“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、AI infra、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。
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｜https://hercules.app/
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｜https://peak.inc/
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 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｜https://agentcard.com
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｜https://agentcard.com
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｜https://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｜https://convergent.dev
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｜https://www.mnemom.ai
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｜https://withmartian.com/
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. Mirai Labs｜https://trymirai.com/
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｜https://tako.com/
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｜https://attention.inc/
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)｜https://ghost.ai/
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｜https://www.tomo.ai/
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
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｜https://conway.ai
<