你能想象吗？

今天AI创业圈里，最值钱的“资产”可能不是产品，也不是收入，而是一张OpenAI或Anthropic的工牌。

据不完全统计，从2025年至今，围绕OpenAI、Anthropic离职员工及核心合作人员成立的20家AI公司，已经拿下了46亿美元融资。

更夸张的是，至少7家公司目前还没有正式对外发布产品，却已经拿到近9亿美元。

这很容易让大家想起当年的“PayPal黑帮”。

PayPal的意义，不限于一家支付公司，更在于它孕育了一张庞大的创业网络。离开PayPal的人后来创办或参与了Tesla、SpaceX、LinkedIn、YouTube、Yelp和Palantir。

OpenAI和Anthropic正在成为类似的组织：既是最好的AI公司，也是创业人才的“黄埔军校”。

接下来，硅基君来逐一拆解下这20家公司。

/ 01 /

Thinking Machines Lab：20亿美元，造一台“模型定制机”

Thinking Machines Lab成立于2025年2月，创始人Mira Murati曾任OpenAI CTO和代理CEO，直接领导了DALL-E、GPT-4等核心产品的研发。公司还吸引了多位前OpenAI研究及产品负责人加入。

2025年7月，公司完成20亿美元种子轮融资，由a16z领投，英伟达等机构参与，估值达到120亿美元，这是近年来规模最大的种子轮融资之一。

Thinking Machines的主要产品Tinker，是一个模型微调平台。简单来说，企业不需要自己砸钱买显卡、搭系统，只需把业务数据上传到Tinker云端平台，就能用它提供的工具，给Llama、Qwen等现成的开源模型“喂”进自己的数据，训练成懂金融、编程或科研的专用模型。

据IT之家报道，对冲基金Bridgewater已经通过Tinker定制了Qwen模型。在其公布的测试中，这个专用模型在金融信息筛选任务上准确率达到84.7%，优于GPT等前沿模型的78.2%，而且推理成本仅为后者的约十四分之一。

/ 02 /

Humans&：给AI装上“团队记忆”

Humans&成立于2025年下半年，核心创始人Andi Peng此前是Anthropic研究员，参与过Claude模型的强化学习和后训练工作。

2026年1月，公司宣布完成4.8亿美元种子轮融资，估值达到44.8亿美元，投资方包括英伟达、SV Angel等机构。

Humans&的目标是为“社交智能”构建新一代的基础模型架构。

它想做的不是一个只服务单个用户的聊天机器人，而是一套面向团队协作的AI。它希望AI能够长期记住一个组织如何工作、不同成员分别负责什么，以及团队过去为什么做出某个决定，再在会议、沟通和项目推进中主动提供帮助。

简单来说，现在的AI更像“随问随答的临时助手”，Humans&希望把它变成了解团队历史、能够与多人长期合作的成员。

/ 03 /

Mirendil：让AI自己造出下一代AI

Mirendil由前Anthropic研究员Behnam Neyshabur、Harsh Mehta等人创办。几位创始人在2025年年底离开Anthropic，2026年初正式成立公司。

公司成立不久便完成2亿美元融资，由Andreessen Horowitz（a16z）和Kleiner Perkins领投，英伟达等机构参投，估值达到10亿美元。

Mirendil的核心目标是实现“AI自我改进”。目前，研究员需要手动提出改进方案、安排训练实验、比较结果，再决定下一轮怎么调整；Mirendil希望把这套繁琐的流程完全交给AI，让AI自己跑实验、分析结果，并直接产出下一代更强的模型，最终实现“AI自己造AI”。

目前公司已经签下价值超过1亿美元的多年期Google Cloud协议，为大规模训练和实验准备算力。

/ 04 /

Core Automation：让模型学会“边干边长大”

Core Automation于2026年3月成立，创始人Jerry Tworek曾任OpenAI研究副总裁，长期负责强化学习和推理模型研究。

联合创始人Joanne Jang曾负责OpenAI模型行为，Rohan Anil则拥有Anthropic和Google DeepMind研究经历。

Core Automation成立数周便完成1亿美元融资，估值10亿美元。此后又被曝洽谈3亿至5亿美元融资，目标估值约40亿美元，相关交易仍处于洽谈阶段。

与Mirendil强调“AI造AI”不同，Core Automation更看重“持续学习”。今天的大模型训练完成后，能力就基本固化了，遇到新知识还得重新花巨资训练。

Core希望打造一个自动化的AI实验室，让模型上线后还能像人一样，在干活的过程中从新任务和反馈中持续学习成长，而不是每次都“推倒重来”。

/ 05 /

River AI：训练由用户完全掌控的私人AI

River AI成立于2026年4月，创始人Igor Babuschkin是xAI联合创始人，早期也曾在OpenAI和Google DeepMind任职。

River AI想做的是 “个人专属的私有基础模型” 。现在的ChatGPT等大模型本质是跑在云端的“公共大脑”，用户的数据、记忆和偏好都存在大厂服务器里，受制于平台的安全规则和统一审查。

River AI希望把模型、个人数据和使用权限彻底交还给用户，打造一套本地化、由用户完全掌控的私人AI。

2026年8月11日，River AI宣布完成11亿美元融资，由General Catalyst和AMP PBC领投，英伟达、AMD Ventures、Y Combinator和淡马锡等参与。

/ 06 /

Isara：让2000个Agent一起工作

Isara成立于2025年6月，联合创始人Eddie Zhang曾在OpenAI从事AI安全研究，另一位创始人Henry Gasztowtt来自牛津大学。

公司希望构建大规模Agent集群，让数百甚至数千个Agent围绕一个复杂目标同时工作、交换信息并修正彼此的结论。

Isara早期演示曾同时调度约2000个Agent预测黄金价格。目前，公司瞄准投资机构，后续还计划进入生物医药和地缘政治分析等变量极多的场景。

公司已完成9400万美元融资，估值6.5亿美元，OpenAI也是投资方之一。

/ 07 /

Planar：给人类和Agent建一间“共同办公室”

Planar于2026年5月成立，联合创始人Younghoon Kim此前是OpenAI软件工程师，主要从事保护与安全相关工作。

Planar看到的问题是，员工使用ChatGPT、Claude完成了很多工作，但过程和结论往往留在个人聊天框里。换一个人接手项目，仍要重新寻找资料、理解背景、确认进度，AI带来的效率很难在团队里积累。

Planar希望建立一个人类与Agent共用的工作空间，把项目决定、任务进度、负责人、交接记录和相关资料放在一起。无论工作交给同事还是另一个Agent，都可以从同一份上下文继续，而不是从头开始。

目前，Planar正在与一小批已经使用Agent和AI工作流的团队共同打磨产品。

/ 08 /

Egoist Machines：给AI记忆办一张“通行护照”

Egoist Machines是YC 2026年夏季项目。联合创始人David Khachaturov曾任OpenAI机器学习研究员，参与过PaperBench等项目。

公司开发的AI Passport，可以理解为一张由用户自己保管的“AI个人档案”。

现在，ChatGPT、Claude和其他AI应用分别记住用户的一部分偏好，但这些记忆互不相通。AI Passport把用户允许保存的习惯、经历和偏好集中在一起；当一个新应用需要这些信息时，由用户决定开放哪些内容，也可以随时收回权限。

这样一来，用户更换AI工具时不必反复介绍自己，也不必把全部个人信息永久交给每个平台。

AI Passport目前处于预约阶段，Egoist承诺个人用户可永久免费使用。

/ 09 /

Embrasure：让AI维护数据管道

Embrasure于2026年7月公开，由前OpenAI工程师Victor Sunderland与前Palantir工程师Jacob Kieser创办，获得a16z Speedrun支持。

它解决的是企业数据“表面正常、内部出错”的问题。

比如上游系统突然改了一个字段名称，数据任务可能仍然正常运行，但下游报表和AI Agent已经读到了错误结果；数据规模越大，人工越难及时发现。

Embrasure的Scout会持续维护数据管道：它会追踪每个字段来自哪里、流向哪里，被哪些报表和模型使用，找到对应负责人，生成修复代码，并在修改后重新检查。

目前，Embrasure已经开放产品演示和企业试用入口，产品可以接入Claude Code、Codex、Cursor等Agent工具。

/ 10 /

Periodic Labs：把AI科学家塞进真实实验室

Periodic Labs 2025年9月正式亮相。联合创始人Liam Fedus曾任OpenAI后训练研究副总裁，也是ChatGPT早期核心研究人员。

Periodic要做的“AI科学家”，不只会读论文，还要进入真实实验室动手。

AI先提出一个材料或化学假设，再控制自动化设备合成样品、测量性能，根据实验结果决定下一轮如何调整，形成“提出想法—动手实验—读取结果—继续改进”的闭环。

公司亮相时完成3亿美元种子轮融资，由Andreessen Horowitz领投，Felicis、Accel、英伟达等参与，估值约13亿美元。

据第三方研究机构Contrary披露，Periodic已经获得半导体行业的早期客户，并开始产生收入。

/ 11 /

Worktrace AI：先找出公司最该自动化的那一步

Worktrace AI成立于2025年，由Angela Jiang和Deepak Vasisht创办。Jiang是OpenAI早期产品经理，参与过GPT-3.5、GPT-4等相关产品工作。

Worktrace AI本质上是一个 “AI流程挖掘与自动化发现平台” 。

很多企业买了AI工具，却不知道哪一段工作最值得自动化。Worktrace先通过桌面应用观察员工在不同软件中的真实操作，把一项工作经过哪些步骤、在哪些系统之间切换、哪里经常等待或返工，自动整理成流程图，再精准标出适合使用AI接管的环节。

目前，公司已完成930万美元种子轮融资，由Conviction和8VC领投，OpenAI Startup Fund、Mira Murati等参与。

根据公司公布的BukuWarung案例，Worktrace帮助部分岗位减少约90%的流程工时，由人工复核的自动化准确率达到96%至99%。

/ 12 /

Applied Compute：给每家公司训练一颗“私有大脑”

Applied Compute成立于2025年，由Rhythm Garg、Linden Li、Yash Patil等前OpenAI技术人员创办。

Applied Compute的核心产品是一套企业专属的AI训练、部署和持续迭代平台。它不直接出售某个固定的客服或法律AI，而是把企业自己的数据、工作经验和判断标准训练进开源模型，做成只服务于这家公司的专属模型。

目前，公司累计融资1.6亿美元，最近一轮以13亿美元估值完成8000万美元融资；目前又在洽谈约30亿美元估值的新融资。其客户及合作方包括Microsoft、NTT Data、Harvey、DoorDash、Cognition和Bridge等。

《The Information》披露，Applied Compute当前年化收入约5000万美元，较此前增长接近4倍。

/ 13 /

Math Inc：让数学证明像代码一样接受质检

Math Inc于2026年1月以现品牌亮相，其前身是2023年成立的Morph Labs。创始人Jesse Han曾在OpenAI从事数学推理和形式化证明研究。

Math Inc开发的Gauss，本质上是一个数学界的“编译器加质检员”。它把数学家用自然语言写下的证明，翻译成Lean证明程序可以读取的代码，再由Lean像检查软件一样逐步核对推理。

在一次公开项目中，Gauss用3周生成约2.5万行Lean代码，包含1000多个定理和定义，完成Terence Tao与Alex Kontorovich提出的强素数定理形式化挑战。

/ 14 /

Mbason AI：把找工作做成一条AI流水线

Mbason AI成立于2026年3月。创始人Johnpaul Mbagwu曾参与Anthropic的人类数据服务相关工作。

Mbason是一站式AI求职平台，它先根据经历匹配职位，再针对具体岗位修改简历、生成求职信，之后提供模拟面试和反馈，并记录每份申请推进到哪一步。企业端则可以发布职位、筛选候选人并直接沟通。

Mbason已经上线网页和移动端产品，并开始尝试订阅收费：Gold服务3天体验价为4.99美元，后续为14.99美元/月。

/ 15 /

Rational：给会计师事务所招一批“数字员工”

Rational是YC 2026年夏季项目，联合创始人Christ Xu曾任OpenAI软件工程师。

Rational提供的是 “AI数字会计员工” 。它可以接入会计师事务所现有的软件，追着客户收文件、核对发票和付款状态、执行对账、协调月末结账，并把需要签字和专业判断的部分交还给会计师。

与普通聊天机器人不同，Rational还会先了解一家机构的工作分工、审批路径和客户沟通方式，再按照这套规则处理任务。公司称客户覆盖个人从业者至《财富》全球500强团队。

在一个企业财务案例中，Rational每个结账周期处理五位数规模的发票，客户报告相关复核流程减少约50%；在另一家会计服务机构，约50名使用者平均每人每周减少约20小时协调工作。

/ 16 /

Arda：给工厂装上一个AI总调度

Arda由前OpenAI首席研究官Bob McGrew创办。他曾负责OpenAI机器人等研究方向，离职后把注意力转向工业现场。

Arda不直接制造机器人，而是希望成为连接工厂视频、生产软件、机器人和现场人员的智能协调层。

系统会分析生产线视频，理解工人、设备和机器人分别在做什么，找出哪道工序发生堵塞、哪些设备闲置，以及人与机器的配合哪里出了问题，再把这些信息用于调整生产流程和训练机器人。

据《华尔街日报》报道，Arda正在洽谈约7000万美元融资，目标估值7亿美元，相关融资尚未完成。

/ 17 /

Guidelight AI Standards：给AI公司制定一张“安全成绩单”

Guidelight于2026年5月成立，由前OpenAI安全负责人Steven Adler和政策伦理顾问Page Hedley创办。

它是一家独立非营利机构，想把“负责任地开发AI”这句口号变成可以检查的具体标准：模型发布前要完成哪些测试、公开哪些风险信息、建立哪些防护措施，都应有明确要求。

Guidelight会邀请独立专家参与制定标准，再根据公开信息和企业披露逐项评估AI公司，并发布结果。它希望用公开评分和市场压力，促使企业真正执行安全措施。

为避免既当裁判又接受被评对象资助，Guidelight不接受AI公司及其员工的资金，目前由私人捐赠支持。

/ 18 /

Resolution：研究怎么让超级AI一直“服从人类”

Resolution于2026年6月成立，创始人Geoffrey Irving此前担任英国AI安全研究所首席科学家，也曾在OpenAI、DeepMind和Google Brain从事研究。

Resolution也是一家非营利AI对齐研究机构。它研究的不是如何拦截某一次错误回答，而是怎样确保模型能力越来越强之后，仍会按照人类真正的意图行事。

Resolution希望用数学理论和可重复实验，弄清哪些训练与监督方法能够长期有效、在什么条件下会失效，同时让AI辅助寻找证明和设计实验，加快安全研究本身。

2026年7月，Resolution获得Coefficient Giving提供的1.6亿美元资助，其中1.08亿美元为基础资助，5200万美元与招聘和算力需求挂钩。

/ 19 /

Syntony：给AI Agent做一场“攻防演习”

Syntony由Nathan Heath创办。Heath并非OpenAI或Anthropic的直接员工，而是长期为两家公司进行外部红队测试。

Syntony做的，是在AI真正上线前先主动“攻击”它。

团队会故意输入诱导性内容，让Agent调用工具、接触敏感信息，观察它是否会被提示注入欺骗、越过权限或执行危险操作。

发现问题后，Syntony不会只交一份测试报告，而是继续明确谁负责修复、需要增加什么控制措施，以及修复之后如何重新测试。

公司还在开发安全问题跟踪、风险关系梳理和红队流程管理等工具，部分产品已经进入公开预览或设计伙伴测试。

/ 20 /

Blackstar Computers：不做AI助手，直接造一台AI电脑

Blackstar Computers于2026年4月亮相，创始人Daniel Edrisian曾是OpenAI Codex工程师。

Blackstar认为，今天的电脑仍然要求人不断打开应用、寻找文件和点击菜单；即使增加一个AI助手，底层交互方式也没有改变。

因此，它想同时改造硬件和操作系统，让电脑能够长期理解用户正在做什么，直接调用不同软件完成任务，而不是把AI塞进现有电脑的一个聊天窗口。

公司已经完成1200万美元种子轮融资，由Abstract领投，SV Angel、Naval Ravikant、Chapter One等参与。Blackstar在融资公告中表示，要实现真正的人机交互突破，需要“一台新的电脑”。

文/元元