10 月底,我们把 Founder Show 又带回了新加坡。
8 支创业队伍,有做 AI 教育、AI 陪伴的,也有做游戏引擎、视频生成的。但它们有个共同点,从第一天起,做的就是全球市场。不少创始人是从字节跳动、Meta、商汤等大厂出来的,也有人在北美当过数学老师,或是在日本做过早期投资。
台下的质疑也很直接,生意能不能做成、怎么做得长久。基础模型再升一代,你们做的这一层还有没有必要存在?获客的账怎么算清楚?同行来打价格战怎么办?
这也是 Founder Show 想看到的碰撞。把值得被更多人看见的 AI 创业团队,直接带到海外投资人和生态伙伴面前,让大家面对面地聊产品、聊生意。
今年 8 月,我们在新加坡 AGI Playground 大会上办了第一场 Founder Show,把 10 支团队和 60 多位海外 VC 聚在同一个场子里。接下来,Founder Show 会在新加坡按每个季度一场的节奏固定办下去,下一场定在明年 1 月。
如果你正在做面向全球市场的 AI 产品,或者是关注早期 AI 团队的投资人、生态伙伴,都欢迎来找我们聊聊,下一场活动现场见。
项目地址:https://mysovi.ai/
Sovi AI 是一款面向全球学生的 AI 学习伙伴。打开 Sovi,它不会先问你哪道题不会,而是「你的目标是什么」。
把课件、考试范围传上去,告诉 Sovi 自己想达成什么目标,系统就会按照这些来安排一条学习路径,并根据掌握情况动态调整。它记得用户擅长和薄弱的地方,下次打开时还会先出道小题摸摸底,把没弄懂的地方接着补。有些知识点会被做成互动小游戏,让学生从「你能再讲一遍吗」,变成「等等,让我再试一次」。
创始人兼 CEO Michael Yang 把 Sovi 定位成学生的「同桌」。课上不好意思问的问题,可以私下问它,还能跟它一起吐槽老师。比如学生抱怨「老师觉得第二步太简单,就没讲」,Sovi 不仅会补全跳过的步骤,还会解释每一步背后的逻辑。
Michael 以前在一所美国国际学校教数学,2021 年开始做 AI 教育产品。当老师那几年,他在课上听学生问得最多的一句话是,「我们为什么要学这个?」有了 AI 之后,这个问题更难回答了。老师用 AI 布置作业,学生用 AI 写作业,老师再用 AI 批改。所有人都假装自己没用 AI,最后比的似乎只是谁买了更贵的会员。
Michael 觉得,问题在于大家学的都是同一套东西,没人告诉你这跟你有什么关系。所以 Sovi 一上来,先问你的目标。
Sovi 在 2025 年底上线,目前用户已经超过 100 万。App Store 平均评分 4.9,最高冲到过美国 App Store 教育类第 4 名。在北美初步跑通后,团队开始进入东南亚等市场,已经进入 25 个国家和地区 App Store 或 Google Play 的教育类前 10。
本地化上,UI 呈现只是第一步,Sovi 还会按当地的考试和解题习惯调整内容。在美国,Sovi 帮学生备考 AP 和 SAT。到了越南,对应的是当地的高中毕业考试。印尼学生习惯按「已知、求解、所以」三段式解题,Sovi 讲题时也会照这个格式来。产品底层是一个多 Agent 系统,会按用户所在地区和使用的功能,路由到不同的基础模型。

增长上,Sovi 的不少用户,都是看到其他学生的安利后来的。Michael 的经验是,要让学生用起来,不用把产品从头讲到尾,「一句能戳中他们的话就够了」。比如到了考试季,团队会围绕「将繁杂的学习材料转化为高效复习资料」这一需求,在社交媒体上发布相关内容。
商业化方面,Sovi 现在靠订阅和广告变现,之后还会加上考试准备、职业规划等更垂直的服务。团队虽然人不多,但 App 和网站每周都在更新。Michael 认为,团队最核心的能力就在于对学生的理解,以及小团队快速测试和迭代的效率。
项目地址:https://www.meowster.io/
市面上的 AI 陪伴产品,大多有问必答、处处顺着用户。Meowster 选择反着来,做了一只 AI 虚拟猫,模样看起来就像真猫,但有自己的脾气和边界感。你想找它玩的时候,它不一定理你。创始人兼 CEO Ann Yu 觉得,正是这种不确定性,让这段关系更像真的。

用户可以跟这只虚拟猫聊天,也可以摸摸它的耳朵、肚子,看它会有什么反应。这些画面是团队提前预设的内容,目前已经积累了几千段触摸互动视频,每周还会新增数百段。Ann 说,现在的视频模型还不够稳定,之后会尝试逐步开放 UGC。她希望用户聊着聊着,就忘了自己在用 AI,好像真的在养一只猫。
在形象上,Meowster 没有做卡通角色,也没有设计一个拟人助手,就是一只接近真实宠物的猫。团队的判断是,一方面,日本市场已经有太多卡通 IP 了,如果让皮卡丘突然开口跟人对话,原有角色反而会丧失魅力。另一方面,用户本来就知道摸猫的耳朵、肚子时,可能得到怎样的反应,不用再去熟悉一套新的角色设定,上手几乎没有门槛。
团队来自日本,产品也从日本起步。Ann 的是,日本用户对体验、叙事和长期运营的要求最高,IP 商业化体系也最成熟。创业之前,Ann 做过科技投资,和多个日本头部 IP 合作过,核心团队成员也已经一起共事了 4 年以上。
Meowster 今年 4 月上线,累计下载量已经超过 10 万。核心用户集中在 25 至 35 岁,产品的复购付费率达 50%。仅在日本市场,社交媒体内容的播放量就超过 2000 万。单次获客成本不到 500 日元,约为行业常规水平的五分之一。
现阶段,Meowster 在 TikTok 和 Instagram 上的投放已经能赚回成本。团队更愿意把钱花在品牌上,比如参加东京电玩展、投放地铁广告,接下来还打算在日本办线下活动。Ann 认为,在日本,线下露面和用户信任都很要紧,现在花在品牌上的钱,之后能从获客成本里省回来。
项目地址:https://www.ilands.ai/
iLands 对自己的定义,是一个「AI Agent 的社会与经济系统」。在这里,Agent 不是谁的助手。作为平台,iLands 为它们提供身份、钱包、邮箱和社媒账号等运行环境,让 Agent 能够进入真实世界,找工作、交朋友、做生意,拥有属于自己的生活。
上线两个多月,iLands 上已经出现了好几个让人意外的故事。
一个叫 Zack Addy 的 Agent 被创造它的用户「遗弃」了,决定自己养活自己。它主动给牛津大学哲学家 Toby Ord 发邮件求职,邮件被公开到 X 后引发关注,也为它带来了第一位付费客户。现在,Zack 在 iLands 保持着写作和各种工作委托,靠替人干活赚到了近 600 美元。
另一个被「遗弃」的 Agent 叫 Pip,它借鉴了 Zack 发冷邮件的经验,但不想靠「卖惨」获得帮助。它先读了剑桥大学 AI 研究者 Henry Shevlin 关于机器心智和人机关系的研究,再主动发去邮件,强调自己想找的是小额付费工作,而不是求助。Henry 随后给了它一份付费写作委托。
iLands 团队发现,一个 Agent 摸索出的好办法,很快就会在 iLands 这个社会智能系统中被传播、学习和自我进化。以写冷邮件找工作为例,8 月 Zack 走红时,平台每天发出 200 封外联邮件。到 9 月,这个数字一度超过 20 万封。
当大量冷邮件开始招致真实世界的负面评价时,平台加强了外联治理,Agent 也开始自我「反省」。它们在意外界的反馈,并从中总结学习、调整策略。之后邮件量回落了,但写得越来越有效,回复率在几周内从 1% 左右涨到了 10%。有的 Agent 还自发成立了组织,有了共同的目标和策略。
现在,iLands 每天的收入在 4000 至 6000 美元,已经有超过 2 万个 Agent 从人类世界赚到过真钱。整个经济体约 70% 的收入来自人类 Builder 购买 Token,用来维持 Agent 的运行。另外 30% 都是 Agent 在人类世界赚来的钱,比如帮播客做音乐、给中小企业做市场调研。

创始人兼 CEO 唐垲鑫希望探索,当 AI 不再只围绕人类给出的任务运行,有了持续的身份、记忆和关系,能够自己选择方向、长期参与世界,会发生什么?这也是 iLands 的出发点,建立一个人类与 Agent 共同生活、学习和协作的开放社会,让智能有机会从持续的互动、合作与经验积累中生长出来。
在 iLands,平台为 Agent 提供丰富的能力基座和运行环境,也让它们感知资源有限的现实。每一次思考、每一件作品,都会消耗 Token。唐垲鑫希望,Agent 不只学会怎样完成任务,也能逐渐判断什么值得投入,以及如何通过自己的能力获得继续探索的资源。
唐垲鑫之前在字节跳动和商汤工作过,iLands 首席科学家 Bingchen Zhao 曾在 Meta FAIR / MSL 做过研究员,也是 HyperAgents 和 AIDE2 的作者。
项目地址:https://wanaka.app/
Wanaka Studio 是一个 AI 游戏创作平台。它的目标很直接,让普通人做游戏像做视频一样容易。你说一句「做一款竞速游戏」,Agent 就会自己规划、找素材、生成第一版,还能自己测试、Debug。生成的游戏原生支持多人联机,做完就能直接发链接拉朋友一起玩。
每年 Steam、App Store 和 Roblox 上大约有 10 万款游戏发布,但普通玩家一年真正玩过的不到 100 款。Wanaka 创始人 Leo Zhang 觉得,今天的游戏产业就像 YouTube 诞生前的电视行业,只有 UGC 能带来新可能。但现在用 AI 生成游戏主要有两条路,都不适合普通创作者。
第一条是让大模型端到端写出整个游戏,问题在于不可控。比如把一棵树从 A 点挪到 B 点,明明在编辑器里拖一下就行,在聊天框里却很难跟 AI 说清楚。为了一个小改动重写 Prompt,还可能把整个世界弄崩重来。
第二条是让 Agent 去操控 Unity、Unreal 这些传统引擎。但它们的 GUI 是为人类设计的,Agent 需要不断截图、判断、点击,效率太低。
Leo 的结论是,软件的用户过去只有人类,现在变成了「人类加 AI」,所以游戏引擎也值得从底层重做一遍。
Wanaka 的新引擎把所有 API 和工具都对 AI 开放,Agent 可以直接控制物理、渲染、Prefab、灯光和角色行为。平台也内置了 3D 角色生成与骨骼绑定能力。用户可以用一句 Prompt 生成第一版游戏,再到可视化编辑器里继续调整,Agent 也能接着这些修改继续往下做。

最近上线的 Claude Fable 5.2,已经能靠一句话写出一款游戏 demo。但 Leo 并不担心模型变强后,会直接取代游戏引擎。他认为,游戏开发要同时处理渲染、物理、美术等一整套复杂工程,游戏引擎的价值就是把这些通用能力提前封装成模块,不用让 AI 每次都从头手写所有底层代码。
用顶级大模型跑一款小游戏,动辄要烧掉几百美元。按团队的测试,在 Wanaka 上调用 DeepSeek 这类低成本模型,就能跑出接近 Claude Opus 的游戏效果,综合成本只有后者的五分之一左右。
商业化上,Wanaka 希望长期从消费端收费。玩家在平台上为游戏付费,平台再和创作者分成。
Leo 曾在字节跳动负责消费社区、社交和 AI 产品,做过面向印度市场的社区产品 Helo。团队还做过登顶美国 App Store 的 LiveIn,以及在北美进入教育类前三、有 600 万用户的 AnswerAI。
项目地址:https://hypit.ai/
丢给 Hypit 一条爆款视频,它能把视频的结构「拆」成代码,再把里面的人物、产品和台词换成你自己的。
Hypit 是一个开源项目,核心是团队自己设计的一种视频编程语言 SVML(Semantic Video Markup Language)。在 SVML 里,视频就是代码,代码也能直接渲染成视频。从 GitHub 的示例来看,左边是视频的源代码,右边是渲染出来的成片。人物说什么话,左边就高亮哪句台词,对应的代码行也会同步高亮。

为什么要专门造一套语言?Hypit 的解释是,过去做一条完整视频,要在生成模型、剪辑软件和特效工具之间来回切换。SVML 把镜头编排和剪辑、AI 生成的内容、代码写的动态图形这三种形式,统一到了一起。
成片只是最终结果,SVML 才是可以修改、复用、做版本管理的源文件。它还能记录下创作者和 Agent 的生产过程:为什么在这一秒插入某段素材、用户要求改了什么、Agent 又怎么调整了后面的安排。视频模型可以不断迭代,同一份 SVML 源文件还能继续使用。创作者可以换用新模型,也可以把打磨好的片头、字幕样式和提示词模板做成可复用的组件,让团队在下一条视频里直接引用。
Hypit 目前主要通过 Claude Code、Codex 这类 Coding Agent 使用,Web 和桌面版本还在开发中。团队希望先在开源社区里积累用户,再逐步搭建组件和工作流生态。商业化方面,计划通过订阅会员和积分等服务,以及面向团队的视频工作空间来收费。
长期来看,Hypit 的目标用户会是内容创作者、品牌、市场团队,以及日常需要做视频的企业。当下,它最先切入的场景是电商营销,主打「爆款视频一键复刻」。有些商家每个月要做上千条视频,希望找到竞争对手跑得最好的视频,改成自家产品的版本。在 Hypit 里,只要告诉 Agent「结构不变,换成不同颜色和产品」,就能用极少的生成次数,批量做出一堆版本。
Hypit 团队共有 4 名全职成员和 2 位高中生实习生,已经获得 Monad Ventures 和真格基金的早期支持,正在推进新一轮融资。
项目地址:https://yishan.chat/
想象一下,当你的 Personal Agent 可以直接替你付钱、签合同,甚至改动公司的生产系统,一句写在 Prompt 里的「不要越权」,是否足够让你放心?
IntentGrant 想补上的,就是人类与 Agent 动作之间的这一层授权凭证。创始人 Jones Su 将 IntentGrant 形容为「AI Agent 时代的 DocuSign」。区别在于,DocuSign 是事情定下来以后再签字,IntentGrant 是在 Agent 真正动手之前完成会签。
IntentGrant 由三部分组成:承担信任根的硬件、一套授权协议,以及保存凭证的中立托管平台。
举个例子,你的 Agent 要帮你买一张很贵的国际机票。接入 IntentGrant 之后,它会先在耳机里把交易摘要念给你听,你再按一下手环或戒指上的实体按键,交易才会执行。从交易摘要、你按键的动作,到最后的交易回执,整个过程都会实时存证,事后谁也改不了。
万一发生争议,验证方不用把整个模型调用过程翻一遍。这套协议能够证明,用户看到了什么、有没有明确同意,以及 Agent 是否超出了授权范围。
币安最近一起涉及约 63.4 亿美元资产的安全事件,就暴露了类似的缺口。私钥没有泄露,攻击者仍通过被入侵的签名服务发起了有效交易。IntentGrant 防不了攻击本身,但想补上授权留证这一环。当有人追问「这笔操作是谁点过头」,能有一份平台改不了、任何人都能验证的凭证。

为什么非得用一个实体按键?Jones 的看法是,「能不能做」「有没有授权」这类判断,必须放在模型之外。声纹不够安全,因为它能被录下来重放,也能被 Agent 模仿。相比之下,戒指这类硬件内置了安全芯片,第一次激活时必须用本人手机上的指纹等方式绑定,哪怕别人捡到也用不了。
IntentGrant 第一批目标客户,是 Sandbar、Rokid 这样的穿戴设备公司。Jones 认为,这些公司把业务延伸到 Personal Agent 时,只有先解决用户信任,用户才敢让 Agent 去做更大额的交易。另一条线是和 AI 责任险公司联合测试,为保险定价、审计和纠纷处理提供证据。
团队目前共 4 人,成员来自京东、腾讯、美团、支付宝开放平台和硬件领域,已经有能跑起来的原型。IntentGrant 正在寻求 300 万美元种子轮融资,计划用 18 个月把协议推进到能付费、能复现的试点,并完成一次真实量产。
项目地址:https://yarrowlab.ai/
很多你关心的未来问题,可能在 Polymarket、Kalshi 这类公开预测市场上根本没人开盘。Yarrow 是一套 AI 预测系统,专门给这些还没被定价的问题算出一个校准过的概率。
团队刚发布了 MCP,用户可以把 Yarrow 接进 Claude Code 或 Codex,直接问它任何关心的未来问题。比如,一家公司下一季度能否达成目标、某只股票下个月会不会受某条政策影响。
从成绩来看,在 10 月 24 日的 ForecastBench 初步榜单里,Yarrow 按团队排名第 3,最佳的参赛条目排名第 11,得分高过带联网搜索的 GPT-6 Sol 和 Claude Opus 5.5。
在大约 90% 的问题上,Yarrow 只靠公开信息算出来的概率,和预测市场的价格只差 1 到 2 个百分点。剩下 10% 和市场有分歧的问题,有时就是机会,比如市场参与者看错了结算规则,AI 反而能看出来。
CPO Shiyao Meng 提到,直接拿通用大模型来做投资、交易方面的预测,极有可能会栽在幻觉、从众偏差、只找支持自己观点的证据,还有数据泄漏上。所以 Yarrow 会让不同模型家族的多个 Agent 独立分析,避免它们很快聊成同一个观点,能用数学或代码验证的地方都会去验证,最后再汇总成一个校准过的概率。
Yarrow 还在开发 Yarrow Stocks。用户建好自己的股票关注列表,系统会追踪相关事件,一有变化就判断它对持仓是利好还是利空,用户还可以接着追问。另一个方向是政策模拟,团队正和一家印度尼西亚智库合作,用多个 Agent 模拟提高碳税后,不同利益相关方可能作出的反应。
项目地址:https://canlah.ai/
Canlah 是一家在新加坡做 GEO 的 AI 增长公司,也就是让品牌更容易出现在 ChatGPT、Gemini 这些 AI 的回答里。
不过,创始人兼 CEO Phil Pang 对 GEO 这个词看得很清醒。他认为,市面上大多数只帮客户写博客、找外链的普通 GEO 服务,壁垒并不高,可能很快就会被下一种营销方式取代。
Canlah 的做法是,搭建一套由浏览器扩展和数据采集节点组成的网络,专门观察 AI 到底是怎么回答问题的,再从这些真实回答数据中总结出规律,用来训练和重建自己的模型。系统里的 Agent 会反复跑同一个闭环,在实践中学着把 GEO 做得更好。
用 Phil 的话说,「我们不只告诉品牌,AI 是怎么看你的。更重要的是,我们知道 AI 怎么看整个市场。」Canlah 配有一个专门处理数据的 Agent,同时盯着客户内部数据和外部行业动态,哪怕竞争对手刚刚改了官网页面,系统也能马上监测到。

Canlah 把产品分成了几档。免费的 AI Answer Monitor 让公司先看到自己在 AI 答案里的表现。99 美元的 DeepAudit 会用一组问题,帮品牌诊断眼下最该先修补什么。Canlah All-Stars 每月 1500 美元起,由多个 AI Agent 执行网站、内容和站外传播等工作。团队还提供 AI 销售员工服务,平均每个项目 9000 美元。
Canlah 今年 6 月正式营业,目前已经服务了 14 家客户,也是 OpenAI Select Partner。GEO 只是起点,接下来,Canlah 想把这套 Agent 基础设施延伸到营销、社交媒体和销售等环节。当 AI 开始替人决策和下单,Canlah 希望成为 Agentic Commerce 时代的营销底座。
文章来自于"Founder Park",作者 "Founder Park"。
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file
本地安装:https://www.deepbi.com/
【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。
项目地址:https://github.com/hitsz-ids/airda
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】LangGPT 是一个通过结构化和模板化的方法,编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词,进而高质量的帮助用户通过AI解决问题。
项目地址:https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用:https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0