景的复用和迁移能力，暗示其构建的可能是一个通用的“智能生成与部署平台”，而非一系列针对特定场景的“孤岛式”解决方案 [14] - 这引出了估值模型的新范式：估值 = 硬件入口价值 + 数据资产价值 + 反哺模型能力 + 场景复用价值 [14] - 宁德时代的成功验证了其在特定场景下的深度价值，而与京东的合作打开了“场景复用价值”的广阔想象空间，未来在更多零售业态的拓展将使其数据资产和场景复用价值呈现指数级增长 [14] 重新审视价值的锚点 - 具身智能公司的价值锚点正在从有形的硬件转向无形但持续增值的数据与模型 [15] - 其百亿估值并非对当前机器人的定价，而是对未来数据资产化潜力的提前定价，是“数据飞轮”一旦转动所产生的复利效应的折现 [15] - 未来的行业竞争将更多围绕构建高效、可闭环的“数据-智能”引擎展开，而非单纯的硬件制造与销售 [15] - 随着更多场景的接入和数据资产的积累，其价值天花板将被持续打开 [15]

公司概况与核心业务 - 公司Sequen是一家专注于实时个性化技术与排名基础设施的AI初创企业，由在Etsy成功推动AI排名系统并带来数十亿美元商品交易总额增长的Zoë Weil创立 [1] - 公司旨在将其团队在AI研究与产品开发方面的经验推广至消费领域的其他企业，提供通常仅被全球顶尖科技公司采用、但因所需数据规模庞大而未被大型消费企业触及的技术 [1] - 公司通过其RankTune平台，以API形式为企业客户提供前沿的排序模型和实时排序模型，客户可将其原有驱动相关性技术栈的API替换为Sequen的API [2] 核心技术：大型事件模型 - 公司的核心技术是大型事件模型，该模型尤其擅长泛化处理事件流和人类行为，与主要泛化文本的大型语言模型不同 [2] - 该模型从实时用户行为中学习，包括点击、滚动、悬停、对话及特定会话内的各种操作，而非依赖静态用户画像或第三方cookie [2] - 模型能够理解事件并提取意义，无需依赖用户身份信息即可实现个性化，因此用户身份是无关因素，这提供了更注重隐私的解决方案 [3] 技术优势与市场定位 - 该技术能够实现实时个性化，即使数据稀疏也能做到，决策时间低于20毫秒 [2] - 公司声称其技术能为缺乏基础设施的财富500强公司解锁类似TikTok的算法，并可能取代因隐私和监管问题而受挑战的cookie追踪技术 [2] - 技术基于实时数据，无需用户身份信息即可实现个性化推荐，因此不像Cookie那样侵犯隐私 [2] 商业成果与客户案例 - 一家大型家具公司在改用Sequen技术后，收入提升了7%，而此前0.4%的提升就被视为成功 [5] - 客户Fetch Rewards在不到11天内实现了净收入20%的增长 [5] - 公司已与一家流媒体平台和一家在线旅行社展开合作 [5] - 在不到18个月的时间里，公司已处理了约100亿次月度请求，并赢得了数家《财富》500强企业的业务 [6] - 在其首批五家客户中，合同金额均达到七位数 [5] 商业模式与定价 - 公司的系统按每秒请求数定价，提供不同层级套餐，例如最高500 RPS或1000 RPS，层级越高价格折扣越大 [5] - 客户普遍选择了最高级别的服务方案，因为在某个应用场景中体验到技术后，会希望在整个平台上全面采用 [5] 融资与团队 - 公司刚完成1600万美元的A轮融资，由White Star Capital和Threshold Ventures共同领投，早期投资者包括领投其种子轮的Greycroft也参与了本轮 [6] - 截至目前，Sequen已筹集了总计2200万美元 [6] - 公司团队共14人，总部位于纽约，成员包括来自DeepMind、Meta、Anthropic等公司的前员工 [6]

公司融资与估值 - Standard Template Labs 已完成首轮4900万美元融资 [2] - 此轮融资为种子轮，使公司估值达到约3亿美元 [3] - 融资由Iconiq和早期风险投资公司CRV共同领投 [3] 公司背景与创始人 - 公司由Datadog前总裁阿米特·阿加瓦尔创立 [2] - 创始人在Datadog担任高管约13年，该公司市值达448亿美元 [5] - 此次创业是创始人的二次创业 [5] - 公司此前一直处于秘密运营状态 [3] 业务模式与市场定位 - 公司旨在重塑大型企业内部信息技术服务的运作方式 [2] - 致力于开发能够实现IT管理自动化的软件，涵盖工单处理和应用程序授权等任务 [3] - 目标客户是拥有大型IT团队、能够自主管理所有系统的大型企业，而非服务小型企业的公司 [3] - 将瞄准像ServiceNow Inc.这样市值超过1000亿美元的公司 [5] 产品与技术策略 - 公司正在与潜在客户试点一款初始软件基础设施产品 [6] - 将利用推理和上下文感知能力来驾驭企业日益复杂的人工智能后端 [5] - 目标是将IT转变为相对顺畅且自动化的过程 [5] - 公司尚未开始产生收入，仍在制定其定价策略 [6] 行业趋势与竞争环境 - 此次融资是近期服务行业AI工具初创企业融资浪潮的最新案例 [3] - 现代IT系统已经变得“复杂了上千倍”，这在很大程度上要归功于人工智能被引入软件 [5] - 与希望通过收购实体企业来颠覆传统行业的AI初创公司不同，该公司致力于说服大型企业改用他们的工具 [3] 投资者与孵化支持 - 领投方Iconiq和CRV也都是Datadog的早期支持者 [3] - STLabs的构想是在Iconiq的首个孵化项目中孕育而生，投资者协助组建了初始团队并推动了公司的创立 [4] - Iconiq通过此交易，正与Khosla Ventures、General Catalyst和Thrive Capital等风投机构一道，在潜力领域直接孵化新公司 [4] 市场挑战 - 主要挑战在于让大型企业愿意尝试新系统，因为其转换成本很高 [6] - 大型企业在运营拥有数千乃至数万名员工的公司时，不能随意停止现有系统 [6] - 公司的策略是让客户觉得继续使用其他系统变得不合理 [6]

行业核心问题 - 电力是人工智能发展的关键原材料，但新的AI处理技术已超出数据中心运营商管理其与电网关系的能力，迫使他们将电力使用削减多达30% [1] - 随着前沿实验室协同运行数千台GPU来训练和运行先进模型，处理器在计算任务和与其他GPU通信之间切换时，经常会出现毫秒级的电力需求激增 [1] - 这些电力需求激增使得数据中心难以管理从电网获取的电力，为避免电力供应不足，数据中心需要支付临时能源存储费用或限制GPU使用，这两种情况都降低了昂贵芯片的投资回报 [2] - 行业观点认为，不能再按照现在的方式继续建设数据中心 [3] 初创公司Niv-AI解决方案 - 初创公司Niv-AI结束隐身模式，获得1200万美元种子轮融资，旨在通过新型传感器精确测量GPU功耗，并开发工具以更高效地管理电力使用 [1] - 该公司由首席执行官托默·蒂莫尔和首席技术官爱德华·基齐斯于去年创立，总部位于特拉维夫，投资方包括Glilot Capital、Grove Ventures、Arc VC、Encoded VC、Leap Forward和Aurora Capital Partners [1] - 公司路线图的第一步是部署机架级传感器，以毫秒级精度监测其自有及设计合作伙伴GPU的功耗，目标是理解不同深度学习任务的具体功耗特征，并开发缓解技术以释放更多现有算力 [5] - 计划基于收集的数据构建AI模型，训练其预测并同步数据中心内的电力负载，成为数据中心工程师的“副驾驶” [5] - 预计在未来六到八个月内，将在少数美国数据中心部署可运行的系统 [5] - 创始人将终极产品视为数据中心与电网之间缺失的“智能层”，旨在帮助数据中心更充分地利用已支付费用的电力，并在数据中心与电网之间建立更负责任的电力调配方案 [5] 市场机遇与需求 - NVIDIA首席执行官黄仁勋表示，AI工厂浪费了太多电力，每一瓦未被利用的电力都是收入的损失 [1] - 对于面临土地使用难题和供应链瓶颈的超大规模服务商而言，Niv-AI的方案颇具吸引力 [5] - 电网担心数据中心在特定时段消耗过多电力，Niv-AI研究的问题旨在同时解决数据中心效率提升和电网稳定调配的挑战 [5]