資料來源：AI in the Workplace: Automating Repetitive Tasks, Vladica Ognjanovic。

跳脫精準度的追求，加強人工智慧與人類的一致性

人工智慧工具發展的目的自始至終是幫助人類節省時間、減少重複性工作，並更快速做出決策，將人類的時間解放，從而進行只有人類能夠辦到、更深層的任務，倘若能意識到這一點，便能看清未來屬於懂得如何和人工智慧合作的人，而不是嘗試與人工智慧競爭的人。

然而提高生產力和自動化的目標幾乎已經達成，該領域的關注點轉變為如何在複雜的工作流程中快速部屬、管理和擴展人工智慧的應用。

AI Agent大規模接手企業工作流程

在CB Insights所發布的2026 AI 100名單中，有多家企業正大規模的部署AI Agent，這些Agent能夠獨立執行多步驟的工作流程，不需要人工逐一審核，然而，這種規模化的改變進一步引發關於AI Agent在企業中扮演何種角色的問題，Agent雖在企業系統中運行，但他不屬於員工或是傳統軟體，沒有持久的身分、可驗證的所有者或權限範圍，當Agent行為越權時，尚未有明確的規範框架說明由誰負責。

今年的AI 100在Infrastructure & Compute領域中出現這樣的分類框架—「Observability & Evaluation」，為因應新型態身分所衍生出的服務，當AI開始代替人類行使任何有結果的決策，傳統的監理框架將失效，與「Know Your Agent」(KYA)出現的概念相似，其中該框架又依不同的功能細分。

基於各種目的，全能AI Agent逐漸成熟，無論是開發端或是消費端皆期望用戶能夠同時操控數個Agent ，替自己完成日常所有瑣事，但當AI試圖在購物網站幫用戶訂購商品時，一系列安全疑慮引爆，Agent屬於開發端還是消費端？是否獲得用戶授權？是否確切按照用戶的指示運行？諸如此類的行為不僅涉及金錢也可能涉及機敏資料。新創Keycard認為，解決這兩種問題的方案都是開發一種新型安全軟體，該新創在2025年10月完成3,800萬美元的種子輪與A輪，AI Agent的安全議題並非現在才備受關注，隨著使用率的提升，該議題逐漸變成技術開發的正式目標，Keycard主打有效驗證多個AI Agent的運行狀態以及是誰授權它們的每一步動作，在2026年5月推出面向Multi-Agent的服務，多個Agent的工作協作容易造成呼叫錯誤甚至是資料外洩，Keycard透過限制Agent的存取權限範圍來解決這個問題，使其僅限於當前任務及其代表的對象，並在每個交互節點提供臨時身分綁定的憑證，除了縮小Agent任意呼叫的範圍也在系統內記錄每一次Agent間或是與應用程式間的操作。

資料來源：Keycard。

2026年1月，新創Virtue AI推出AgentSuite平台，並在2025年創立初期就募得3,000萬美元的第一筆資金，該新創負責企業部署Agent前的安全把關，AgentSuite透過模擬網路攻擊來檢驗薄弱環節，在超過50個沙箱環境中模擬AI Agent的運作環境並執行網路攻擊，用來防止企業將有漏洞的Agent部屬到生產環境中，此外，平台還能識別監管合規問題，例如銀行可以用來檢測Agent何時違反金融規則產生投資相關意見等。

新創Straiker在2026年3月發布Discover AI，此前，在2025年3月該新創為因應AI Chatbot和Agent普及所帶來的風險推出解決方案，並募得第一筆2,100萬美元的資金，其中的Ascend AI模組使企業能夠針對AI應用和Agent進行深度攻擊模擬等風險評估，第二個Defend AI模組可自動阻止前一個模組所辨識出的威脅，在發布Discover AI的同時，Straiker也擴展Defend AI的功能，隨著使用AI Coding的工程師比例攀升，風險也隨之擴大，Discover AI提供自動辨識AI工具，提供企業查看工作流程中存在那些Agent以及它們運行、訪問系統的軌跡，偵測漏洞和風險配置，標記不安全配置中運行的Agent，透過該平台企業能完整地對Agent進行安全監控。

隨著企業擴大AI Agent的使用範圍，管理難度也跟著提高，如同人類員工需要政策、流程和培訓才能安全詩作依樣，Agent也需要以機器可讀格式獲取決策指導，新創Geordie AI提出這樣的概念，並強調這些指導是需要動態跟進Agent的運行，該企業於2025年9月的種子輪募得650萬美元後再於2026年5月募得3,000萬美元。Geordie AI開發一套針對企業的Agent-native安全平台，針對企業內部部署的AI Agent進行行為監控和風險控制，透過統一的分析機制Geordie AI建構企業的Agent運行可視生態，此外，Geordie AI提供上下文感知治理的能力，對AI Agent的決策過程進行即時約束，透過分析任務上下文，平台能夠在必要時進行引導或干涉，確保Agent的運行符合安全和治理要求。

資料來源：CB Insights，FINDIT整理。

基礎設施中，包括AI應用建構模型的基礎層設施，除上述新列入的可觀測、評估AI工具以外，還有產生、整理以及儲存等，用於訓練模型的資料型工具；用於建置、訓練和獲利的開發型工具；以及專為訓練AI模型的基礎硬體設備。

• Aaru—傳統問卷需要耗費長時和高成本，Aaru將大量人口統計數據與心理特徵作為訓練資料，創造符合客戶的虛擬受訪者，用一週的時間就得到傳統需花上兩個月的預測結果，對消費品公司而言是實質上有效的提升商業決策效率。即便假人類是否能代表真人心聲仍有疑慮，Aaru仍在2025年12月達到獨角獸地位，且其創辦人、技術長甚至都是不滿20歲的天才，可見合成資料在AI時代下的潛力不容小覷。
• LanceDB—隨著AI模型規模擴大，幫助企業管理雲端資料的軟體重要性提升，多模態資料也成為下一階段的訓練資料主力，LanceDB提供的Multimodal Lakehouse能夠儲存包括文字、影音和圖像等各類型數據，且已在Runway、Midjourney和Character.ai等領先的生成式AI公司中大規模運作，LanceDB在2025年6月完成3,000萬美元A輪募資。
• Applied Compute—即便模型越來越聰明，距離成為企業的實際生產力仍有差距，Applied Compute為企業建構專用Agent，基於企業數據、工作流程和標準訓練，從根本打造在實務中進化的AI員工，2026年4月Applied Compute完成8,000萬美元募資，估值達13億美元。
• Parallel—「AI Agent怎麼跟外界資訊互動」，Parallel打造專給Agent用的網路搜尋管道，雖然模型可以上網搜尋資料並給出回應，但是網頁消耗大量token且網頁格式不適合給模型閱讀，Parallel把整個過程包辦並整理成好消化的token格式，一舉降低AI幻覺和token成本，此外，網頁開始避免爬蟲導致失去流量而修改後台程式碼，Parallel則將目標放在AI可以取得內容，也讓網站能從中獲利，未來的網站可能不只需要SEO，還得考慮AE(Agent Experience)，Parallel押注未來Agent會更有自主地位，透過打造以Agent為出發點的服務於2025年11月獲投1億美元。
• Seekr—在不犧牲安全性的前提下，Seekr嘗試提供AI部署解決方案給企業甚至是政府，2025年6月獲投1億美元後估值達12億美元，並在同年9月透過AWS GovCloud向美國國防部和其他聯邦機構提供SeekrFlow平台，Seekr利用專為地理空間觀測而建構的多模態基礎模型，幫助政府機構大規模地從影像和感測器資料中提取可操作的情報。
• AMI Labs—AMI Labs選擇打入的是單挑LLM霸權的新話題「世界模型」市場，這一派支持者認為透過讓AI建立對現實環境的理解，模擬因果關係和假設情境可望從根本解決LLM的幻覺問題，世界模型的技術架構通常包含感知模組和預測未來狀態的組件，延伸應用能擴及機器人、自駕車和醫療診斷等精準領域，2026年3月AMI Labs憑著10.3億美元的種子輪正是擠入少數規模龐大的AI新創行列，也是歐洲規模最大的種子輪募資，AMI Labs沒有產品，研究計畫也以年為單位，表示投資者看重的是世界模型所代表的長期價值。
• ChipAgents—與模型需求同步暴增的首要就是對晶片的需求，ChipAgents打造以Agentic AI進行晶片設計的AI平台，其協作的Agentic AI能夠規劃、推理、執行並持續改進複雜的晶片專案，提高整體設計速度，ChipAgents於2026年2月獲投7,400萬美元，用於擴展其平台。
• Unconventional AI—數位計算的出現，將一切離散化成0/1來表示，而類比計算用連續的物理量來代表數字，如電壓、電流和旋轉角度，更直觀、高效，但是無法規模化，Unconventional AI對計算本質進行重新思考，認為AI是類比的機會，物理過程構成計算，沒有數值解的誤差，類比晶片的影響遠超過省電一個好處，還能帶來AI的普及化、突破邊緣運算極限，2025年12月Unconventional AI獲得4.75億美元的種子輪 ，公司估值達45億美元就是其能帶來多大影響的最好證明。

模型所掌握的數據決定它的成敗，在垂直應用領域更是如此

垂直應用在AI領域裡的討論度雖不像基礎設施那樣沸沸揚揚，但仍不斷有新創從此角度切入，綜觀存活下來的公司，都是在為特定客群解決非常具體的問題，而它們的共同點之一便是「數據」，數據的類型和稀有度成為這類新創的矛，決定其是否具備競爭優勢。

當數據並非文字格式，如分子結構或是材質屬性，通用AI沒辦法不經過轉換就呈現，這成為新創脫穎而出的機會。借助AI技術，在藥物發現領域有大幅度的進展，新創Chai Discovery也從此切入點下手，嘗試利用AI加速並簡化藥物發現的過程，成立於2024年，於2025年12月完成1.3億美元的B輪募資，僅用15個月公司估值就從1.5億美元達到13億美元，Chai Discovery訓練自家的抗體設計模型，2025年推出首代AI模型Chai 1，2026年再升級至Chai 2模型，專注於抗體去新設計（de novo antibody design），從零開始創造全新抗體結構，並宣稱其模型能設計出具備候選藥物關鍵特性的分子，甚至能挑戰先前無法處理的標靶。

在AI能夠輕易讀取資料的前提下，有機會成為突破口的還有資料轉換，Bretton AI、Further AI和Salient三家金融服務新創基於現有模型建立系統，AI在金融服務應用被大量用於處理犯罪相關的突破，Bretton AI所提供的平台是專有的基礎設施，將監管、模型風險管理、AI評估和品質控管嵌入每個Agent中，確保金融機構在部署前就符合所有規定，此外，調查涉及數十種工具和資料來源，人工分析師需要在不斷變化的監管要求下手動整合證據和敘述，而Bretton AI的Agent可以跨系統運行，處理雜亂不完整的數據，並在幾分鐘內完成調查，2026年2月Bretton AI完成7,500萬美元的B輪募資；在保險層面， Further AI出現前，核保人需要手動將所有文件彙總在輸入系統，而現在只要轉發到Further AI的系統就能自動解析、標準化和整合資料，緊接著成立時的種子輪，Further AI再於2025年10月獲投由Y Combinator等投資的2500萬美元，即便這個變化最大卻也是數位化程度最低的產業在AI領域競爭激烈，投資人對於其仍抱持樂觀期望；轉向貸款層面，Salient提供結合三大核心產品的平台，AI代理平台、AI合規監控模組和服務自動化平台，Salient致力於金融領域最繁瑣也是人員流動率最高的其中一環，打造幫助催收債務的系統，自推出服務以來已經處理超過十億美元的交易，Salient的Agent從建構時就接受FDCPA等法規的訓練，可以說是其最關鍵的優勢，2025年7月Salient獲投6,000萬美元，並將目標訂在深入貸款服務周期的每個環節，預計擴展其能力用於信用糾紛解決、投訴處理和產權管理的自動化工具。

資料來源：CB Insights，FINDIT整理。

既然勝敗由數據定義，取得稀有的資料集也能作為垂直應用新創的迎戰武器，有些資料雖然以文字方式呈現卻難以取得，例如受監管的病例、需授權的資料庫或是特定機構的知識等。Atomic Canyon從核能產業切入，打造專為核能運作的AI平台，開發初期，Atomic Canyon發現當AI面對與核能有關的字眼容易產生幻覺，所以開始開發自有模型FERMI，Atomic Canyon找上盒子領域研究的國家實驗室，FERMI AI模型採用 句子向量技術，特別適合用於索引大量文件，同時再配合檢索增強生成技術，讓AI得以存取核電廠內部的文書資料，使LLM可透過參考特定文件的方式減少幻覺，大幅簡化高度監管的核電營運中的索引和工作流程優化，2025年12月Atomic Canyon與國際原子能總署IAEA簽署協議，讓Atomic Canyon能透過IAEA的數據更加完善其模型；Assort Health開發能夠主動聯繫病患的AI Agnet，自動重新安排預約、完成轉診和處理付款等，2023年推出時針對骨科、心臟科和免疫科等醫療機構提供服務，並且利用不斷增長的患者互動數據完善平台本身所涵蓋的服務，其包括包含超過1.5億次患者互動、6萬多個複雜的護理方案以及來自22個專科的160萬個決策路徑。

除了技術深度，可實用變現的產品才能留在場上

在去年以及前年AI正開始成為話題焦點時，普遍對於其分類多分為基礎設施、垂直應用以及跨領域應用，隨著AI技術成長的演進，應用輪廓變得清晰，從投資方和整體消費市場也可以看出需求成形，面向實際能投入產出工作環節的AI產品服務受大更大的重視，在CB Insights所發表的AI 100中，在今年將分類劃分了企業應用（Enterprise applications）。

資料來源：CB Insights，FINDIT整理。

多模態模型出現後，專攻單一資料類型的大模型明顯滿足不了投資人的胃口，在企業應用類別包括所有提供自動化或增強企業業務功能的AI產品，如自主處理客戶問題的Agent、協助維護資安的AI技術或是改善人力管理的自動化服務等。

• 7AI—新創7AI在2025年2月獲得3,600萬美元的種子輪投資，並發表其AI安全平台，平台內有多個AI Agent再進行偵測和修復安全漏洞的任務，透過與企業現有的偵測工具整合來蒐集網路安全資料，且內建的AI能夠以自然語言描述系統遭受的危險，給予員工相對應的操作指示，2025年12月7AI再獲投1.3億美元，用於優化團隊。
• DepthFirst—「利用1,000 美元的運算成本完成 10,000 美元才能達成的任務」是近期DepthFirst成為話題的標語，2026年5月DepthFirst公告自家模型發現FFmpeg中的21項零時差漏洞，高於Google Big Sleep團隊和Anthropic，且僅花費Anthropic十分之一的成本，由AI驅動的漏洞盤查迅速地從「輔助」轉為「自主」，而DepthFirst開發的便是自主發現漏洞並提供修復建議的AI模型，該新創於2026年1月募得A輪4,000萬美元，又在4月募得B輪8,000萬美元，估值達5.8億美元，DepthFirst認為若模型能使用低成本頻繁掃描程式碼追查漏洞，那麼攻擊者也能做同樣的事，DepthFirst預計推出更多模型擴大涵蓋範圍，嘗試申訴所有應用領域盤查漏洞。
• Creatify AI—影片廣告在數位行銷中不可或缺，短影音盛行的現在更顯其作為曝光手段的重要性，傳統製作流程繁瑣且成本高，Creatify AI利用AI技術重新定義，用戶只需要提供文本和圖片便可以生成不同風格的影片，且自動生成多個版笨進行A/B測試，在有限預算下企業能夠嘗試多種風格和快速實體化創意構思，不僅如此，Creatify AI還能協助蒐集與分析數據，優化行銷策略使廣告投放更加精準，2025年5月Creatify AI完成1,550萬美元A輪。

資料來源：App store Creatify。

• Profound—Google一直是品牌觸及消費者的預設管道，隨著人們逐漸將AI工具作為搜尋管道，各公司必須改變SEO策略，而Profound在這個轉折點上著墨，聲稱其技術是追蹤品牌透過AI工具被搜尋或拜訪網頁的狀況，透過平台技術還能讓企業瞭解甚麼AI工具如何提及其品牌，2025年8月Profound獲投3,500萬美元，並接著在2026年2月獲投9,600萬美元，估值達10億美元，Profound平台的應用場景涵蓋品牌監控、產品定位分析、內容優化和企業知識管理。
• Narada AI—新創Narada AI在創立初期並沒有花時間在尋找投資人，創辦人深信「人們不會直接說你的產品不好，但是他們的錢包會」，再有話題的產品如果沒有人付費就不算成功，Narada AI團隊透過超過1,000次電話訪談深入瞭解潛在客戶的痛點，進而開發解決方案，2026年3月Narada AI完成800萬美元的A輪，其平台能夠自動執行繁瑣的工作流程，包括處理發票、更新記錄、管理審批，甚至進行測試，且無需編寫程式或進行配置，透過此筆資金Narada AI打算進一步鞏固其在企業自動化的地位。
• Serval—作為IT團隊的助力，Serval創立初期提供AI技術支援駐守，為企業員工處理日常IT任務，如電腦問題和授權軟體存取權等，旨在協助企業擺脫繁瑣的技術支援工作並縮短等待時間，2025年10月Serval完成4,700萬美元的A輪，並在不到三個月的時間再獲投7,500萬美元，估值達10億美元，目前提供的服務業務已擴展到人力資源、法務和財務部門，包括Perplexity和Together AI在內的多家AI新創公司使用Serval的平台來自動化處理日常IT任務。

將AI從數位世界走向現實世界

資料來源：Discover the Physical AI Revolution, Shailendra Kuma。

Physical AI代表著人工智慧從資訊轉向現實世界的轉折點，如同AI不是新發明，透過硬體設備的進步搭配模型演算法的提升，面向物理世界的智慧技術開始爆發，概念和實作似乎第一次能同步前進。

與處理文字、影像或影片的生成式AI不同，Physical AI將三維空間關係和物理定律融入模型能力，要求產生的結果必須符合物理規律，放入機器人領域，Physical AI顯著增強其系統理解和環境互動的能力，過去機器人仰賴預先定義的規則執行任務，基於Physical AI的機器人則能夠主動識別物體和預測動作趨勢，在複雜的動態環境中做出決策及行動。在這樣的背景下，機器人大軍開始在市場上大舉入侵，都是多虧於Physical AI。

資料來源：CB Insights，FINDIT整理。

根據CB Insights，Physical AI在2025年共獲得780億美元的投資，顯示基礎模型和專用硬體已經發展到一定的程度，系統可以大規模處理非結構化環境，涵蓋自主戰艦、通用機器人和工業人型機器人，目前大多數企業機器人部署以單一機器人為主，Physical AI的下一步則會是將單一機器人擴展到能協同運作的機器人群體。

新創FieldAI憑藉物理優先概念的Field Foundation Models(FFM)在不到一年的時間內估值翻五倍，2025年8月FieldAI募得3.14億美元，估值達20億美元，FieldAI的FFM旨在收集現實世界數據，如地形、氣候、環境、溫度和材料等層面，用於微調部署FFM的任何機器人，這代表FieldAI想做的是通用型機器人大腦，去年曾因LLM進展速度迅速而引起數據稀缺議題，如果說LLM所使用的網路資訊價值是X，那麼FFM使用的資料價值可以是X的10-100倍，而且可探索範圍非常龐大，這條路徑預計開啟的是以兆美元為單位的市場。2026年6月提供激光雷達技術的Outer Inc.宣布與FieldAI合作，將激光技術整合FieldAI的通用型機器人平台，使機器人能夠在無地圖及GPS信號缺失的環境中自主導航，FieldAI將募得的資金全力投入開發產品和全球市場部署，朝產業應用邁進速度之快。

眼看企業正投入自動化以應對勞動力短缺和供應鏈風險帶來的挑戰，InOrbit.AI認為分散的機器人市場、過於單一的企業軟體和孤立的基礎設施都對於大規模採用自動化是巨大的障礙，InOrbit.AI開發機器人編排軟體，目標協調機器人、人類和AI Agent的分工，2025年9月完成A輪募資，由Globant等投資人領投，在此前兩方便已達成合作，雙方的合作和投資將增強客戶將實體自動化整合到企業工作流程中的能力，機器人種類繁多，而InOrbit.AI致力於讓機器人們能達到更好的協作方式。

Gravis Robotics將AI結合到挖掘機械中，主打產品為硬體系統Gravis Rack，用來安裝載挖土機等機械，操作人員可以透過Gravis Robotics開發的Slate平板來控制車輛，該系統不僅包含運行系統AI的晶片，還包含攝影機和雷射雷達感測器，而Slate可即時顯示感應器拍攝的畫面，並在視覺化界面上疊加提示，突顯挖土機應避開的水管和其他基礎設施，其中一項服務模式就主打能讓一名操作員監控多台機械，Gravis Robotics在2025年11月完成2,300萬美元的募資，為滿足全球建築需求，Gravis Robotics將運用這筆資金擴大團隊規模。

前陣子在網路掀起熱議的機器人撿貨影片是人形機器人投入商業應用的前菜演示，在急需改變的工業環境下，是人形機器人最能發揮潛力的場域。Persona AI與造船業者簽屬協議，將人形機器人部署到造船廠，雖非唯一開發商業用途人形機器人的新創，但其將目標應用於造船廠的策略使Persona AI脫穎而出，目前大多開發面向物流和汽車製造領域，Persona AI於2025年5月完成2,700萬美元的種子輪募資，目標讓機器人踏足全球造船廠、鋼鐵廠及能源基建市場，2026年2月Persona AI與路易斯安那州政府簽屬MOU，將在SSE Steel推動人形機器於重工業環境中的應用。

結論

技術進步的速度遠超過安全防禦建構的腳步，甚至是法條規範制定的時程，但身處在無法按下暫停鍵的現實生活，開發端只能不斷從新技術與新問題間進行攻防戰，隨著投資市場持續對AI領域展現投資意願，科技圈展現對人才的迫切需求，身處在AI龍捲風的中心，每天一睜眼便有各種資訊湧入，市場需求和技術突破的速度之快，都驗證這項技術是影響全球產業和日常生活的超新星；到了2026年，人工智慧不再侷限於數位空間，開始成為現實世界的參與者，比起對話式AI初登場時更貼近你我的生活，這項技術也將推動機器人、自動駕駛和工業自動化等領域的發展，勢必再掀起一波產業鉅變。

1. CB Insights AI 100: The most promising artificial intelligence startups of 2026
2. Physical AI Analysis: From Information Intelligence to Real-World Intelligence