本周，获得大额融资的创业公司包括：Recursive Superintelligence完成超6.5亿美元A轮融资；Cowboy Space获得2.75亿美元B轮融资，估值20亿美元；
获得早期融资的AI创业公司中，Recursive Superintelligence最值得关注。它押注的是AI研发自动化，让AI系统自己发现问题、设计实验、编写评测、改代码并迭代能力，团队集中了Richard Socher、Jeff Clune、田渊栋等顶级AI研究者。
Standard Intelligence切入的是计算机操作模型。它用1100万小时屏幕视频训练FDM-1，让AI直接学习人类如何连续操作软件，应用场景覆盖CAD、网页测试、工程软件和企业后台。
Config和Origin Lab都在补物理AI的数据短板。Config做机器人基础模型的数据供应层，把人类动作数据转换成机器人可学的训练数据；Origin Lab则把游戏公司的3D世界、玩家行为和场景资产，变成世界模型可用的授权训练数据。
获得后段大额融资的AI公司中，Cowboy Space和ElevenLabs值得关注。
Cowboy Space是本周最激进的算力基础设施项目。它想把AI数据中心送上轨道，并自研火箭解决发射瓶颈，本质是在同时挑战能源、发射、散热和太空算力四个硬问题。
ElevenLabs已经从AI语音生成工具升级为企业语音Agent平台。ARR四个月内从3.5亿美元增至超5亿美元，增长来自客服、销售、招聘、培训和营销等企业场景的规模化部署。
获得早期融资的AI创业公司
1.研发自我改进AI系统，Recursive Superintelligence完成超6.5亿美元A轮融资
官方网站：www.recursive.com
Recursive Superintelligence完成超6.5亿美元A轮融资，估值达46.5亿美元。本轮由GV和Greycroft共同领投，AMD Ventures、NVIDIA参投。
当前，前沿AI模型的进化速度仍受制于人类研究员的极限：从设计架构、设定训练目标到反复试错，整个研发闭环高度依赖顶尖人才的人力堆叠。
它的核心资产是团队和研究路线：开放式算法、自我改进代码Agent、自动红队、能力发现、质量多样性算法和AI科学家等方向，正好对应“让AI参与下一代AI研发”的关键环节。若技术路线成立，Recursive可能把前沿AI研发从专家密集型实验室，推进到由算法持续生成和验证假设的研究系统。
Recursive由Richard Socher联合创立，创始团队还包括Tim Rocktäschel、Alexey Dosovitskiy、Josh Tobin、Caiming Xiong、田渊栋、Tim Shi、Jeff Clune等。
Richard Socher曾任Salesforce首席科学家，创办MetaMind并被Salesforce收购，后创办You.com；Tim Rocktäschel曾任DeepMind Principal Scientist，并任UCL教授；田渊栋曾长期在Meta AI从事强化学习和博弈智能研究；Jeff Clune是开放式算法和AI-generating algorithms领域代表性研究者。
2.Adaption推出AutoScientist自动化模型训练工具，已完成5000万美元种子轮融资
官方网站：www.adaptionlabs.ai
Adaption Labs推出AutoScientist，此前于2026年2月完成5000万美元种子轮融资，该轮由Emergence Capital Partners领投，Mozilla Ventures、Fifty Years、Threshold Ventures、Alpha Intelligence Capital、E14 Fund、Neo参投。
Adaption研发的AutoScientist将这一“手工微调”流程彻底自动化。系统能同步优化训练数据与微调配方，驱动模型围绕具体任务持续迭代。配合底层的Adaptive Data数据增强技术，该系统在内部垂直评测中将模型综合胜率从48%提升至64%。
Adaption实质上是将少数前沿实验室才掌握的底层训练经验完成了产品化。这大幅降低了技术门槛，让企业与开发者能以极低成本，训练出高度适配自身业务场景的专属模型。
3.Standard Intelligence完成7500万美元A轮融资，开发计算机操作模型FDM-1
官方网站：https://si.inc
Standard Intelligence完成7500万美元A轮融资，由Sequoia和Spark Capital共同领投，Milan Kovac、Stanley Druckenmiller、Andrej Karpathy等作为天使投资人和顾问参与。
Standard Intelligence要做的是面向电脑操作的基础模型。现有计算机使用Agent大多依赖截图、人工标注、工具调用和针对单一任务的强化学习环境，能处理的上下文短，很难胜任CAD建模、软件测试、复杂网页探索这类连续操作。
FDM-1直接用人类操作电脑的视频训练，先用逆动力学模型自动推断鼠标、键盘和滚动动作，再训练模型预测下一步操作。公司已积累1100万小时屏幕录制数据，并称其视频编码器可把近2小时30 FPS视频压缩进100万token，让模型在长时序操作中保留更多上下文。
它的价值在于把“看懂界面”推进到“持续操作界面”。FDM-1已展示Blender CAD建模、网页漏洞探索，以及在少于1小时微调数据后通过网页控制真实车辆的能力。若该路线能继续扩展，应用场景会覆盖工程软件、金融系统、软件测试、企业后台和研发工作流。
Standard Intelligence由Galen Mead和Devansh Pandey联合创立，核心团队还包括Neel Redkar、Yudhister Kumar等研究和工程成员。
4.Tessera Labs完成6000万美元A轮融资，打造ERP现代化的AI Agent平台
官方网站：www.tesseralabs.ai
Tessera Labs完成6000万美元超额认购A轮融资，估值达3.2亿美元。本轮由a16z领投，Foundation Capital、Myriad Venture Partners、Osage University Partners参投。
大型企业（如SAP、Oracle系统）的核心ERP迁移与升级是一项艰巨工程。这往往依赖庞大的顾问团队进行手工梳理，项目周期动辄数年，成本常高达九位数。
Tessera Labs 的解法是利用多智能体平台将这一过程自动化。系统全面接管了需求采集、流程映射、数据清洗、遗留代码修复及跨系统编排等环节，将传统的“人力密集型咨询项目”重构为可审计、可持续执行的纯软件流程。
平台融合了底层企业系统的结构认知与AI自动化能力，其底座基于数千个真实企业环境及转型经验预训练而成。目前，该产品已在生物制药、制造及零售等领域的《财富》500强企业中验证：可将数年的项目周期压缩至数周，并削减超50%的成本。
Tessera Labs由Kabir Nagrecha和Ming Chang联合创立，Kabir Nagrecha现任CEO，20岁获得计算机科学博士学位，曾为Meta PhD Research Fellow；Ming Chang现任COO，拥有10年以上财富500强SAP项目经验。
5.Subquadratic完成2900万美元种子轮融资，发布长上下文大模型SubQ
官方网站：https://subq.ai
Subquadratic完成2900万美元种子轮融资，投资方包括Javier Villamizar、Tinder联合创始人兼JAM Fund创始人Justin Mateen、Lasagna的Grant Gittlin、Coalition Operators的Jaclyn Rice Nelson，以及Anthropic、OpenAI、Stripe、Brex的早期投资人。
Subquadratic要解决的是大模型长上下文的算力瓶颈。Transformer的注意力计算会随上下文长度平方级增长，导致完整代码库、合同库、企业知识库和长表格进入百万token后成本和延迟快速上升。
SubQ用自研Subquadratic Sparse Attention降低长上下文计算量，发布的SubQ 1M-Preview面向百万token上下文，研究模型宣称可扩展至1200万token，并开放API、SubQ Code和SubQ Search私测。Appen独立评测显示，其SSA在100万token下相较FlashAttention-2实现56.2倍端到端速度提升，SWE-Bench Verified得分81.8%。
Subquadratic由Justin Dangel和Alex Whedon联合创立，Justin Dangel是连续创业者，过往覆盖健康科技、保险科技和消费品领域；Alex Whedon曾任Meta软件工程师，并在TribeAI担任生成式AI负责人。
6.Config完成2700万美元种子轮融资，搭建机器人基础模型的数据基础设施
官方网站：https://config.inc
Config完成2700万美元超额认购种子轮融资，估值超过2亿美元，累计融资达3500万美元。本轮由Samsung Venture Investment领投，ZER01NE Ventures、LG Technology Ventures、SKT America作为战略投资方参投，其他投资人还有Pieter Abbeel、Mirae Asset Ventures、Korea Development Bank、GS Futures、Kakao Ventures、Z Ventures等。
教机器人学会抓取、搬运与双手协作，每一帧动作都必须在真实物理场地中由人工演示采集，规模化成本极高。Config 专为机器人基础模型构建数据供应层，为试图自研机器人 AI 的大型制造企业提供中立的底层支撑。
公司在首尔与河内组建了近300人的生产团队，已积累超10万小时的人类动作数据。其数据平台贯穿了从硬件定义、场景设计、采集标注到模型评估的全流程，并借此推出了20亿参数的机器人基础模型CFG-1。
Config真正的护城河在于跨物理形态的数据转换机制。由于人体运动无法直接等同于机械臂的动作空间，系统能将采集到的原始人类动作精准“翻译”为机器人可读的控制信号，从而彻底打通了从人类示范到模型训练的数据管线。
Config由Minjoon Seo创立，他是KAIST AI副教授，曾任Meta研究员和TwelveLabs首席科学家；联合创始人Jack Bang参与公司商业化和客户拓展；其他联合创始人与核心团队来自Waymo、Google、Naver、KAIST等机构。
7.Origin Lab完成800万美元种子轮融资，搭建游戏数据到世界模型的数据交易基础设施
官方网站：https://originlab.ai
Origin Lab完成800万美元种子轮融资，本轮由Lightspeed Venture Partners领投，SV Angel、Eniac、Seven Stars、FPV参投，Twitch联合创始人Kevin Lin、Cruise创始人Kyle Vogt等作为天使投资人参与。
大语言模型依赖互联网文本，而机器人与物理世界模型急需的物体运动、空间交互等高质量3D数据，在公开网络上极度匮乏。
为填补这一数据真空，Origin Lab建立了一套连接游戏行业与AI实验室（如 World Labs、AMI Labs）的授权数据基础设施。游戏公司常年积累了海量包含物理环境与玩家行为的3D交互资产，却缺乏向AI领域输出的标准渠道。
Origin Lab负责处理复杂的合规授权、格式转换与质量控制，将沉睡的游戏资产转化为世界模型所需的训练数据集，同时为游戏发行商开辟了全新的变现通路。
Origin Lab由三位联合创始人创立，Anne-Margot Rodde曾服务PlayStation与Xbox，拥有EA、Riot、Epic等顶级游戏客户资源；Colin Carrier曾任Twitch首席战略官；Antoine Gargot则拥有十余年生产级机器学习工程经验。
8.Dessn完成600万美元种子轮融资，打造面向生产代码库的AI设计工具
官方网站：www.dessn.ai
Dessn完成600万美元种子轮融资，由Connect Ventures领投，Betaworks、N49P参投。
在已有代码库的产品团队中，设计与开发间的协作往往伴随着严重的上下文流失：设计师在Figma中绘制静态界面，而工程师在复杂的真实代码环境中落地，关于组件状态、权限及数据的细节极易在交接中失真。
Dessn 并没有走向“从零生成网页”的通用AI建站模式，而是将现有的真实代码库转化为一个云端可视化的设计环境。用户接入代码库后，Dessn会自动抽取现有组件、设计规范与字体，在云端直接渲染出一个接近生产环境的沙盒。设计师与产品经理无需配置本地开发环境或打开IDE，即可直接调用真实代码组件进行界面迭代与交互验证。
相比于从零开始的构思工具，Dessn专注于解决成熟产品在功能迭代与改版中的落地摩擦。其核心技术壁垒在于对复杂底层代码库的编译解析、依赖抽象以及安全隔离。为满足企业级安全要求，系统采用只读代码访问及隔离微虚拟机（microVM）等机制，并已通过 SOC 2 Type II 认证。
获得后轮融资的人工智能初创公司
1.Cowboy Space完成2.75亿美元B轮融资建设面向AI算力的轨道数据中心和自研火箭体系
官方网站：www.cowboyspace.com
Cowboy Space Corporation完成2.75亿美元B轮融资，投后估值达20亿美元。本轮由老股东Index Ventures领投，新进投资方IVP、Blossom Capital、SAIC参投，老股东Breakthrough Energy Ventures、Construct Capital、Andreessen Horowitz、NEA、Interlagos及创始人Baiju Bhatt继续跟投。
Cowboy Space瞄准的是AI算力基础设施的电力和部署瓶颈。地面数据中心正在被电网接入、土地、冷却和建设周期卡住，部分美国主要市场的新数据中心接入电网可能需要5至7年；把算力放到低轨后，能源来自太空太阳能，数据通过光通信回传，理论上可以绕开地面电力和选址约束。
它的方案更激进：公司计划自研火箭，并把数据中心直接集成进火箭二级。每次发射后，二级进入轨道后就成为一个兆瓦级算力节点，配备主动热管理和集成GPU计算能力，单颗卫星质量预计2万至2.5万公斤，可支持接近800张GPU。这个设计的价值在于减少传统“火箭负责运输、卫星作为货物”的结构冗余，把更多质量留给算力和能源系统；但风险同样很高，公司需要同时攻克火箭发动机、可复用助推器、轨道热管理、光通信、太空供电和规模化制造。
2.打造AI原生安全运营平台，Exaforce完成1.25亿美元B轮融资
官方网站：www.exaforce.com
Exaforce完成1.25亿美元B轮融资，估值达7.25亿美元，累计融资额达2亿美元，参投方包括HarbourVest、Peak XV、Mayfield、Khosla Ventures、Seligman Ventures和AICONIC Ventures。
现代企业安全运营中心（SOC）每天面临海量告警，其中充斥着大量误报。分析师必须在日志、云资产、终端及工单系统等孤立的信息源中反复拼凑线索，极易导致真正的威胁被噪音淹没。
Exaforce 并没有简单地用大语言模型去“总结”孤立告警，而是推出了专为SOC打造的AI Agent平台。系统首先将复杂的企业IT环境构建为结构化的语义知识图谱。
基于这一全局上下文，AI Agent能够自动关联某个告警背后的身份、权限及云资源历史变更，自主完成威胁检测、分诊、调查与响应闭环。此外，平台推出的“Vibe Hunting”功能，允许安全团队直接用自然语言（如按攻击路径或异常行为）跨系统进行威胁追捕。据公司披露，平台可减少最高90%的手工耗时任务。
Exaforce由Ankur Singla等人创立，Ankur Singla曾创办云网络公司Contrail Systems并被Juniper Networks收购，后续经历覆盖Juniper、F5等网络与安全基础设施公司。
3.DeepInfra完成1.07亿美元B轮融资，扩张面向AI推理的专用云基础设施
官方网站：https://deepinfra.ai
DeepInfra完成1.07亿美元B轮融资，本轮由500 Global和Georges Harik共同领投，A.Capital Ventures、Crescent Cove、Felicis、NVIDIA、Peak6、Samsung Next、Supermicro、Upper90参投。
DeepInfra切的是AI从训练走向大规模应用后的推理成本问题。开源模型能力提升和Agent工作流普及后，企业每天要处理持续、高频、低延迟的token生成需求，单个Agent任务可能调用模型50到100次以上，通用云平台的GPU租赁和弹性计算模式很难稳定压低单位token成本。DeepInfra自建并运营GPU基础设施，在美国8个数据中心部署推理优化集群，通过OpenAI兼容API提供190多个开源模型，面向企业和开发者提供低延迟、高吞吐、零数据保留的推理服务。
这家公司值钱的核心在于把推理做成一套垂直整合的“token工厂”。它从芯片、网络、调度软件到API一起优化，服务的基准负载就是Agent带来的持续推理请求，而非偶发调用。公司披露每周处理接近5万亿token，自A轮以来token处理量增长25倍，2026年以来收入增长3倍；同时与NVIDIA开放AI生态合作。
DeepInfra由Nikola Borisov、Georgios Papoutsis和Yessenzhar Kanapin联合创立，团队此前参与建设即时通讯应用imo的后端基础设施，该应用曾服务全球超过2亿用户。Nikola Borisov现任CEO，曾任imo工程总监，也曾在Microsoft、HalloApp、DreamBox Learning工作。
4.ElevenLabs完成D轮第三次交割，ARR突破5亿美元，扩张企业语音Agent平台
官方网站：https://elevenlabs.io
ElevenLabs完成D轮融资第三次交割，本次新增投资方包括BlackRock、Wellington、D.E. Shaw、Schroders、NVentures、Santander、Salesforce、KPN、T.Capital，以及Jamie Foxx、Eva Longoria等文娱领域投资人。公司此前于2026年2月完成5亿美元D轮融资，估值达110亿美元。
ElevenLabs做的是面向企业和创作者的AI语音基础设施。公司从高质量语音生成切入，现在重点转向企业语音Agent，覆盖客服、销售、招聘、培训和营销内容制作。
2025年底公司ARR为3.5亿美元，2026年前四个月已超过5亿美元，增长主要来自企业把语音Agent部署到更多业务流程中。
它的优势在于语音质量、低延迟、多语言和企业可控性。Deutsche Telekom、Salesforce、Santander、KPN等客户已经用ElevenLabs做客服、广告、产品演示、销售支持和实时翻译。对企业来说，语音是最敏感的客户交互入口，系统需要听起来自然，同时满足安全、品牌一致性和稳定交付要求。
5.让大型企业AI客服自动化，Netomi完成1.1亿美元C轮融资
官方网站：www.netomi.com
Netomi完成1.1亿美元C轮融资，本轮由Accenture Ventures领投，Adobe Ventures、WndrCo、SLW、NAVER Ventures、Metis Strategy、Fin Capital参投；公司早期投资人包括Greg Brockman、Demis Hassabis、Mustafa Suleyman等。
Netomi做的是大型企业AI客服平台。航空、保险、线上娱乐和金融公司每天要处理大量客服请求，峰值高、监管多、品牌风险也高，普通聊天机器人很难直接上生产。Netomi把聊天、邮件、语音客服接入同一套AI Agent系统，并提供规则控制、人工接管、实时监控和审计能力，帮助企业把更多一线客服问题自动处理掉。
它的核心机会在于从“客服机器人”升级到客户体验基础设施。United App里的Chat AI由Netomi支持，客户还包括Delta、MetLife、Paramount、DraftKings、NBA。
Netomi由Puneet Mehta创立，他早年曾在华尔街做交易AI和实时决策系统，后创办城市服务应用MyCityWay，再转向企业客服AI。
6.押注企业级自主软件开发，Blitzy完成2亿美元增长轮融资
官方网站：https://blitzy.com
Blitzy完成2亿美元增长轮融资，融资后估值达14亿美元。本轮由Northzone领投，PSG、Battery Ventures、Jump Capital、Morgan Creek Digital、Defiant新进参投，老股东Flybridge、Link Ventures、NFX、Picus Capital、Venture Guides继续跟投，Liberty Mutual Strategic Ventures、Erie Strategic Ventures、BAL Ventures作为战略投资方参与。
Blitzy做的是面向大型企业的自主软件开发平台。企业代码库往往有上百万到上亿行代码，依赖关系复杂，传统AI编程助手能改局部文件，但很难理解整个系统。Blitzy先反向解析客户现有代码库，生成动态知识图谱，再调度数千个AI Agent连续运行数天到数周，完成需求拆解、代码生成、测试验证和PR交付。它的核心卖点是让AI承接完整开发项目，而不只提升单个工程师的编码效率。
这家公司切中的是企业遗留系统现代化和研发人力成本。Blitzy称其已进入数十家Global 2000企业，覆盖金融、保险、政府等受监管行业，并在SWE-Bench Pro取得66.5%的成绩。其商业模式也更偏企业大项目，起步包年合同可达百万美元级，按代码生成规模和部署复杂度收费。若交付质量稳定，Blitzy有机会从AI编程工具升级为企业软件交付平台。
Blitzy由Brian Elliott和Sid Pardeshi创立，起源于Harvard Innovation Lab，Brian Elliott是连续创业者；Sid Pardeshi曾在NVIDIA工作7年多，是NVIDIA Master Inventor，拥有27项与生成式AI相关的专利。
7.Vapi完成5000万美元B轮融资，打造企业级AI语音Agent基础设施
官方网站：https://vapi.ai
Vapi完成5000万美元B轮融资，本轮由Peak XV Partners领投，M12、Kleiner Perkins、Bessemer Venture Partners及早期投资方参投；公司累计融资额达7200万美元，估值达到5亿美元。
企业引入AI电话客服的最大难点不在于“发声”，而在于解决低延迟、自然打断、话术控制及业务系统对接等底层工程挑战。
Vapi 提供了一套构建 AI 语音 Agent 的底层基础设施。平台将复杂的语音交互技术栈标准化，允许企业自主搭建、部署完全契合自身业务的语音Agent，而非购买黑盒应用。
该平台日均处理100万至500万通电话，已累计处理超10亿次通话。Amazon Ring 曾对比超40家供应商后选择 Vapi，并已将其用于 100% 的入站电话。Vapi 的壁垒源于两侧：超百万名开发者提供了海量真实通话的压测数据；而 New York Life、Intuit 等大型企业客户则倒逼平台达到了极高的可靠性与可控性标准。
本文由阿尔法公社综合自多个信息源，并在AI模型的辅助下写作，封面图片由AI生成。
✦
✦
