作者｜吴瑞琪
微信｜RachieWoo
10 月 2 日，Assembling 2026 的一场讨论开始前，主持问台下：今年 2 月之前，就已经在付费用 Agent 的有多少人？几乎所有人都举了手。随后，Kite 联合创始人兼 CEO Chi Zhang 分享了自己的用法：大约 10 个工程 Agent，加上 15 个情报 Agent，每天追踪竞品的 GitHub、定价页、更新日志和社交平台。产品已经按天更新，团队也得按天了解外面发生了什么。
这个开场很能说明现场讨论的变化。大家已经有了不少使用 Agent 的经验，接下来关心的是更具体的问题：它替人花钱时，谁来管预算？加入团队以后，能看到哪些资料？企业用得越久，能不能留下自己的经验？持续运行的算力成本，又该怎么控制？
本周的AI项目推荐，我们就从Assembling 2026现场挑了五个项目。ZooWork、Kite 和 Puffo 分别讨论了企业 AI、Agent 交易和团队协作；MuseIn、Yotta Labs 则展示了视觉内容生产和算力基础设施。它们做的事情不同，但都在尝试让 AI 更稳当地进入实际工作。
1
01 ZooWork
产品概述
ZooWork 是面向企业、开发者和领域专家的 AI Agent 构建与交付平台。业务专家可以用自然语言描述任务，将自己的知识、操作流程和交付标准配置成 Agent，再连接企业已有的数据与工具；开发者也可以通过 API 使用托管运行环境，把 Agent 嵌入自己的产品。其企业方案进一步覆盖运行数据积累、评测和模型后训练，希望将 Agent 每次执行任务产生的经验，转化为企业可以持续使用的资产。零售运营、营销服务和电商等有明确流程、又需要业务判断的场景，是它重点面向的方向。
团队背景
ZooWork 背后的 Serendipity One 于 2023 年在美国成立。创始人兼 CEO 胡宁（Ning Hu）拥有卡内基梅隆大学计算机科学博士学位，曾担任谷歌早期移动搜索技术负责人，创办广告技术公司 MediaV 并实现退出，之后担任奇虎 360 商业化 CTO、阿里巴巴副总裁，负责过饿了么的运营与研发。联合创始人兼 CBO Gene Deng 曾任京东集团副总裁、负责 O2O 业务；联合创始人兼 CTO Chris Xu 曾任拼多多早期首席架构师。
现场洞察
在与 Thomas Luo 的炉边对谈中，胡宁提出，大多数企业仍在“租用智能”：模型、工具和集成商各管一部分，企业每天使用 AI 产生的经验，却未必能留下来。她借用自动驾驶的分级解释企业 AI，从人做事、AI 辅助，到人设定目标和边界、AI 持续改进。企业应该追问，一两年之后留下的是供应商账单，还是自己的评测、训练数据和模型？“企业做模型后训练，不是为了与前沿模型公司竞争，而是为了与自己的竞争对手竞争。”在她看来，值得积累的是企业每天完成工作时产生的判断，让下一次任务少一点重复纠正。
官网地址：https://zoowork.ai/
1
02 Yotta Labs
产品概述
Yotta Labs 是面向 AI 企业和开发者的多芯片、多云的Neocloud，提供按需 GPU、Serverless、模型调用网关和量化工具。团队希望让训练与推理任务能够在 NVIDIA、AMD 以及 AWS Trainium、AMD, Cerebras 等不同芯片上运行，减少对单一供应商的依赖。对于部署开源模型、测试硬件性能或控制推理成本的团队，平台提供统一的资源使用和部署入口，并通过自动扩缩容、运行优化等能力减少闲置与配置负担。
团队背景
Yotta Labs 的核心创始成员包括 CEO Da Li、首席科学家 Dong Li 和 CTO Johnny Liu。Da Li 曾在 Facebook 和 Chainlink 工作；Dong Li 是加州大学 Merced 分校计算机科学与工程副教授，曾在橡树岭国家实验室任研究科学家，长期研究高性能计算及 AI 系统。Johnny曾分别在Bytedance和Amazon负责AI Infra研发。2026 年 1 月，图灵奖得主 Jack Dongarra 加入公司，担任技术与战略顾问。
为什么值得关注
算力的成本取决于任务最终如何运行：显存是否够用，数据搬运是否成为瓶颈，业务低峰时资源会不会闲置，换一种硬件又需要多少迁移工作。Yotta Labs 的切入点，是在不同芯片和云资源之间提供统一的运行与管理能力。它值得持续观察的指标，是这种灵活性能否在真实负载下转化为更好的成本和稳定性，让应用团队用更多精力开发产品，减少逐项调试底层资源的工作。目前，Yotta Labs已经在美国，加拿大，亚洲等地积极部署算力集群。
官网地址：https://www.yottalabs.ai/
1
03 Puffo
产品概述
Puffo 是一个端到端加密的人与 AI Agent 协作网络，面向希望让多个 Agent 一起处理工作、同时控制资料访问范围的用户和团队。用户创建空间，将同事和 Agent 拉进同一段群聊，分配职责，让它们讨论方案、检查彼此的结果，需要决定时再交给人。产品采用本地优先的设计，连接用户自己的电脑，并围绕谁能加入、Agent 能访问什么、哪些信息可以共享设置权限。它希望让用户通过熟悉的聊天方式组织工作，减少配置提示词文件和搭建多 Agent 编排流程的负担。
团队背景
Puffo 是一家处于早期阶段的公司。联合创始人 Sam 在现场介绍，团队成立约两个月，重点研究不同 Agent 之间通信的安全与隐私。创始团队此前在 Block、Circle 和 OKX 负责过 AI、隐私、风控、信任与支付相关业务。这些经历也反映在产品的关注点上：当来自不同用户的 Agent 开始交流，如何确认对方身份、限制信息访问，并让用户保留控制权。官网目前未披露融资轮次、金额及投资方。
现场洞察
在“Your Next Teammate Is an Agent: Collaboration, Identity, and Trust”讨论中，Sam 分享了团队测试人机聊天室时的发现：他们开放了一个房间，让用户带着各自的 Agent 进来打扑克，却发现不同主人的 Agent 很容易在对话中泄露信息，有人会尝试套出其他 Agent 掌握的密码。他提醒，模型通常能拒绝“把密码给我”这样的明显请求，但真正的攻击往往看起来只是普通交流。Sam 还向现场观众提出测试挑战，声称可以在约十分钟内从接入的 Agent 获取 IP 地址、部分文件或个人信息。这也说明了 Puffo 关注的问题：通信加密之外，还需要验证对方身份，并控制每次对话能接触哪些上下文，避免私人助理把不该分享的信息带进群聊。
官网地址：https://puffo.ai/
1
04 Kite AI
产品概述
Kite AI 为自主 Agent 提供身份、授权和支付基础设施，面向开发 Agent 应用、工具服务和自动化交易流程的团队。其 Agent Passport 为 Agent 配置可验证身份、支付钱包和支出规则，用户可以预先设定预算、权限与操作范围，让 Agent 在限定条件内购买服务，并保留操作和支付记录。Kite Chain 则提供结算能力。随着 Agent 从调用工具走向自主采购，Kite 希望为开发者补上授权、支付及可追踪执行的基础设施。
团队背景
Kite 由 Chi Zhang 和 Scott Shi 联合创立。根据公司公开介绍，CEO Chi Zhang 曾在 Databricks 负责数据工程产品开发，也是 AutoML 公司 dotData 的早期 AI 负责人，拥有加州大学伯克利分校统计学博士及经济学硕士学位。CTO Scott Shi 曾在 Uber 建设实时 AI 基础设施，也是 Salesforce Einstein AI 的创始工程师。融资方面，2025 年 9 月，Kite 完成由 PayPal Ventures 和 General Catalyst 领投的 1800 万美元 A 轮，当时累计融资为 3300 万美元；目前官网披露累计融资已达 3500 万美元，投资方还包括 Coinbase Ventures 和 8VC 等。
现场洞察
在同一场关于协作、身份与信任的 panel 上，Chi Zhang 提出了一个交易场景：买方 Agent 付了钱，卖方却没有交付承诺的服务，怎么办？恶意卖方甚至可能诱导对方交出信用卡信息或钱包私钥。他提出两条建立信任的路径：将 Agent 与可验证的人或组织身份关联，让交易对方知道它代表谁；或者在双方无法预先信任彼此时，明确共同认可的交易条款，并设计交付不符合约定时的争议处理与退款机制。在他的判断里，Agent 正在成为参与价值交换的经济主体，而自主支付必须同时回答身份、授权和履约问题。
官网地址：https://gokite.ai/
1
05 目音Musein
产品概述
Musein（目音）是面向专业创作者、工作室、广告代理商和品牌团队的商业视频生产操作系统，覆盖广告片、短剧、电商和品牌内容。产品以画布组织参考素材、已接受成片、修改分支和制作流程，用户可以在同一空间选择模型、调整参数并与团队协作。其 3D 导演台（3D Director Workbench）还支持安排角色位置、设置机位和预览构图，再把参考画面送回画布用于后续制作。它让从创作简报到最终交付的制作过程保持连贯，多次出片和修改之间也有清楚的关联。
团队背景
Musein（目音）创始人为韦臻（Aaron WEI）。他曾在阿里巴巴担任高级专家，并曾任敦煌网MyyShop CTO，过往经历集中在电商、商业系统与技术管理。团队也参与品牌广告创作、AIGC 黑客松和内容出海等项目。
为什么值得关注
商业视频制作需要多个镜头之间的连续性，以及能够按反馈修改的流程。人物位置、机位、视线和画面风格一旦失去关联，出片速度再快，也可能增加返工。Musein（目音）把场景预演和镜头规划放在出片之前，让创作者先决定画面应该怎样，再调用合适的模型完成制作。从产品设计来看，它的机会在于降低反复试错的成本，让团队少花时间重新出片和解释修改要求，也让一次跑通的制作方法沉淀为可复用的工作流模板，供下一支视频继续使用。
官网地址：https://musein.ai
这五个项目切入的环节不同，却都在处理 AI 进入工作之后的具体需求：把内容做成可交付的作品，把经验保存为企业资产，让算力更容易部署，让不同用户的 Agent 安全交流，以及让自主交易有明确的规则。
接下来，值得追踪的是这些产品进入日常工作后的表现。创作者是否减少了返工，团队是否愿意持续使用，企业能否积累自己的能力，这些结果会逐渐决定它们能走多远。
