[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-openai-backs-isara-agent-swarm-bet-zh":3,"tags-openai-backs-isara-agent-swarm-bet-zh":33,"related-lang-openai-backs-isara-agent-swarm-bet-zh":50,"related-posts-openai-backs-isara-agent-swarm-bet-zh":54,"series-ai-agent-1c8afc56-253f-47a2-979f-1065ff072f2a":91},{"id":4,"title":5,"content":6,"summary":7,"source":8,"source_url":9,"author":10,"image_url":10,"keywords":11,"language":21,"translated_content":10,"views":22,"is_premium":23,"created_at":24,"updated_at":24,"cover_image":25,"published_at":24,"rewrite_status":26,"rewrite_error":10,"rewritten_from_id":27,"slug":28,"category":29,"related_article_id":30,"status":31,"google_indexed_at":32,"x_posted_at":10,"tweet_text":10,"title_rewritten_at":10,"title_original":10,"key_takeaways":10,"topic_cluster_id":10,"embedding":10,"is_canonical_seed":23},"1c8afc56-253f-47a2-979f-1065ff072f2a","OpenAI 挺 Isara 的 agent swarm …","\u003Cp>\u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 這次出手挺 \u003Ca href=\"https:\u002F\u002Fthenextweb.com\u002Fnews\u002Fopenai-isara-ai-agent-swarms-650m-valuation\" target=\"_blank\" rel=\"noopener\">Isara\u003C\u002Fa>，金額是 9,400 萬美元。公司才成立 9 個月，估值就到 6.5 億美元。說真的，這數字很兇，也很敢。\u003C\u002Fp>\u003Cp>更怪的是，Isara 現在還沒有正式產品上線。它賣的不是聊天機器人，而是多個 AI agent 一起做分析。官方 demo 說，系統裡大約有 2,000 個 agents 在跑。這種玩法很像把 LLM 拆成一支研究小隊。\u003C\u002Fp>\u003Cp>這筆錢也不是孤例。2025 年 9 月，\u003Ca href=\"https:\u002F\u002Fwww.cognition.ai\" target=\"_blank\" rel=\"noopener\">Cognition\u003C\u002Fa> 把 \u003Ca href=\"https:\u002F\u002Fwww.devin.ai\" target=\"_blank\" rel=\"noopener\">Devin\u003C\u002Fa> 做到 102 億美元估值。它的年經常性收入是 7,300 萬美元。投資人現在很明白一件事：只會回字的 AI，已經不夠看了。\u003C\u002Fp>\u003Ch2>Isara 到底在做什麼\u003C\u002Fh2>\u003Cp>講白了，Isara 想做的是 agent swarm。不是一個模型接一個 prompt。它想讓很多 agent 分工、互相校正、再收斂成答案。這種架構聽起來很聰明，也很像研究人員會愛上的東西。\u003C\u002Fp>\u003Cp>它的目標市場也很現實。第一批客戶是投資機構。第二批才是生技和地緣政治分析。這些領域都有同一個特點：一個好預測，可能值很多錢。一個爛預測，也可能直接翻車。\u003C\u002Fp>\u003Cp>但多代理系統的難點，從來不是「能不能跑」。難的是「跑得穩不穩」。一個 agent 幻覺，其他 agent 可能會跟著抄。最後整個系統看起來很有自信，實際上只是把錯誤放大。\u003C\u002Fp>\u003Cul>\u003Cli>募資金額：9,400 萬美元\u003C\u002Fli>\u003Cli>估值：6.5 億美元\u003C\u002Fli>\u003Cli>成立時間：9 個月\u003C\u002Fli>\u003Cli>市場上還沒有正式產品\u003C\u002Fli>\u003Cli>demo 規模：約 2,000 個 agents\u003C\u002Fli>\u003Cli>首波客戶：投資機構\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這家公司也很年輕。共同創辦人 Eddie Zhang 今年 23 歲，曾在 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002Fresearch\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 做安全研究。另一位共同創辦人 Henry Gasztowtt，當時還在牛津大學念資工。兩個 20 出頭的人，去做一個聽起來像研究院專案的產品，這畫面很新創，也很瘋。\u003C\u002Fp>\u003Cp>如果你有追過 agent 工具，就會知道這條路不是空穴來風。\u003Ca href=\"https:\u002F\u002Fwww.langchain.com\" target=\"_blank\" rel=\"noopener\">LangChain\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.crewai.com\" target=\"_blank\" rel=\"noopener\">CrewAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fproject\u002Fautogen\u002F\" target=\"_blank\" rel=\"noopener\">AutoGen\u003C\u002Fa> 都在做多 agent 協作。差別是，Isara 想把規模拉到幾百、幾千個 agents。這就不是玩具了，這是壓力測試。\u003C\u002Fp>\u003Ch2>OpenAI 為什麼要投\u003C\u002Fh2>\u003Cp>OpenAI 投這種案子，不像是單純看財報。比較像是在押一條技術路線。多 agent 協作如果真的有用，會變成很核心的能力。OpenAI 先卡位，至少能看到第一手的研究方向。\u003C\u002Fp>\u003Cp>還有一個很現實的原因：人才。AI 圈現在很常見一種路線。研究員離開大公司，自己開新創。這對原公司不是小事。你少掉的不只是人，還可能是下一版產品方向。\u003C\u002Fp>\u003Cp>所以這筆錢也像是買關係。買技術接觸面。買一個跟前員工保持近距離的機會。這種投資看起來不像在賺短期財報，反而像在買未來的選項。\u003C\u002Fp>\u003Cblockquote>“The AI industry’s most valuable resource is not compute but the researchers who know how to use it.”\u003C\u002Fblockquote>\u003Cp>這句話很直白，也很貼切。現在大家都在比 GPU、比 token 成本、比推理速度。但真正會把系統做出差異的人，還是那群懂模型、懂分工、懂失敗模式的人。\u003C\u002Fp>\u003Cp>如果拿 OpenAI 自己來看，這筆錢其實不算大。外界普遍估 OpenAI 的估值約 3,000 億美元。拿 9,400 萬美元去押一個研究型新創，對它來說比較像試水溫，不像重注。\u003C\u002Fp>\u003Ch2>數字很大，風險也很大\u003C\u002Fh2>\u003Cp>Isara 這類公司，常被歸在所謂的 neoclabs。意思很簡單，就是研究導向的新創。它們先講模型能力，再講商業化。這種模式很吃敘事，也很吃資本耐心。\u003C\u002Fp>\u003Cp>問題是，demo 和 production 差很多。demo 可以跑 2,000 個 agents。production 要面對資料髒污、延遲、成本、驗證、回測，還有客戶的真金白銀。只要其中一項出錯，整個系統就會很難賣。\u003C\u002Fp>\u003Cp>更別說市場已經有人在做 agent 功能了。\u003Ca href=\"https:\u002F\u002Fopenai.com\u002Findex\u002Fintroducing-chatgpt-agent\u002F\" target=\"_blank\" rel=\"noopener\">ChatGPT Agent\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fclaude\" target=\"_blank\" rel=\"noopener\">Claude\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fgemini.google\" target=\"_blank\" rel=\"noopener\">Gemini\u003C\u002Fa> 都在往這方向走。新創要做出差異，不能只說自己 agent 比多，還要證明更準、更快、更便宜。\u003C\u002Fp>\u003Cul>\u003Cli>OpenAI 估值：約 3,000 億美元\u003C\u002Fli>\u003Cli>Isara 估值：6.5 億美元\u003C\u002Fli>\u003Cli>Isara 募資：9,400 萬美元\u003C\u002Fli>\u003Cli>Cognition 估值：102 億美元\u003C\u002Fli>\u003Cli>Cognition ARR：7,300 萬美元\u003C\u002Fli>\u003Cli>demo agents 數量：約 2,000 個\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這組數字很有意思。Cognition 已經有收入。Isara 還在研究階段。可是市場給它的估值，已經很靠近「準產品公司」的敘事。這代表投資人現在買的是技術想像，不是現金流。\u003C\u002Fp>\u003Cp>我覺得真正的考驗只有一個：它能不能在真實工作裡，穩定打贏人類團隊。不是一次 demo。不是一次簡報。是連續 3 個月、甚至 6 個月，都能交出可驗證結果。\u003C\u002Fp>\u003Ch2>這波 agent 熱潮從哪裡來\u003C\u002Fh2>\u003Cp>多 agent 不是憑空冒出來的。背後其實是 LLM 能力開始夠用，大家才敢把它拆成多個角色。以前一個模型要做完所有事，現在可以分成規劃、搜尋、驗證、總結。這比較像軟體工程，不像單純聊天。\u003C\u002Fp>\u003Cp>但這條路也有老問題。協作成本會上升。token 用量會暴增。延遲會變長。你把一個問題拆給 20 個 agent，最後可能得到 20 份半對半錯的答案，還要再花一輪整合。這很燒錢，也很燒算力。\u003C\u002Fp>\u003Cp>所以現在的市場，正在分成兩派。一派做通用 agent，像 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-copilot\" target=\"_blank\" rel=\"noopener\">Microsoft Copilot\u003C\u002Fa>。另一派做垂直場景，像財務、法務、研究。Isara 明顯是後者。它賭的是高價值決策場景，而不是一般辦公室助理。\u003C\u002Fp>\u003Cp>這也解釋了為什麼投資機構會買單。只要模型能讓分析師少花 20% 時間，或把某個預測準度拉高 10%，那商業價值就很可觀。問題是，這 10% 要怎麼證明，才是最難的地方。\u003C\u002Fp>\u003Ch2>接下來看什麼\u003C\u002Fh2>\u003Cp>接下來 Isara 要證明的，不是它會不會做 demo。它要證明的是，這套 agent swarm 可以變成產品。最好還能收錢。更好的是，客戶會續約。\u003C\u002Fp>\u003Cp>如果它做得到，這會讓多代理 AI 從研究題，往實務工具再靠近一步。如果做不到，這筆 6.5 億美元估值就會很刺眼。因為市場現在最不缺的，就是很會講故事的新創。\u003C\u002Fp>\u003Cp>我自己的判斷很直接：接下來 6 到 12 個月，最重要的不是 agent 數量，而是單位成本、準確率、和客戶留存率。你只要看這三個指標，就知道這家公司是在做產品，還是在做論文。\u003C\u002Fp>\u003Cp>所以問題很簡單。2,000 個 agents 到底能不能贏過 20 個好用的工具？如果不能，那這場賭局就只是把算力燒得更漂亮而已。\u003C\u002Fp>","OpenAI 參與 Isara 的 9,400 萬美元募資，這家成立 9 個月的新創估值達 6.5 億美元，主打多代理 AI 協作。","thenextweb.com","https:\u002F\u002Fthenextweb.com\u002Fnews\u002Fopenai-isara-ai-agent-swarms-650m-valuation",null,[12,13,14,15,16,17,18,19,20],"OpenAI","Isara","agent swarm","多代理AI","LLM","新創募資","Cognition","Claude","Gemini","zh",0,false,"2026-03-28T03:15:27.513155+00:00","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1774578557518-ok2b.png","done","84f1d305-5f9d-4d65-b117-7d2722a69348","openai-backs-isara-agent-swarm-bet-zh","ai-agent","04f29b7f-9b91-4306-89a7-97d725e6e1ba","published","2026-04-09T09:00:58.945+00:00",[34,36,39,41,43,45,46,48],{"name":12,"slug":35},"openai",{"name":37,"slug":38},"研究整理","-",{"name":18,"slug":40},"cognition",{"name":16,"slug":42},"llm",{"name":19,"slug":44},"claude",{"name":17,"slug":17},{"name":13,"slug":47},"isara",{"name":15,"slug":49},"-ai",{"id":30,"slug":51,"title":52,"language":53},"openai-backs-isara-agent-swarm-bet-en","OpenAI backs Isara’s agent-swarm bet","en",[55,61,67,73,79,85],{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":29},"38406a12-f833-4c69-ae22-99c31f03dd52","switch-ai-outputs-markdown-to-html-zh","怎麼把 AI 輸出改成 HTML","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778743243861-8901.png","2026-05-14T07:20:21.545364+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":29},"c7c69fe4-97e3-4edf-a9d6-a79d0c4495b4","anthropic-cat-wu-proactive-ai-assistants-zh","Cat Wu 談 Claude 的主動式 AI","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778735455993-gnw7.png","2026-05-14T05:10:30.453046+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":29},"e1d6acda-fa49-4514-aa75-709504be9f93","how-to-run-hermes-agent-on-discord-zh","如何在 Discord 執行 Hermes Agent","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778724655796-cjul.png","2026-05-14T02:10:34.362605+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":29},"4104fa5f-d95f-45c5-9032-99416cf0365c","why-ragflow-is-the-right-open-source-rag-engine-to-self-host-zh","為什麼 RAGFlow 是最適合自架的開源 RAG 引擎","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778674262278-1630.png","2026-05-13T12:10:23.762632+00:00",{"id":80,"slug":81,"title":82,"cover_image":83,"image_url":83,"created_at":84,"category":29},"7095f05c-34f5-469f-a044-2525d2010ce9","how-to-add-temporal-rag-in-production-zh","如何在正式環境加入 Temporal RAG","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778667053844-osvs.png","2026-05-13T10:10:30.930982+00:00",{"id":86,"slug":87,"title":88,"cover_image":89,"image_url":89,"created_at":90,"category":29},"10479c95-53c6-4723-9aaa-2fde5fb19ee7","github-agentic-workflows-ai-github-actions-zh","GitHub 把 AI 代理放進 Actions","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1778551884342-8io7.png","2026-05-12T02:11:02.069769+00:00",[92,97,102,107,112,117,118,123,128,133],{"id":93,"slug":94,"title":95,"created_at":96},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":4,"slug":28,"title":5,"created_at":24},{"id":119,"slug":120,"title":121,"created_at":122},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":129,"slug":130,"title":131,"created_at":132},"e41546b8-ba9e-455f-9159-88d4614ad711","openai-codex-plugin-claude-code-zh","OpenAI 把 Codex 放進 Claude Code","2026-04-01T09:21:54.687617+00:00",{"id":134,"slug":135,"title":136,"created_at":137},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00"]