夜雨聆风🔬 422 产品实验室 · AI 新产品日报 · 每日精选
今日洞察
今天最值得关注的信号是「 AI 自我进化」从概念变成了资本追逐的具体赛道。同一天内三个维度的事件交汇： Recursive Superintelligence 以$650M 和$46.5 亿估值出隐身，要做「自我改进的 AI 」； Adaption 推出 AutoScientist ，让模型自动化微调自己，$50M Seed ； GenericAgent 以 11.3K Star 展示了从 3300 行种子代码长出完整技能树的自进化 Agent 。三条路，同一个方向——AI 正在学会训练 AI。
与此同时，「 AI Agent 的个人化」出现了爆品级验证： OpenHuman 两周内 8000+ Star 、 5000+日活用户，以本地优先+10 亿 token 记忆+118+集成证明了用户愿意「拥有」而非「订阅」 AI 。 Poppy 以「主动感知」切入数字生活管理， Charms.ai 则把 AI 角色变成可交易的链上资产。
对创业者来说，今天的核心判断是：AI 产业的下一个分层是「谁训练 AI 」和「谁被 AI 训练」。 Recursive 和 Adaption 在做「让 AI 训练 AI 」的基础设施， GenericAgent 在证明「 Agent 可以自己长能力」。这三条路线汇聚的终点是同一个： AI 产品的迭代速度将脱离人类工程师的瓶颈。
1. OpenHuman — 本地优先的个人 AI 超级智能，两周 8K Star+GitHub Trending #1
融资信息：开源项目（ MIT ）， tinyhumansai 出品， Rust+TypeScript 构建。 Product Hunt #3 ， GitHub Trending 全球#1
做什么的：个人 AI 超级智能桌面应用——本地优先、隐私第一、 10 亿 token 持久记忆。整合 118+ AI provider 和工具集成，用本地 LLM 处理低级任务保护隐私， TokenJuice 压缩技术管理记忆。一个界面覆盖对话、语音、编码、知识库、任务管理。 Rust 内核保证性能和内存安全。
为什么值得关注： - 两周 8000+ Star 、 5000+日活——「拥有你的 AI 」是真实需求：这个增长速度在 AI Agent 赛道极为罕见。用户不需要终端、不需要写 prompt 、不需要反复配置。安装→连接服务→开始使用。这说明 AI Agent 的「最后一公里」不是技术问题，是体验问题 - 10 亿 token 记忆树（ Memory Trees ）——不是向量数据库，是认知架构： OpenHuman 的记忆不是简单的 RAG 检索，而是树状结构， Agent 能理解信息之间的层级和关联。这意味着它真正「记住」你的工作上下文，而不是每次从零开始 - 118+集成， 30+ AI Provider——不做模型做 Harness： OpenHuman 不训练模型，它做的是「所有模型的统一入口」。用户可以在一个界面里调用 Claude 、 GPT 、 Gemini 等任何模型，同时保持统一的记忆和身份。这是「模型无关的 AI 操作系统」思路 - Rust 内核——性能是 Agent 体验的隐形门槛： AI Agent 需要实时响应， Electron 应用的延迟在密集交互时非常明显。 Rust 保证了低内存占用和快速启动 - 创业者启示：「 AI Agent 的操作系统层」是一个正在形成的品类。模型会越来越多、越来越便宜，但用户需要一个统一的入口来管理所有模型交互的上下文。 OpenHuman 做的是 AI 时代的「浏览器」——模型是网页，它是 Chrome
类比参考： AI Agent 版的「 Raycast + Obsidian 」——一个快速启动器把所有 AI 能力统一入口，同时有 Obsidian 级别的本地知识管理。或者「 Ollama 的 GUI 版，但带 10 亿 token 记忆」
🔗 GitHub[1] | Product Hunt[2]
2. GenericAgent — 从 3300 行种子代码自进化出完整技能树的 Agent （⭐ 11,362 ）
融资信息：开源项目， lsdefine 出品， Python 构建
做什么的：自进化 AI Agent——从 3.3K 行种子代码开始，通过「技能树」机制自动生长出完整的系统控制能力。 Agent 执行任务时自动发现新技能、编写技能代码、将技能挂载到技能树上供后续复用。最终实现 6 倍更少的 token 消耗完成同等任务。
为什么值得关注： - 11.3K Star + 1.3K Fork——「 Agent 自己写自己的工具」引发了开发者共振： GenericAgent 的核心创新不是任何单一能力，而是「自生长」机制。 Agent 遇到不会的事情，不是报错，而是自动写一个技能来解决，然后永久记住 - 3.3K 行种子→完整系统控制：启动时 Agent 只有一个极简的种子代码库。但随着使用，它逐步生长出文件操作、网络请求、代码生成、数据分析等完整能力。这不是预装的，是「长出来」的 - 6 倍 Token 节省的经济学意义：通过技能树复用已学技能，避免每次都从零推理。在 Agent 的运营成本中， token 消耗是最大变量。 6 倍节省意味着同样的预算可以做 6 倍的事情 - 技能树是 Agent 的「肌肉记忆」：人类学骑自行车一次就永久记住，不需要每次重新学。 GenericAgent 的技能树就是这个「肌肉记忆」的工程实现 - 创业者启示：「 Agent 的自生长能力」可能是区分好 Agent 和伟大 Agent 的关键。大多数 Agent 框架给 Agent 一套固定工具， GenericAgent 让 Agent 自己造工具。这个思路可以延伸到任何垂直领域——代码 Agent 自生长代码模板、销售 Agent 自生长话术、研究 Agent 自生长分析方法
类比参考： Agent 版的「干细胞」——从最基础的单元出发，根据环境需求自动分化出各种专门能力。或者「 AI Agent 的乐高积木，但积木会自己造新的积木」
🔗 GitHub[3]
3. Adaption AutoScientist — $50M Seed ，让 AI 模型自动化训练自己
融资信息：$50M Seed 轮融资。创始人 Sara Hooker 是 Cohere 前 VP Research ，以论文《 The Hardware Lottery 》闻名。 Adaption Labs 总部旧金山
做什么的： AI 模型的自动化训练平台——AutoScientist 让模型自己设计训练实验、选择数据、优化超参数，完成「模型训练模型」的闭环。核心是「数据-模型协同优化」：不是先准备数据再训练模型，而是让模型和数据一起迭代优化。声称在不同模型上将胜率翻倍。
为什么值得关注： - $50M Seed——投资人对「 AI 训练 AI 」的押注规模空前： Seed 轮就拿到 5000 万美元，说明投资人认为「让模型训练自己」不是一个辅助功能，而是一个基础品类 - 全球不到 1000 人知道如何塑造前沿模型——Adaption 要让这个数字变成 100 万：创始人 Hooker 的核心洞察是，模型定制化能力被锁死在少数大实验室里。 AutoScientist 的目标是让任何开发者都能做模型微调，而且比人工做得更好 - 「数据-模型协同优化」是技术突破：传统方式是先准备数据集再训练， AutoScientist 让两者同时优化——模型告诉数据什么重要，数据告诉模型该学什么 - 胜率翻倍的商业含义：如果微调效率真的能翻倍，意味着企业在定制模型上的 ROI 直接翻倍。这对 AI 落地是结构性利好 - 创业者启示：「 AI 训练基础设施」正在从「 GPU+标注数据」转向「自动化训练 Pipeline 」。当 AutoScientist 这样的工具让微调变得自动化和普惠化，竞争焦点会从「谁的模型更好」转向「谁的微调 pipeline 更高效」
类比参考： AI 训练版的「 DevOps 」——软件工程从手动部署进化到 CI/CD ，模型训练正从手动微调进化到 AutoScientist 这样的自动化 Pipeline 。或者「模型训练的自动驾驶」
🔗 官网[4] | TechCrunch 报道[5]
4. Recursive Superintelligence — $650M 出隐身，做自我改进的 AI （估值$46.5 亿）
融资信息：$650M 融资，估值$46.5 亿。 GV （ Google Ventures ）和 Greycroft 领投， Nvidia 参投。总部伦敦
做什么的：构建自我改进的 AI 系统——核心架构是「开放式进化」： AI 系统自动发现自己的弱点，设计改进方案，自动执行改进，然后重新评估。创始人引用 Stanisław Lem 的「信息屏障」理论，认为递归自我改进是通向超级智能的最快路径。
为什么值得关注： - $650M + $46.5 亿估值——2026 年最大单笔 AI 融资之一： GV 亲自下场写博客背书， Nvidia 参投。投资人押注的不是产品而是范式：如果「 AI 改进 AI 」真的能 work ，这是一个赢家通吃的市场 - 伦敦→硅谷的 AI 版「逆向殖民」： Recursive 总部在伦敦，但拿了硅谷最顶级 VC 的钱。说明在 AI 前沿领域，地理位置正在让位于人才密度 - GV 的博客标题就是信号：「 Why Self-Improving AI is the Next Frontier 」：当 Google 的 VC 部门公开说「自我改进 AI 是下一个前沿」时，这不是投资分析，这是行业方向标 - 从概念到资本——「自我改进」不再是科幻：三年前「自我改进 AI 」还是学术论文的讨论话题。今天它拿到了 6.5 亿美元的真金白银。从概念验证到资本验证的速度令人震惊 - 创业者启示：「 AI 自我改进」赛道的窗口正在打开。 Recursive 做的是最激进的全栈自我改进，但同一赛道的细分机会巨大：自我改进的代码 Agent 、自我改进的营销 Agent 、自我改进的客服 Agent……每个垂直领域都需要一个「能自己变好的 AI 」
类比参考： AI 版的「compiler compiling itself」——编程语言发展史上的关键里程碑是编译器能编译自己。 Recursive 想做的是 AI 版的这个里程碑
🔗 官网[6] | GV 博客[7]
5. Nectar Social — $30M Series A ， AI Agent 驱动的营销操作系统
融资信息：$30M Series A ， Menlo Ventures 和 Anthropic 合作的 Anthology Fund 领投， True Ventures 、 GV 、 Gwyneth Paltrow 的 Kinship Ventures 参投。创始人 Misbah 和 Farah Uraizee 姐妹来自 Meta
做什么的： AI Agent 驱动的社交营销操作系统——用 Agent 自动化品牌在社交媒体上的内容创作、发布排期、社区互动、竞品监控。已有 e.l.f. Beauty 、 Babylist 、 Figma 、 Graza 等品牌客户。核心是「 Nectar Agent 」：品牌调教一个 AI Agent ，它理解品牌语气后自主执行日常营销工作。
为什么值得关注： - Anthropic 的 Anthology Fund 领投——这是 Claude 生态扩展的信号： Anthropic 专门和 Menlo 成立了 Anthology Fund 来投 AI 应用层公司。 Nectar Social 拿到这笔钱，意味着它将深度集成 Claude 的能力。对创业者来说，「 Anthropic 生态」正在形成 - e.l.f. Beauty + Figma——从快消到 SaaS ， AI 营销 Agent 的通用性被验证：能在完全不同的行业（美妆快消 vs 设计工具）都获得客户，说明「品牌 AI Agent 」这个品类是跨行业的 - 创始人来自 Meta——社交媒体的「内行做 AI 」： Farah 在 Meta 负责 Facebook Groups 扩张到 10 亿+用户，她理解社交媒体的底层逻辑。这是典型的「领域专家+AI 」创业 - $30M Series A + 姐妹创业——资本对「 AI Native 垂直 SaaS 」的定价： 2023 年成立， 3 年做到 Series A 。速度说明 AI 营销的 ROI 已经被市场验证 - 创业者启示：「 AI Agent 替代外包/代运营」是一个巨大的品类。品牌在社交媒体上的日常运营目前靠人力或代运营公司。 Nectar Social 的 Agent 可以 24/7 工作、理解品牌调性、自动优化。同样的模式可以复制到： AI PR Agent 、 AI BD Agent 、 AI HR Agent
类比参考：营销版的「 Devin 」——Devin 替代初级程序员， Nectar Agent 替代初级社交媒体运营。或者「 HubSpot 的 AI Agent 版」
🔗 官网[8] | TechCrunch 报道[9]
6. Atech — $800K Pre-seed ，把 Vibe Coding 带入硬件（ Lovable 战略投资）
融资信息：$800K Pre-seed 。 Lovable 战略投资， a16z Scout Fund 、 Sequoia Scout Fund 、 Nordic Makers 参投。丹麦哥本哈根+斯德哥尔摩
做什么的：用自然语言描述硬件想法→AI 生成原型代码→直接制造硬件原型。把「 Vibe Coding 」（用 AI 对话式编程）的理念从软件扩展到硬件。用户用自然语言描述想要的硬件设备， AI 生成原理图和 BOM （物料清单），甚至能连接制造服务直接打样。
为什么值得关注： - Lovable 亲自投资——从「 AI 做 App 」到「 AI 做硬件」的版图扩张： Lovable 是 AI 生成 App 的头部平台（类似 Bolt/v0 的竞品），它投资 Atech 意味着「 Vibe Coding 」正在从软件向硬件蔓延。这不是投资，是战略布局 - a16z + Sequoia 双 Scout Fund——硅谷顶级 VC 的「硬件民主化」共识：两家顶级 VC 的 Scout Fund 同时出现在一个小小的 Pre-seed 轮里，说明「 AI+硬件」的早期项目已经被雷达锁定 - 自然语言→硬件原型——制造业的「 Co-Pilot 时刻」：硬件开发一直是最难民主化的领域，需要 EE 知识、 PCB 设计、供应链管理。 Atech 的 AI 把这些专业知识压缩到对话里 - 北欧+AI+硬件的「铁三角」：丹麦和瑞典有深厚的硬件制造传统（蓝牙、 Skype 、 Spotify 都是北欧出品）。 Atech 可能成为北欧 AI 硬件创业的标杆 - 创业者启示：「 Vibe Coding 」正在成为一个跨领域范式。从软件（ Cursor/Lovable ）→网站（ v0/Bolt ）→3D （ image-blaster ）→硬件（ Atech ），每个创作领域都会有一个「用自然语言+AI 就能做」的工具。下一个可能是： Vibe Design （用 AI 做工业设计）、 Vibe Music （用 AI 作曲编曲）
类比参考：硬件版的「 Lovable/v0 」——Lovable 让你用对话做 App ， Atech 让你用对话做硬件。或者「 PCB 版的 Cursor 」
🔗 官网[10] | TechCrunch 报道[11]
7. Charms.ai — $1.5M Pre-seed ， AI 角色的链上经济体
融资信息：$1.5M Pre-seed 。 Lattice Fund 、 Coinbase Ventures （ Base Ecosystem Fund ）、 JME Ventures 参投， World Foundation 资助
做什么的： AI 角色的创建、交互、所有权和交易平台——用户创建 AI 角色（有记忆、有推理能力、有「灵魂」），这些角色在链上有独立的数字资产身份。角色可以与用户互动、积累粉丝、产生交易价值。整个经济体围绕 AI 角色运转。
为什么值得关注： - Coinbase Ventures + Lattice Fund——crypto 原生资本在押注「 AI 角色的资产化」：这不是一个 AI 产品拿到了 crypto 投资，而是 crypto 原生投资者认为「 AI 角色」是下一个资产类别 - 「 AI 角色不是功能，是资产」——范式转换：大多数 AI 聊天产品（ Character.AI 等）把角色当功能。 Charms 把角色当资产——可以拥有、交易、增值。这是从「 SaaS 」到「资产平台」的商业模式转换 - World Foundation 资助——「 AI+人格权」的制度创新： World Foundation （ Worldcoin 背后的组织）资助 Charms ，暗示着 AI 角色可能涉及人格权和身份验证的新范式 - 创作者经济的 AI 版： YouTube 让视频创作者赚钱， Patreon 让文字创作者赚钱， Charms 想让 AI 角色创作者赚钱。如果 AI 角色的粉丝经济能成立，这是一个全新赛道 - 创业者启示：「 AI 角色的经济系统」是一个被严重低估的方向。当 AI 角色有记忆、有个性、能持续进化时，它们就不再是「产品功能」而是「数字生命」。围绕这些数字生命的经济系统——创造、运营、交易、 IP——每一条都是一个市场
类比参考： AI 角色版的「 NBA Top Shot + Character.AI 」——角色的互动能力和记忆让它比静态 NFT 有更强的粘性。或者「有灵魂的 Tamagotchi + 可交易的经济体」
🔗 官网[12] | Decrypt 报道[13]
8. Config — $27M Seed ，机器人数据的「 TSMC 」（三星/现代/LG/SK 联合投资）
融资信息：$27M Seed 轮。 Samsung Venture Investment 、 Hyundai 、 LG 、 SK 等韩国最大制造商联合投资。首尔+圣何塞双总部
做什么的：为机器人基础模型（ RFM ）构建数据基础设施——做机器人的「数据代工厂」。类似于 TSMC 为芯片公司制造芯片， Config 为机器人公司提供训练数据：数据采集、标注、增强、质量控制的全流程服务。专注于双臂操作（ bimanipulation ）场景。
为什么值得关注： - $27M Seed + 韩国四大财阀联合投资——「机器人数据」被重注： Samsung 、 Hyundai 、 LG 、 SK 同时出现在一轮融资里，这在韩国科技投资史上极为罕见。说明韩国制造业巨头对「机器人训练数据」的战略共识已经形成 - 「机器人领域的 TSMC 」——数据层是价值链的战略位置： AI 模型需要数据，但机器人数据（尤其是操作数据）比文本数据难获取 100 倍。 Config 做的是最难但最有价值的事 - 双臂操作——最困难的机器人场景：双臂协调操作是人类日常最自然的事，但对机器人来说是最难的。 Config 选择从最难的地方切入，说明团队有明确的技术路线 - 首尔+圣何塞——连接亚洲制造能力和硅谷 AI 技术：这个地理位置选择本身就是产品策略：在韩国获取制造场景数据，在硅谷获取 AI 人才 - 创业者启示：「具身智能的数据基础设施」是 AI 领域最后一个蓝海。大语言模型的数据已经被互联网文本解决，但机器人的训练数据还处于「手动采集」阶段。谁解决了机器人数据问题，谁就控制了具身智能的供应链
类比参考：机器人版的「 Scale AI 」——Scale AI 解决了自动驾驶的数据标注问题， Config 要解决机器人的数据采集和标注。或者「具身智能的 TSMC 」
🔗 官网[14] | TechCrunch 报道[15]
9. Poppy — 主动式 AI 助手，帮你管理数字生活的「后台大脑」
融资信息： Second Nature Computing 出品，刚上线。 TechCrunch 5 月 13 日专题报道
做什么的：主动式 AI 个人助手——连接你的日历、邮件、消息、位置等服务，在后台持续感知你的生活节奏，然后主动推送提醒、建议和任务。不是你问它答，而是它「注意到」你需要什么然后主动告诉你。
为什么值得关注： - 「 Proactive 」 vs 「 Reactive 」——AI 助手的核心分水岭：大多数 AI 助手（包括 ChatGPT ）是被动响应的——你问它答。 Poppy 是主动的——它「注意到你下周要出差但还没订酒店」然后提醒你。从 Reactive 到 Proactive ，是 AI 助手体验的质变 - 连接碎片化数字生活——「数字化身」的雏形： Poppy 能看到你的日历+邮件+消息+位置，这意味着它构建了一个你的「数字镜像」。基于这个镜像做出的推荐比任何单一数据源都准确 - 「 Poppy pays attention so you don't have to 」——精准的产品定位：在信息过载时代，一个「替你注意」的 AI 比一个「替你搜索」的 AI 更有价值 - Widget 优先的交互设计：不需要打开 App 看，手机 Widget 就能看到关键信息。降低交互成本是 AI 助手被日常使用的关键 - 创业者启示：「主动式 AI 」正在取代「对话式 AI 」成为个人助手的产品范式。用户不想和 AI 聊天，想让 AI 帮他们做事。 Poppy 的 Proactive 模式——持续感知、主动推送、减少决策——可能是 AI 个人助手的正确形态
类比参考： AI 版的「 Google Now （ 2013 ）」——Google Now 曾尝试做主动推送但受限于技术能力， Poppy 用 2026 年的 AI 重新实现这个愿景。或者「你手机里的贴心秘书」
🔗 官网[16] | TechCrunch 报道[17]
📅 2026-05-17 | 🔬 422 产品实验室以上内容基于公开信息整理，不构成投资建议。
参考链接
[1] GitHub: https://github.com/tinyhumansai/openhuman
[2] Product Hunt: https://www.producthunt.com/products/openhuman
[3] GitHub: https://github.com/lsdefine/GenericAgent
[4] 官网: https://adaptionlabs.ai
[5] TechCrunch 报道: https://techcrunch.com/2026/05/13/adaption-aims-big-with-autoscientist-an-ai-tool-that-helps-models-train-themselves/
[6] 官网: https://recursive.com
[7] GV 博客: https://www.gv.com/news/recursive-superintelligence-self-improving-ai
[8] 官网: https://nectar.ai
[9] TechCrunch 报道: https://techcrunch.com/2026/05/16/marketing-operating-system-nectar-social-raises-30m-series-a-in-round-led-by-menlo/
[10] 官网: https://atech.dev
[11] TechCrunch 报道: https://techcrunch.com/2026/05/14/lovable-just-backed-a-company-thats-looking-to-bring-vibe-coding-to-hardware/
[12] 官网: https://charms.ai
[13] Decrypt 报道: https://decrypt.co/367543/charms-raises-1-5m-pre-seed-to-bring-the-ai-character-economy-onchain
[14] 官网: https://config.inc
[15] TechCrunch 报道: https://techcrunch.com/2026/05/11/koreas-biggest-manufacturers-back-config-the-tsmc-of-robot-data/
[16] 官网: https://poppy.ai
[17] TechCrunch 报道: https://techcrunch.com/2026/05/13/poppy-debuts-a-proactive-ai-assistant-to-help-organize-your-digital-life/
