Pear 的创业公司征集令

我们现已开始接受 PearX 的申请——这是我们为种子前公司设立的独家小规模项目。我们的 S26 班将于 2026 年 7 月启动，为期 12 周。我们欢迎处于构想阶段的创始人以及已开始获得早期 traction 的团队申请 。以下是我们最期待看到创始人下一个攻克的一些想法和机会。

 

为每位知识工作者提供计划模式

作者：Shravan Reddy

在 AI 工具领域中，最被低估的设计突破之一是工作流程的改变。Claude Code 引入了“计划模式”，让代理和开发者在编写任何代码之前先对方法进行迭代讨论。这一简单的强制机制——先制定计划、共同检验可行性，然后再执行——显著提升了输出质量，因为它能在错误假设、模糊之处和缺失的上下文累积成浪费性工作之前将其显现出来。与此同时，当今大多数知识工作者使用的聊天机器人被优化为让人感到顺从。让 Claude Chat 或 ChatGPT 撰写销售演示文稿、构建财务模型或起草营销简报，它们会很乐意产出看起来很精致的内容，但这些内容往往建立在对受众、约束和目标的一堆未经质疑的假设之上。结果是产出大约完成了 60%–70%：看起来令人印象深刻并且似乎有用，但若要真正交付就需要大量返工。

我们认为，在销售、市场和财务等领域打造将“先计划、再执行”范式落地的垂直化 AI 工具有巨大机会。实际上，这意味着智能体应更像一位敏锐的合作者，而非急切的实习生：会提出澄清性问题、标注其不确定之处、提出有结构的行动计划，并在人工对方案进行评估后才进入执行阶段。对销售团队而言，这可能表现为智能体与销售代表共同制定客户策略，然后再起草外联方案。对财务团队而言，则可能是在构建预测之前就假设和边界情况达成一致。

这是一个可以发展成更大事物的楔子。在规划阶段赢得信任的工具，自然而然会成为决策形成的记录系统，并最终成为能够自主执行决策的智能体。如果你正在为某一特定垂直领域构建具代理能力的工作流层，我们希望与你交流。

 

---

 

金融级别的智能体基础设施

作者：Ryan Sells

人工智能代理已经很有用。但它们的有用方式更像是没有签字权的智能顾问。它们可以做研究、总结和推荐，但一旦需要代理真正转移资金、执行合同或做出信贷决策，整个体系就会崩溃。如今的代理基础设施是为可逆、低风险操作而构建的：起草电子邮件、编写代码、搜索网络。然而金融系统要求可审计性、政策执行、责任归属，以及处理那些无法通过“撤销”按钮修复的不可逆操作的能力。“类似 ChatGPT 的建议型代理”和“可在生产级金融系统中执行的自治代理”之间存在巨大的鸿沟。

我们在寻找构建信托、政策与执行层的创始人，让 AI 代理能够在金融场景中安全部署。这可以涵盖允许代理以受限且可撤销权限代表人类行事的身份与授权框架；在动作发生之前而非之后强制合规约束与支出限额的策略引擎；能满足监管机构与交易对手的审计与可解释性基础设施；或将代理与银行、支付网络及金融 API 以与生产级软件相同可靠性连接的可组合交易原语。设计空间非常丰富，因为每个金融垂直领域——支付、借贷、财资、保险、采购——都有其独特的监管与运营要求，但基本需求是一致的：构建一个既能让代理具备能力又能使其值得信赖的通用基础设施层。

构建面向智能代理金融的信任层的公司将在大量经济活动的中心占据重要地位，因为代理将从顾问转变为行动者。解决这一问题的团队将决定人工智能如何参与实体经济。如果你正在这个领域创业，我们很想听到你的消息。

 

---

 

经验证的消费健康市场

作者：Warren Shaeffer

消费健康领域充斥着承诺效果却很少证明其有效性的产品。补充剂、方案、设备和项目常以光鲜的宣传、薄弱的证据和缺乏问责为卖点。与此同时，真实的健康结果高度个人化、多样且动态——对某些人有效的做法对另一些人可能毫无作用。核心问题在于缺乏将干预措施与现实世界中可衡量结果相连接的反馈回路。

我们现在拥有闭环所需的技术要素。连续的生物标志物测量、家庭诊断、纵向健康数据以及由人工智能驱动的分析，使在个体和群体层面评估疗效成为可能。但目前，这些数据是零散的、未被充分利用的，并且很少被整合到实际做出健康决策的市场中。其结果是一个以分发和营销为优化目标的系统。

我们正在寻找那些建立经过验证的消费健康市场的创始人，这些市场依据真实的生物影响对产品、服务或方案进行评估。这可以包括那些因可衡量结果而奖励供应商的平台、让消费者基于经过验证的响应数据做出决定的平台，以及将经同意的健康数据转变为壁垒而非责任的平台。把验证和问责引入消费健康领域的公司，将重塑信任的获取方式以及健康市场的规模化运作。

 

---

 

面向垂直工作流程的环境感知型人工智能

作者 Mar Hershenson

Jump AI 在 18 个月内从零做到年经常性收入（ARR）1000 万美元，做的本质上就是面向财富管理者的 Granola。他们每位用户每月收取 100 美元（而 Granola 是 10 美元），因为他们能在对话发生时把握深度语境，并且完全整合进财富管理者的实际工作流程。Abridge 在医疗领域做了类似的事：转录加上环境感知智能再加上工作流程集成。这个模式很明确，而且有效，因为这些工具不仅仅是记录会议——它们理解会议周围的专业语境并能据此采取行动。

我们希望为那些将这种环境式 AI 模式应用到其他垂直领域的创始人提供资金。操作手册是：倾听专业人士的实际对话，将其与他们现有的数据和工具连接，并实时呈现有用的上下文。价值在于领域特定的集成，而非通用的转录。哪些行业中昂贵的专业人士在会议中花费大量时间，而来自其他系统的上下文会改变他们决策的质量？我们认为有很多这样的行业，Jump 对 Granola 要价高出 10 倍的定价溢价显示了纵向专用性能创造多少价值。

坦白说，我们很想要一个用于风险投资的版本——一个连接到我们的 Airtable、Crunchbase 和过往会议记录的环境感知代理，能在现场路演时低声提示“你六个月前见过一家类似的公司”或“这个数据点与 Crunchbase 上显示的不符”。如果你正在为任何行业垂直领域构建这种环境感知工作流层，我们想听听你的想法。

 

---

 

用于生物智能的基础数据集

作者 Eddie Eltoukhy

AI 驱动生物学的决定性瓶颈是数据。在语言和视觉领域，像 ImageNet 和 Common Crawl 这样的经人工整理的大型数据集足以训练基础模型，因为核心任务主要是单一模态的。生物学更为复杂：重要问题（药物发现、疾病理解、临床预测）本质上是多模态的，需要在序列、结构、功能和临床结果之间建立联系。生物学在各个单一模态上有深度数据集，但没有任何数据能将这些模态连接起来。

我们有一个关于当单一模态获得足够好的数据集会发生什么的实例：PDB 催生了用于蛋白质结构预测的 AlphaFold，而下一代工具（如 Isomorphic Labs 的 IsoDDE）正在将其扩展到结合亲和力预测、口袋识别和分子生成。但即便是这些系统中最先进的，也止步于分子相互作用。下游问题（稳定性、毒性、药代动力学、患者筛选、临床反应）在很大程度上仍与上游的结构性突破脱节。现有的大型生物学数据库（例如 UniProt、GEO、Human Protein Atlas 等）也反映出同样的局限性。

我们正在寻找那些为生物学基础模型构建规范化训练数据集的创始团队：包括大规模生成专有人体生物数据的公司（多重扰动筛选、纵向多组学队列、配对基因型-表型数据集），或能将现有分散的人体数据整合并规范化为模型就绪表示的基础设施平台。我们尤其青睐那些已经掌握专有数据集、并针对有意义的预测任务进行了严格基准测试且能可信地证明随规模扩大性能提升的团队。如果你正在构建生物学的基础数据层，我们希望听到你的消息。

 

---

 

在医疗领域：从记录系统到协调行动系统

作者：Andrew Parambath

当今的临床护理被记录系统主导。电子健康记录、计费平台、理赔系统和登记库存储着大量数据，但护理本身仍然依赖人工来将各系统缝合在一起。临床人员和运营人员充当连接组织，在不同平台间传递信息、调和不一致之处，并决定下一步措施。其结果是延误、可预防的升级、行政负担以及数十亿美元的可避免成本。

第一代医疗软件实现了文档的数字化。下一代让这些数据可检索、可分析。但执行方式并未改变。工作在跨越团队、组织和支付模式时仍会碎片化。医疗保健本质上也是多方参与的。提供者、护士、治疗师、管理人员、支付方、营收团队、供应商和患者各自在不同的激励机制、权限和法规约束下运作。如今，人工智能工具部署在这些孤岛之中。洞见会浮现，但责任仍然分散。当需要跨实体协调行动时，动力会放缓，问责也会稀释。

医疗软件的下一次变革是协同执行。系统将推动工作在各方之间前进，在护理团队间分配任务，在理赔被拒之前核对文档，在既定规程内上报临床风险，并在提供者与支付方之间实时同步更新。执行成为系统自身的一部分，而不再依赖个人去追逐上下文。

在以报销为导向且高度监管的环境中，一致性与智慧同样重要。成功的公司将构建可检查、合规的基础设施，深度整合临床与财务运作，确保意图在整个系统中转化为一致的行动。

如果你正在构建将零散的医疗流程转化为协调一致医疗行动的基础设施，我们希望与你对话。

 

---

 

线下信托网络

作者：Warren Shaeffer

数字系统从未为“眼见不再为实”的世界而设计。随着生成式人工智能的发展，线上信任正在积极衰退：深度伪造、合成媒体和代理驱动的交互使得判断一个人、一个行为或一段关系是否真实变得越来越困难。身份可以被伪造，内容可以被捏造，声誉可以被大规模制造。欺骗的成本下降速度超过了核实的成本下降速度。

与此同时，真正的信任仍然以传统方式建立——亲自见面、共度时光、履行承诺，并在多次互动中承担责任。但几乎所有这些现实世界的信任都无法被我们的数字系统识别。如今的平台依赖脆弱的替代指标：个人资料、评分、社交图谱和资历证书，这些都容易造假且难以迁移。因此，在被人工智能充斥的世界中最重要的信号——可靠性、在场感和共同经历——在实际做出决策的地方是看不见的。

我们对构建现实世界信任网络的创始人感兴趣：搭建能捕捉通过线下互动获得的信任、并使之可迁移、可组合且具有经济意义的基础设施。不是身份验证，也不是社交媒体——而是将真实经历转化为他人可依赖的持久信任信号的系统。这可以成为获得就业、住房、医疗、借贷、交易市场以及利害关系重大且容错成本高的社区的基础。随着数字信任的侵蚀，可验证的、通过线下获得的信任的价值只会上升。构建这一层的团队不仅会创造产品；他们还将帮助在真实性不再被默认保证的世界中恢复信任。

 

---

 

以意图为原生的商业基础设施

作者：Ryan Sells

现代商业的每一层——目录、定价、商品陈列、结账——都是围绕着一个在屏幕上浏览的人而设计的。AI 代理不会浏览。它们接受意图（“从最便宜且可靠的供应商处重新订购包装材料”），并直接进行采购、评估和交易。这打破了现有的技术栈。目录是为浏览而构建的，而非为程序化推理而设。定价假定商品编码（SKU）是静态的，而非针对买方约束进行动态谈判。结账假定有持信用卡的人，而不是拥有受限授权的自主行为体。整个基础设施需要围绕意图而非点击重新构建。

我们希望资助那些构建以代理介导交易为核心的商业基础设施的创始人。将店面打造为以意图感知的 API 运作，而非单纯的视觉目录。将定价设计成可根据情境与约束动态生成，而不是固定的价格标签。将发现层的相关性由是否符合意图来决定，而非由 SEO 或广告投入左右。随着代理成为默认的购买界面，无法向代理销售的商家将像二十年前无法在线销售的企业一样失去分销机会。推动这一转变的基础设施是一个代际级的平台机会，而且现在还处于早期。

 

---

 

面向代理时代的个性化人物搜索

作者：Shravan Reddy

AI 代理的爆发正在催生一个巨大的、未被充分满足的需求：更完善的人物数据基础设施。如今的人物搜索与补充平台——如 People Data Labs、Clearbit 和 ZoomInfo——的架构是为这样一个世界设计的：由人工销售或招聘人员发出查询、人工审视结果并凭借自身判断来弥补信息空白。那种工作流程可以容忍过时的记录、通用筛选和单一维度的档案。但当 AI 代理需要决定联系谁、如何个性化消息或应当邀请哪位专家时，标准就完全不同了。代理需要可用于推理的实时、情境化、结构化人物数据。为人工操作设计的静态 CSV 导出已经无法满足需求。

我们希望资助正在为具代理能力的工作流构建人物检索与情境层的团队。设想这样一个 API：它不仅返回姓名和 LinkedIn 链接，还能将某人的近期工作、公开撰写、职业网络和推断出的意图综合成代理能够实际使用的表示。这可以是一种采用新型收集方法的新数据平台，或者是位于代理与现有来源之间的中间件层，亦或是一种允许代理相互查询并交换人物情境的协议。此类数据的使用者现在是以模型为核心、在规模上做出决策的系统，因此数据基础设施也应反映这一点。

我们尤其愿意支持既理解数据工程挑战又了解新兴代理生态系统的团队。两方面都有艰巨的问题：在大规模下获取新鲜的结构化数据是一项工程磨砺，而构建代理能够有效推理的表示则需要对这些系统的实际工作原理有深入了解。如果你在这个领域创业，请与我们联系。

 

---

 

代理人管理商务开支

作者 Mar Hershenson

中小企业在保险、租金、信用额度、税务、公用事业以及数十种其他经常性成本上不断流失资金。在大多数情况下，没有人主动管理这些开支，因为单项费用能节省的金额不足以支撑花费的时间。但从总体来看，这种浪费是真实存在的。现有工具需要人工发起每一次比较或谈判，这就意味着大多数情况下并不会发生。十人规模的公司没有采购团队，因此账单未经审查，合同按供应商设定的费率自动续约。

我们希望资助那些构建在后台运行、并持续在各类业务支出中寻找节省机会的代理型创业者。不是一个告诉你在哪儿付得太多的仪表盘——而是一个真正帮你重新谈判电费、找到更便宜保险方案，或在你的信用额度条款不再具备竞争力时发出警报的代理。切入点可以是任何单一支出类别，但长期目标是为中小企业打造一个通用的成本优化代理，悄无声息地在他们睡觉时为他们省钱。

 

---

 

从为工具付费到为已验证的结果付费

作者：Andrew Parambath

医疗保健历来按活动付费。按就诊时间计费。按产生的相对价值单元（RVU）计费。按异步编码记录的分钟数计费。按每位临床医生购买的许可证计费。即便是数字健康领域大多也沿袭这一模式，按座位、按信息或按设备收费。然而，这种模式越来越与价值创造的方式不相符。

随着报销收紧、医疗系统面临持续的成本压力，以活动为基础的指标越来越难以自洽。随着技术提高了生产力并扩展了临床能力，参与度指标的意义也在减弱。当工作流程变得更高效时，基于时间的报销可能会惩罚这种采用。工作从传统就诊之外转移时，计费框架难以识别其价值。衡量屏幕时长或用户活动并不能告诉我们护理是否改善、风险是否降低或成本是否得到控制。

我们相信，下一代医疗健康公司将围绕在真实工作流程中交付的经验证的成果为核心。支付模式将越来越多地奖励可衡量的临床和运营影响，而不是软件使用或登录时间。最终取胜的公司会以对医疗服务提供者和付费方可读的方式量化其在成本、质量和工作流程绩效上的影响。它们将从第一天起在系统中构建可追溯性，并将收入与在各利益相关方间创造的可衡量价值挂钩。

医疗行业正进入一个阶段，软件必须证明其影响力超越单纯的活动指标。如果你的产品以此为目标构建，我们很愿意与您洽谈。