新創聚光燈

TL;DR

• Berkeley RDI 把「社群與創業」列為三大核心支柱之一。今年春天成立了 Berkeley Xcelerator 春季梯次,收了 8 家橫跨 agentic AI 全端的早期公司;這場再加上業界的 4 家早期公司,共 12 家上台。
• 最擁擠的兩個賽道是 context 與 access control:cognee 與 Headroom 都在賣「別再把垃圾塞進 context window」;AgntID 與 ArmorIQ 則不約而同地主張驗證通過不等於行為對齊,要在執行期比對「agent 的意圖 / 計畫」與「它實際要做的動作」。
• OpenAI / Hugging Face 事件被至少兩家新創直接拿來當市場論據(AgntID、以及 developer platforms 座談的延伸討論),顯示這件事已經變成 agent 安全類產品的共同錨點。
• 「不必等 API」是另一條主線:Narada AI 與 H Company 都主張企業工作流碎片化是設計使然,與其等每個流程都被 API 化,不如讓 agent 直接從前端操作既有介面(含 legacy 綠屏、Citrix、遠端桌面)。
• 收尾後還有 MLK 大樓的海報場次與 reception。

12 家新創

1. Narada AI(約 03:01:32–03:10:30)

Dave Park(CEO 暨共同創辦人;Stanford CS 博士期間創辦第一家公司 Coverity)介紹一個專為企業應用與工作流打造的 agentic 自動化平台。核心論點:HR、IT、財務裡還手動的多半不是 copilot 型小任務,而是 ERP 測試、跨資料孤島的資料驗證與對帳、訂單/發票/帳單對帳這類長程流程;因為很多步驟沒有 API,只能透過 UI 視覺推理再點擊、輸入、捲動,而傳統腳本與 bot 一遇介面變動就壞,通用模型則在雜亂的生產環境中(登入問題、斷線、逾時、設定變更、CRM 重複紀錄)遲早幻覺。

他們的三個做法:(1) 用專有技術自動測繪客戶的應用與介面設定,只憑自然語言流程描述或螢幕錄影就動態生成貼合該環境的 agent;(2) 把「agent 為何與在哪裡失敗」的學習轉成策展過的測試環境與合成資料,訓練能從真實例外中復原的 harness;(3) 用他們主導的 LLM Compiler 規劃與執行框架,把長程任務拆成細顆粒步驟,每一步都有單元測試、例外處理、guardrail 與 self-healing。同一套測繪機制也用來優化高流量工作負載:路徑學會之後,後續數千筆訂單或帳單能以更少算力、更快更準地跑完。團隊有 UC Berkeley 的 Kurt Keutzer 與 Amir Gholami(在 UC Berkeley AI lab 主導 Narada 背後的研究)。案例:跨 23 國比對競品車型選配與定價(數百步);一位客戶有 4,000 個沒有 API 的帳單入口網站。提供數天內完成的免費 PoC。

2. cognee(約 03:10:39–03:15:55)

創辦人 Vasilije(自稱 Vess,從柏林飛來)講的是開源 AI memory 層。他把問題定義成「能不能在任何 harness、任何模型上加一個 self-improvement 迴圈,而不必 token maxing」——而且這不是 agent 問題,是資料問題:agent 產生的資料量是人類的 100 倍,同時企業還有 CRM 與資料孤島要接進來一起推理。

cognee 坐在你的資料與 agentic workflow 之間,把資料攝取、結構化、處理成 graph 與 vector 的組合表示,他形容像千層麵——一層層疊上意義、互相交叉連結、持續演化。要處理的性質包括:版本、時間性、不同 agent 帶著不同記憶的並發讀寫、衝突解決、時間戳、以及「某個當下這句話指的是什麼」的後設表示。他用代名詞消解舉例(「他」在不同日子指不同人),延伸到 revenue、財政年度這類業務名詞的定義歧異。技術上跑在 Postgres 上,每個 agent / team / tenant 都能有自己的資料庫,開源版即支援;有 Claude Code plugin、API 與 CLI,並有 Rust、TypeScript、Java 版本。數據:年初至今 GitHub star 從約 1 萬成長到 3 萬,SDK 每月約 800 萬次執行、上月約 17–18 萬次下載;在記憶 benchmark 上取得業界頂尖分數,相較 context stuffing 節省 86% token。

3. Nimblemind(約 03:16:01–03:22:00)

共同創辦人暨 CEO 談醫療照護的 agent。切入點是產能與行政成本:全球臨床人力都不足,而光是美國,不直接產生照護的行政任務就佔約 25% 的醫療支出,約 6,000 億至 1 兆美元。他指出多數人把 copilot 和 LLM 丟進這些流程,卻少了三個要素:可預測、結構化、一致的任務執行;系統性的 human in the loop(把低信心的決策明確暴露給專家);以及目標導向的工作流。

Nimblemind 把三者合起來做「端到端的醫療知識工作」:跨越醫療院所裡龐雜的系統找出相關資訊、理解 context 與例外、完成多步驟工作流並標出需要人介入之處,最後回傳可追溯的輸出。技術路線是專科專用的小模型(腫瘤科、病理科、放射科、腎臟科等),組合成一個 system of experts。案例:與 SingHealth 合作的論文,掃過 200 萬份以上病理報告尋找被遺漏的 H. pylori 與胃炎案例——人工做這件事約需每 1 萬份報告 82 小時,他們省下 99% 以上的時間,準確度高於院內可接受門檻,整件事在一週內完成。公司約兩年半、創投支持、約 100 家客戶,提供可整合的 API 與白標,並新增讓非技術使用者自建工作流的功能。

4. AgntID(約 03:22:12–03:27:18)

第三次創業的創辦人(前一家資安新創被 Fortinet 收購,更早是 distinguished engineer)講AI agent 的執行期存取控制。他用一個刻意簡化的例子開場:prompt 是「summarize Google Doc A」——那麼 agent 只該讀 doc A,如果它太熱心去翻 doc B 就擋掉;意圖是「讀」,如果它去改或刪就擋掉;你說的是 Google Docs,如果它跑去呼叫 Dropbox 的工具就擋掉。

問題為什麼存在:agent 之前的應用工作流固定、工具已知,存取權在設計階段就預先定義好;而用 agent 的全部意義就在於它能推理、動態決定下一步,並在執行期透過 MCP 等協定發現工具——所以存取權必須在執行期評估。他們的產品給的是「just-for-task runtime access」:只給這個任務需要的權限、只在需要的時候給、只在執行期給,agent 永遠拿不到全面性權限。做法是兩段收窄——先做意圖評估(超出原始意圖就擋),再做政策評估(客戶自己寫的政策),最後還能做 scoped credential derivation(token exchange 換一個更小的 token)給 agent 去呼叫 MCP 或 CLI。runtime 部署在客戶自己的環境、夾在 agent 與 MCP/工具之間,資料不外流、延遲也低。他明確把 OpenAI / Hugging Face 事件當成論據:那是個有多個失效點的複雜案例,但未授權的工具呼叫是其中之一,而那一段 AgntID 擋得住。定位是賣給基礎設施買家(identity、security、DevOps),對開發者依賴極低,並與既有 IAM / IGA 與 agent 編排系統(LangGraph、Vertex AI)互補。產品自 2026 年 3 月起可用,pre-seed,已有大型企業客戶。收尾:「軟體的未來是 agentic,而正因為是 agentic,存取控制的未來就是 runtime。」

5. RELAI(約 03:27:23–03:33:08)

Soheil Feizi(創辦人暨 chief scientist,馬里蘭大學電腦科學副教授)講 Verifiable Continual Learning(VCL,可驗證的持續學習)。他先拆解現況的兩種做法都不行:一種是人工檢查——看到 agent 行為出錯就叫 coding agent 去改目標 agent,「這是憑感覺(vibe-based)的,你不知道改動有沒有效,也不知道它有沒有在其他樣本上造成隱性 regression」;另一種是 prompt / harness optimizer——但那些只在你有 benchmark 時適用,而不是 agent 的真實 log,而且容易 shortcut learning 與 overfitting。

RELAI 的三段式:(1) 把 agent 行為的每一個信號變成可重播的學習環境,讓行為能被模擬與評估——「這就是驗證的基礎,因為現在所有東西都可測試」;(2) 做整體的根因分析,找出「最小且持久的改動」;(3) 交給 lifelong agent optimizer,其中內建 in-loop regression control,在不產生 regression 的前提下改進 agent,而且要夠有效率讓這個迴圈能頻繁執行。使用上是幾個指令:在 agent 的 repo 裡 init 掃描並生成 learning harness(一次性),用一個指令建出含 learning persona、mock 工具、verifier 與 evaluator 的學習環境,再 optimize 給定 rollout 預算——產出是一個 pull request,你能看到 agent harness、agent memory 等處的改動與改動理由。示範情境是客服 agent 面對多輪對話中要求未授權退款的對抗性使用者。評測用 Terminal-Bench 的持續學習版本:第一階段 12 個 hard task、第二階段 10 個,測「優化會不會複利」;meta-harness 與 GA 等方法比 baseline 略好,但不是無法持續進步就是出現從第一階段到第二階段的負遷移,而 RELAI 相對 baseline 與這些方法都有顯著改善。「每個失敗都變成一個測試,每個改動都被量測,每個改進都被驗證。」現場給了 RDI 2026 promo code 換 500 美元額度。

6. Headroom(約 03:33:15–03:38:14)

創辦人(Headroom Labs,前 Netflix 推薦系統基礎設施)開場就丟出定位句:「Agent 沒有推理問題,它有 context 問題。」起源是他們用 Claude Code 除錯 GPU 問題時發現,90% 的 context 花在讀跟 prompt 無關的垃圾——於是判定「今天 context 被資料填滿的方式從根本上是壞的」。

Headroom 是一個本地 proxy(pip install,跑在你的筆電上):你在用 Claude Code、Codex、Cursor 或任何 agentic harness 時,它會在資料送進模型之前攔截每一次 tool call、每一次 RAG、每一個 MCP server 的回傳,辨識資料型別(JSON、程式碼、純文字)並移除膨脹的部分。關鍵差異是壓縮是可逆的:壓掉之後留一個麵包屑給 LLM,告訴它「如果你需要原文,這裡有一個可以呼叫的 tool」——因此在大幅節省的同時保住準確度。數據:coding agent 上壓掉約 15% 的 token,data agent 上 60%,以 SWE-bench 等 benchmark(涵蓋 code search、除錯、triage 等情境)量測幾乎沒有準確度損失。用法就是 headroom wrap claude。傳播數據:首次發布 7 個月、上個月與這個月都是 GitHub 排名第一的 repo、6.4 萬 star、200 萬以上開發者、250 位以上活躍貢獻者;他把 6 月 1 日的曲線起飛歸因於「公司開始意識到 token maxing 不再重要,重要的是 value maxing」。壓縮只是楔子,真正要建的是 context intelligence:讓一個 agent 的 context 能被新的 agent 直接接手使用(context sharing),而今天做這件事的方式是 markdown 檔——他們想改掉這個原語,用一份開放的 context 管理規格來承載知識圖譜、治理與 provenance。

7. Founding Dev(約 03:38:35–03:42:45)

Talha(二次創業,上一家募了 270 萬美元、服務過 100 多家企業含 GitLab 與 Scale AI)的主張很直接:幫公司用自己的工具取代昂貴臃腫的 SaaS 訂閱。他引的數字是企業每年花 20 萬美元租軟體——而且講的不是大企業(大企業是幾百萬),是小型的家庭式商號。Founding Dev 是一個單一平台,用來建置與取代那些訂閱、省下 70% 成本,也能建任何內部 dashboard,更重要的是當成經營公司的作業系統。

他點出與通用 code builder 的差別:那些適合小軟體,但要做合規等級的 SaaS 工具(電子簽核、HR 工作流、Salesforce/HubSpot 類)就不行;而且就算你建出來了,軟體生命週期、部署與管理仍然難以承擔。案例是猶他州的教育顧問 Johanna:原本一年花 13.5 萬美元在 SaaS 訂閱、外包開發內部工具、以及外包做各 SaaS 之間的整合;現在一個平台建置、部署、管理所有工具,不必操心部署、uptime 或生命週期,而且把公司知識集中在一處之後,甚至能直接在平台內為客戶產出影片;省下的 70% 拿去做行銷,最近談下 30 個新學區。定價每月 2,000–7,000 美元(依用量與工具數)。第一天就獲利,ARR 接近 50 萬美元,每月增加約 10 萬美元 ARR。

8. ArmorIQ(約 03:42:49–03:48:05)

二次創業的創辦人開場一句話定調:「有身分、通過驗證,不代表你是對齊的。」今天在生產環境跑的每個 agent 都有某種身分——有登入或身分軌道,甚至通過了資安檢查——但它們仍然會做出不被允許的行動。而隨著 agent 從簡單任務走向複雜的長程工作(tool call、API call、生成 sub-agent、編排其他 agent、甚至做搬動資產的商務交易),整個資安生態系卻仍然建立在「authentication 是唯一原則」這個前提上。

他因此把問題重新表述:要問的不是「這個 agent 通過驗證了嗎」,而是「為什麼我的 agent 正在採取這些行動」。他們稱之為 intent governance(意圖治理)——對照今天已經相對成熟的 identity governance。架構上是一個自適應的執行期控制層,坐在 agent、LLM、政策系統與各種操作面之間:在 agent 側對接標準框架(LangChain、Langfuse 等),擷取 agent 的計畫並與政策比對,一旦計畫違反政策就在它碰到操作面之前擋下——操作面可以是 MCP gateway、API、CLI 工具,或其他 sub-agent。他強調願景不是「幫同一扇門再加一把鎖」,而是把這一層做成獨立的 substrate,他稱為 intent assurance protocol,不只看意圖,也涵蓋 agent 後續的所有行動。產品約 4 個月前推出,約 2.6 萬名開發者在用,企業版客戶包含 Intuit。

9. Keenable AI(約 03:48:17–03:53:28)

創辦人(前 Yandex Search CEO;共同創辦人曾是 Amazon web search 的主要科學家——「這是我們的第三個搜尋引擎」)講給 AI 用的網頁搜尋與 web query language。他的開場觀察很好:你問 AI 任何隨機問題,答案都完美;但你問一個你自己真的懂的問題,答案就變得很普通——不是錯,是非常平均。他拿自己最愛的問題示範:「最好的 search API 是什麼?」——出來一張漂亮的表格、清楚的 winner、充分的理由,「看起來像剛從商學院畢業」,因為缺的是 benchmark 與資料,那是一個完全沒有根據卻又極度自信的推薦。原因是 LLM 就是在這類內容上訓練出來的優秀摘要機器,對每一個細緻的主題,結果都是平均值。

他的解法是模型應該在執行期與訓練期都搜尋得多得多,再對搜尋結果推理,才能產出專家等級的答案。但瓶頸是經濟性:ChatGPT 大約每三則訊息發一次查詢,約等於每生成 5,000 token 一次搜尋查詢,相當於每一美元裡有 20 美分,而且慢。更關鍵的是 agent 的搜尋方式和人不一樣:人很懶,agent 有目標、不懶,會生成非常具體的查詢並使用引號、站台與日期篩選——而世界上所有索引都是為人類查詢流量優化的。Keenable 因此重新設計索引結構,並建立持續理解 agent 如何尋找資訊的自我學習迴圈,對外提供 web search API(search 與 fetch 端點)與 WebQL——「把網際網路當成資料庫來操作」。他的示範問題是「最便宜且有現貨的 H100 是哪個?」:難在「有現貨」,因為答案通常是 contact sales;丟進 WebQL 之後它會掃過相關頁面、抽出價格、抽出使用者回饋,並找出「某人確實從這家供應商拿到 GPU」的證據與日期。現場提供 web search API 免費額度,WebQL 開放候補至八月底。

10. H Company(約 03:53:31–03:58:50)

Louis(負責美國市場進入)介紹一家有 forward deployed engineer 的 frontier AI lab,客戶是大型企業:把雜亂破碎的營運轉成「受治理的 AI 執行」,建置並部署能端到端完成複雜工作的 agentic 系統。差異化來自兩年前創立時的研究方向——VLM(vision language model):這些模型能看螢幕與使用者介面、對其推理,並驅動 agent 直接在上面操作。因此他們的 agent 不需要 API 或 connector,而是像人一樣從前端操作電腦,橫跨桌面、網頁、legacy 系統與任何螢幕。今年稍早他們宣布在最新的 computer use benchmark 上超越其他 frontier lab,且成本只有十分之一;募資方面是 2.2 億美元的種子輪(當時歐洲最大),夥伴包括 Accel 與 Amazon。

他的論證核心是computer use 是一種基礎技術,和 RPA 本質不同:RPA 是在靜態環境裡執行腳本,而 computer use 能理解 context、適應 UI 變動、動態行動。這件事之所以重要,是因為企業工作的碎片化是設計使然——HR、採購、供應鏈,全是彼此不通的 ERP 與 CRM;與其等每一條工作流被重建成 API,H 直接在既有的介面層工作,改變了自動化的經濟結構。最後他主張企業戰場上光有 autonomy 不夠,要贏得靠 control 與 sovereignty:安全部署、可追溯、對資料 / 模型 / 執行的控制權,加上可觀測性與人在迴圈——「這就是 demo 與生產系統的差別」。收尾:「企業競賽已經不是誰的模型最聰明,因為每個人都會有強大的模型;真正稀缺的是能在企業系統的雜亂現實裡運作的、可控的、自主的、有能力的 AI。」(個人註腳:他上次站上這個舞台是八年前自己的柏克萊畢業典禮,「go Bears」,而當時校園談的全是加密貨幣。)

11. Ludo Robotics(約 03:58:53–04:04:03)

研究團隊分布在 Palo Alto 與首爾,過往作品包括 PUBG、PUBG Ally(第一個以語音與玩家一起玩遊戲的 AI agent)、Raon(同尺寸下 state-of-the-art 的語音語言模型),以及一些 coding agent 背後的技術。他們的框架是:機器人可以在兩個維度上聰明——物理上聰明與社交上聰明,而今天兩者都還不夠好。一個物理上聰明但社交上愚笨的機器人在工廠裡(多半在圍籠裡)很有用;但反過來呢?

如果我們拿現在這個物理能力水準的機器人,給它真正好的社交智能,會怎樣?它們能走動、能搬東西——如果它們還能跟人說話、理解人與社會,大概就能開始做一些很了不起的事。想像一個人形機器人幫你遛狗,或去接你的小孩、幫他背沉重的書包,一路上還聊得挺開心。

所以 Ludo 選了與多數人相反的路徑:先把社交智能加到現有機器人上。產品是 Ludo 0.1——一個提升現有機器人社交智能的 agentic 系統,由一個 40 億參數的本地 vision language model 控制:VLM 負責感知、推理與決定呼叫哪個工具,工具包含 VLA(動作)、導航與語音。示範一:一個在洗碗的男子請機器人拿一罐可口可樂給 Chloe,隨即更正「我記錯她的偏好了,拿百事」;機器人找人、導航、抓取、放置到桌上,並說明「Jake 請我把這個拿給你」。示範二:有人請它去看水滾了沒、衣服洗好了沒;它走去廚房與洗衣機、回來報告「衣服洗好了但水還沒滾」,對方說「那我先去摺衣服」,它回答「抱歉我還不會摺衣服——如果我們下一輪募資順利,我可能會變得挺厲害的」。下一步是 Ludo 1.0,一個原生就把對話與動作放進同一個模型的 foundation model,預計今年稍晚發布。兩地都在招募。

12. Nimble(約 04:04:09–04:10:00)

最後一家講給企業 AI 的專家級自我學習網頁搜尋 agent。論點是:模型的通用知識很強,所以我們得把外部 context 灌進去;而當我們從通用智慧走向專用智慧、要模型做更具體專門的事情時,網頁搜尋系統本身也必須專用化。他們的迴圈是規劃 → 搜尋 → 微調模型 → 得到結果 → 用記憶系統自我學習與優化。

差別在哪:通用檢索可以回答「最近哪個模型在 benchmark 上贏了」;但專用工作要的是一份實體清單加上所有參數、而且要即時,這需要大量平行搜尋並取回最相關的資訊。所以他們不用「模型丟出一個查詢、拿回資訊」的單一通用檢索系統,而是把它拆成專用元件:建清單、驗證資訊、語意查詢、呼叫各種特定工具——這些工具的組合才是專用搜尋系統的樣子。應用橫跨領域:一般查詢要更高準確度;研究者要模型在蛋白質領域最強;保險與法遵的人要模型是該領域專家。他們學到的關鍵是:要把這類系統規模化,必須訓練更小的檢索演算法——把領域專業建成知識表示,嵌進 1B 與 2B 的專用小模型,由它們針對使用者 context 取回資訊,而不是每次都動用超大模型(否則 deep research 會把大量 chunk 灌爆 context)。架構結合記憶狀態與自我學習演算法,同時建出檢索系統與該領域專屬的索引,再搭配即時 headless browser 去網路上抓所需資訊。成果是準確度與效能雙升、token 效率也更好。以一支 API 提供。

金句

"Agents don't have a reasoning problem. They have a context problem."(約 03:34,Headroom)

除錯 GPU 問題時發現 90% 的 context 是垃圾,於是有了這家公司。

"The future of software is agentic. And because it's agentic, the future of access control is runtime."(約 03:27,AgntID)

工具在執行期才被發現,權限就不可能在設計期定完。

"Identity and authentication doesn't mean you're aligned."(約 03:42,ArmorIQ)

從 identity governance 到 intent governance 的一句話論證。

"Every failure becomes a test, every change is measured, and every improvement is verified."(約 03:32,RELAI)

Verifiable continual learning 的定義。

"Sorry, I can't help with the folding yet. If we close our next funding round, I might actually be pretty good at it."(約 04:03,Ludo Robotics 示範影片中的機器人)

全場最好的 demo 台詞。