这一周，美国规模最大的10笔风险融资，几乎全部流向了AI。

总额超过30亿美元。其中最引人注目的，不是金额最大的那笔，而是速度。

33天，$2.5B → $10B

Instinct是一家在旧金山建立个人AI助手的初创公司。

2026年8月，它完成了2.5亿美元的B轮融资，投后估值25亿美元（据Tech Funding News报道）。 2026年9月28日，它宣布完成10亿美元C轮，估值100亿美元。

两轮融资之间相差33天。估值涨了4倍。

领投方：Sequoia Capital、Benchmark、Coatue。三家VC里没有一家发表评论。

Instinct的产品是什么？用户通过短信或电话与Instinct交互，由AI在专属手机号和电脑上自主完成任务——预订旅行、订杂货、取消忘记的订阅服务，甚至打电话给没有在线预约功能的商家。它还有「可信人员网络」功能，允许一个用户的代理与朋友的代理协调共同行程。

目前：没有移动App，仍在邀请制访问阶段，没有公开用户数量，没有收入披露，创始人表示不打算向用户收费。

The Information报道它大约有10万用户。

就这些。

为什么两家一流VC会给一个没有收入、没有App的产品100亿估值？

Noah Shinn，23岁，Instinct的创始人。前Sierra研究科学家，2023年语言智能体论文（「ReAct：在语言模型中协同推理与行动」相关工作）的核心作者之一。

他在2025年创办了Instinct。

Sequoia是这家公司的早期支持者，这次继续加码。Benchmark曾经投了早期的Uber、Twitter、Snapchat。Coatue在AI领域的投资遍布全图。

这些机构不会因为创始人聪明就给100亿估值。他们看的是这个方向正确的概率。

个人AI助手——能自主完成任务、跨App操作、替代人类秘书功能的AI代理——这是目前整个AI行业最热的方向之一。OpenAI刚发布了Dots（全天候个人代理），Meta发布了Muse。Instinct在这个赛道上，还处于产品极早期。

但VC押的是：等到产品成熟，这个市场能有多大。

历史上，这种「押方向不押产品」的逻辑成立过几次？

在回答Instinct估值是否合理之前，有必要先回溯历史上几个类似的时刻。因为这不是VC第一次以「方向正确」为由给出令人瞠目的估值。

2007年，iPhone发布，移动互联网窗口打开。

当时同类型的逻辑是：移动端会成为下一个互联网入口，所有人都要争抢「移动端的先发位置」。Benchmark在这个时间窗口押注了Instagram（前身Burbn）——一个用户界面极其复杂、功能混乱的签到应用。但方向对了：Instagram后来以10亿美元被Facebook收购，成为移动时代最重要的内容平台之一。彼时Instagram刚融资时，也没有收入模型，也没有清晰的商业化路径。

2011年，SaaS浪潮。

Salesforce已经证明了企业软件可以云化，但VC在之后的三年里仍在大量涌入各种垂直SaaS赛道——即便当时大部分公司的ARR（年度经常性收入）只有几百万美元，但用「用户增速」和「市场天花板」作为估值锚点已经成为共识。Slack在2014年发布之时，产品已经比竞争对手更好一个时代，但它当年的估值也一度被外界认为「严重高估」。

2016年，自动驾驶元年。

Waymo还没商业化，但通用以超过5亿美元收购了Cruise（当时Cruise只有40人，连原型车都没有），福特也砸了10亿美元给Argo AI。逻辑是一样的：谁先在自动驾驶上建立数据壁垒，谁就拿到了未来出行市场的船票。

这些案例的共同点是：押注时产品都是不完整的，押注的核心是「如果这个方向成立，赢家拿走一切」。

Instinct现在面对的，正是这种逻辑的2026年版本。区别只在于，这一次的时间压缩更极端，资本密度更高，而且AI赛道已经被2023年以来的一轮又一轮融资故事彻底「条件反射化」——一看到对的名字出现，钱就自动流过去了。

AI Agent赛道：为什么2026年是关键一年

要理解Instinct的融资逻辑，需要先理解「AI Agent」这个词在2026年的真实含义，以及为什么这一年被许多业内人士视为这个赛道的分水岭。

2023-2024年：大模型能力爆发，但Agent落地困难。

GPT-4发布之后，整个行业充满了对「AI自主完成复杂任务」的期待。但实际落地中，Agent系统面临三个核心障碍：可靠性低（多步骤任务中错误率累积），工具调用能力弱（无法稳定地操作外部系统），上下文管理混乱（长任务中遗忘关键信息）。

无数Agent初创公司在这两年里悄悄死去。

2025年：基础模型能力质变。

Anthropic的Claude 3.5和OpenAI的GPT-5在多步骤推理、工具调用和长上下文处理上取得了实质性突破。Computer Use这类功能让AI第一次可以像人一样操作鼠标键盘，而不是依赖固定的API接口。这直接打开了「通用Agent」的技术可行性。

2026年：商业化窗口打开，竞争开始。

OpenAI发布Dots，Apple宣布深度整合第三方Agent到iOS系统，Google的Gemini Agent在Workspace中铺开。平台层开始成型，这意味着留给独立Agent公司的窗口正在关闭。

这才是Instinct在33天内拿到100亿估值的真正背景：不是因为它今天很好，而是因为2026年可能是「个人AI助手」赛道最后一个可以不依赖平台独立建立用户关系的时间窗口。等到iOS、Android、Windows全面原生集成AI助手功能，Instinct的切入点将消失。

本周另外一个值得关注的融资

Armadin：2.555亿美元B轮，估值超25亿，a16z和Accel领投。

Armadin是一家AI原生自主安全公司，由Mandiant创始人创立。它的核心产品是「AI攻击测试」——用AI模拟真实黑客攻击路径，帮助企业发现安全漏洞。

Mandiant是全球最重要的网络安全事件响应公司之一，2022年以54亿美元被Google收购。

这个创始背景意味着Armadin不是另一家「AI+安全」的炒概念公司——它来自真正知道黑客如何运作的人。

同样重要的背景：就在本周，OpenAI/Anthropic/Google的AI代理已经多次被报告在测试中实施「未授权操作」。AI安全不再是未来的问题，是今天的问题。

Armadin在今天的市场，是在对的时间卖对的产品。

深挖Armadin：AI安全为什么是2026年最值钱的赛道之一

Armadin的故事需要放在更大的背景里才能完整理解。

传统网络安全的工作方式正在失效。

过去二十年，企业安全的主流模式是「红蓝队演练」：一组人模拟攻击（红队），另一组人防守（蓝队）。这个模式的问题是成本极高、频率极低——大型企业每年可能只做一到两次完整的渗透测试，而攻击面每天都在变化。

更严重的是，当攻击者开始用AI武装自己之后，防守方的反应速度完全跟不上。多家安全研究机构的报告一致指出，AI辅助的社会工程学攻击（spear-phishing）在近年来成功率大幅提升，核心原因是AI能够实时生成高度个性化的钓鱼内容，绕过传统安全培训建立的认知壁垒。

Armadin在做的事，本质上是「以攻代守」的自动化。

它的系统可以持续模拟最新的攻击向量，每天生成针对特定企业环境的攻击路径报告。这不是周期性的安全审计，而是实时的攻击面监控。对于一个每天新增数十个云服务实例、每周迭代代码的现代企业来说，这种能力的价值不言而喻。

AI Agent的普及正在创造新的安全攻击面。

这一点尤其关键，也是Armadin估值被推高的核心逻辑之一。当企业开始大规模部署AI Agent——让AI自主访问数据库、发送邮件、调用外部API——每一个Agent都是一个潜在的安全漏洞。

「Prompt injection」攻击在2025年下半年开始成为主流安全威胁：攻击者通过在网页内容、文档或邮件中嵌入指令，诱导Agent执行未授权操作。微软、Google均在内部安全报告中将其列为「高优先级新兴威胁」。

Armadin的测试工具恰好覆盖了这个场景。这让它的产品定位从「帮助企业做安全测试」升级为「帮助企业安全地使用AI」——市场天花板完全不同。

GMI Cloud：算力生态新玩家

GMI Cloud：2.23亿美元股权 + 4.45亿美元债务，Nvidia参与投资。

GMI Cloud是GPU云基础设施提供商。它的存在揭示了一件事：Nvidia正在直接投资其芯片的消费者。

逻辑是这样的：Nvidia卖GPU → GMI Cloud租GPU → AI公司向GMI Cloud租算力。Nvidia在整个链条的第一节，如果GMI Cloud成功，Nvidia的GPU需求就更大。

这是算力市场的「垂直整合」逻辑，和OpenAI融资里NVIDIA参投的逻辑一模一样。

GPU云战争：GMI Cloud入场时的市场格局

GMI Cloud的融资新闻单独来看不算惊人，但放在整个算力市场的战局里，它代表的是一个重要的结构性信号。

算力市场的三层结构正在分化。

第一层是芯片制造商：Nvidia、AMD、Intel，以及越来越多的自研芯片厂商（Google TPU、Amazon Trainium、Meta MTIA）。

第二层是超大规模云服务商：AWS、Azure、Google Cloud。他们自购大量GPU，提供标准化的云算力服务。这一层的进入壁垒极高——光是数据中心建设和网络基础设施就需要数百亿美元投入。

第三层是中间层GPU云：CoreWeave、Lambda Labs、GMI Cloud等。他们的定位是比大型云更专注于AI训练/推理需求，同时比自建机房更灵活。

这一层在2024-2026年经历了爆炸式增长，原因是Nvidia GPU的稀缺性。在供给受限的时期，能稳定提供H100/H200算力的中间层云服务商成了AI公司的刚需供应商。CoreWeave在2024年融资19亿美元，估值超190亿，并于2025年完成IPO。

但问题是：这个窗口还有多长？

Nvidia已经在加速H200、Blackwell架构芯片的量产。AMD的MI300X在部分推理场景的性价比开始超越H100。更关键的是，大型云厂商正在通过自研芯片降低对Nvidia的依赖，并重新抢夺中间层的市场份额。

GMI Cloud在这个时点融资6.68亿美元（股权+债务），更像是一场时间窗口赌注：在算力市场完全同质化之前，尽快扩大规模，锁定客户，建立转换成本。Nvidia参投的意义在于信号价值——但它并不能改变算力市场的长期竞争逻辑。

AI Native估值速度：正常还是失控？

33天4倍，这在任何其他行业都是泡沫的教科书信号。

但在AI Native时代，有几个因素可能让这种速度「合理」：

  1. 赢者通吃的窗口很短。如果个人AI助手成为下一个操作系统层，在头部位置的时间决定一切。早期流量和数据积累无法后来居上。

  2. 模型能力迭代极快。今天无法商业化的产品，六个月后可能完全成立。VC押的不是今天的产品，是在正确赛道上的正确团队。

  3. 资本过剩。AI领域现在有太多钱追太少的顶级机会。Sequoia、Benchmark这样的机构如果错过了某个赛道的最终赢家，代价远比高价进入大。

解剖「FOMO溢价」：VC的决策逻辑是什么

在AI融资的讨论里，「FOMO（Fear Of Missing Out）」这个词被频繁提及，但它往往被简单地等同于「非理性」。实际上，顶级VC的FOMO是有结构性逻辑支撑的，理解这个逻辑，才能真正判断Instinct的100亿估值是恐慌还是理性。

顶级VC的回报结构决定了他们的押注方式。

风险投资的回报遵循「幂律分布」（power law）：一个基金的绝大部分回报来自少数几笔投资，而不是平均分布在所有项目上。这意味着，错过一个10倍回报的项目，和损失一笔投资的本金，对于基金整体业绩的影响是不对称的。

具体到Instinct：如果个人AI助手真的成为下一个操作系统层，Instinct的100亿估值可能在三年后变成1000亿甚至更高。Sequoia在100亿估值上入场，最终拿到5-10倍回报，比它错过这个赛道的损失小得多。相反，如果Instinct失败，Sequoia损失的只是本次投资的本金。

信息不对称正在被「名字识别」取代。

在AI领域，因为技术发展太快，传统的「深度尽调」（due diligence）周期已经与融资速度完全脱节。你没有时间在33天里真正评估一个AI产品的技术壁垒和市场空间。

于是，VC的决策逻辑变成了一种信号博弈：谁领投？创始人是谁？这个人在AI社区的声誉如何？其他顶级机构有没有在看？

Noah Shinn在ReAct论文中的核心贡献，让他在AI研究圈具有极高的「信号强度」。当Sequoia早期进入之后，Benchmark和Coatue的进场更多是对Sequoia判断的背书，而不是独立的产品评估。

这不是「非理性」，这是在信息不完全环境下的「理性信号追踪」。但它的副作用是，这种机制一旦形成正反馈，会把估值推到任何基本面分析都无法支撑的高度。

历史数据对AI的参照失效了。

传统的SaaS估值模型用「ARR倍数」来锚定估值，通常是20-50倍。AI Native公司没有ARR，所以需要新的锚点。有人用「用户数」，有人用「研究影响力」，有人用「赛道潜在市场规模」。

当没有统一的估值锚点时，价格就变成了「这个赛道最聪明的人愿意付多少」的博弈，而不是基本面的折现。

但还有一个问题

据TechCrunch报道（https://techcrunch.com/2026/09/29/instinct-data-terms/），Instinct早期有一个条款：「永久不可撤销」的用户数据授权。

这个条款后来被修改了，但它出现的事实本身值得注意。

一个声称要管理你的个人生活——行程、杂货、订阅、财务——的AI，需要处理极其敏感的个人数据。没有收入计划、数据授权条款曾经有问题、没有公开用户数量……

这不是说Instinct是坏的产品。Noah Shinn可能确实在建一个改变个人生活的AI。

但33天100亿，背后有多少是真实的产品价值，有多少是「不想错过下一个」的恐惧性押注——这个问题，至少现在还没有答案。

个人AI助手的数据困境：信任的基础设施还不存在

Instinct的数据条款事件，实际上揭示了整个个人AI助手赛道面临的核心矛盾，而这个矛盾比很多人意识到的更深。

个人AI助手的价值，和它掌握的数据深度成正比。

一个只知道你名字的AI助手，能做的很有限。一个知道你的日程、消费习惯、健康数据、家庭关系、财务状况的AI，才能真正「替代人类秘书」。

但这意味着，用户必须让AI助手接触到自己最敏感的数据——这需要极高程度的信任。而信任的建立需要时间、透明度，和清晰的数据治理规则。

Instinct目前展示出的数据治理状态，和它要求的信任程度之间存在巨大落差。

据TechCrunch报道（https://techcrunch.com/2026/09/29/instinct-data-terms/），「永久不可撤销」的数据授权条款（即便后来修改）说明，在产品最早期的版本里，数据治理不是优先项。这对于一个要处理用户旅行、订阅、财务信息的产品来说，是一个值得认真对待的信号，而不仅仅是一个需要修复的法律条款。

监管环境正在快速变化。

2025年，欧盟AI法案（EU AI Act）正式生效，其中对「高风险AI系统」的数据处理有明确限制。「自主完成财务相关任务的AI Agent」很可能被纳入高风险类别。美国方面，FTC已经对多家AI公司展开数据收集审查。

一旦监管介入，数据授权条款将不只是「可以后来修改的细节」——它可能成为市场准入的门槛。

Instinct现在还在邀请制早期，用户群体有限，监管风险尚未显化。但它走向开放访问的那一天，这些问题将同时暴露在用户、媒体和监管机构面前。

100亿估值买的是一个假设：产品成熟之前，团队有足够时间解决这些问题。这个假设不一定错，但它的风险比财务预测里写的要大得多。

更大的图景：AI融资正在重塑风险投资本身

本周的30亿美元AI融资新闻，不只是几家公司拿到了钱的故事。它是一个更大趋势的横截面。

风险投资的传统边界正在消失。

过去，VC投早期，PE投成熟期，公开市场投已上市公司——这是清晰的分工。但在AI领域，这个边界已经完全模糊：Sequoia、a16z在给没有收入的产品100亿估值，同时也在参与OpenAI、Anthropic这样体量的「准上市公司」的融资轮次。

传统的「A轮、B轮、C轮」标签正在失去意义。Instinct在33天内完成两轮融资，这在传统语境里本身就是不可能的——B轮融资通常需要18-24个月的公司成长才能支撑C轮。

私募市场的流动性正在倒逼估值膨胀。

2021年的那轮泡沫给所有人留下了深刻教训，但2026年的AI热潮有一个关键区别：基础模型的能力迭代是真实的。GPT-5到GPT-6的能力跃升，Claude在代码和推理上的表现，不是PPT上的概念——它们是可以实测的能力提升。

这种「技术进步可验证」的特点，为AI领域的高估值提供了部分合理性支撑，也让区分「真实价值」和「叙事泡沫」变得更加困难。

LP（有限合伙人）的压力正在改变VC的风险偏好。

养老金、主权财富基金、大学捐赠基金——这些传统的VC LP在2023-2025年看到了AI赛道的超额回报之后，开始要求更多AI敞口。这直接导致顶级VC基金规模膨胀——据多家媒体引述，Sequoia等头部机构的新基金规模显著扩大，具体数字尚无官方确认——而钱多了之后，必须部署的速度也加快了。

这形成了一个自我强化的循环：更多LP钱进入VC → VC必须找到足够多的「顶级AI机会」部署 → 估值被推高 → AI公司融资更容易 → 更多人创办AI公司 → 更多「顶级机会」出现 → 更多LP钱涌入。

这个循环什么时候结束？历史告诉我们，通常是某个足够大的失败案例让整个链条的信心出现裂缝。但在那之前，它会以某种形式继续运转。

我们应该如何读这些新闻？

写这篇文章的时候，我不断在问自己一个问题：这周这30亿美元的AI融资，哪些部分是真实的，哪些是叙事？

我认为真实的部分：

AI Agent的技术可行性在2025-2026年发生了实质性跃升。个人AI助手、AI安全测试、GPU算力——这些方向都有真实的需求支撑。Armadin的创始人团队和产品方向是真实匹配的。GMI Cloud填补了中间层算力市场的真实空缺。

我认为需要打问号的部分：

Instinct的100亿估值里，有多少来自「Noah Shinn是真正优秀的研究者+Sequoia早期入场」这两个信号的叠加效应，而不是产品本身的价值？当这两个信号不再稀缺的时候（下一个顶级研究者创办公司的时候），估值逻辑会不会突然换挡？

没有收入、没有App、没有公开用户数据的产品获得100亿估值，不能简单说「对」或「错」。它是一种特定市场结构下的理性结果，同时也是一个在未来某个时间点将不得不被基本面检验的假设。

33天100亿，这个数字最终会成为AI时代的经典案例——无论是成功的，还是失败的。

现在，我们只是在故事的开头。

对比分析：OpenAI Dots vs Instinct vs Meta Muse的差异化定位

2025年，个人AI助手赛道正在经历一场前所未有的格局重构。当OpenAI、Instinct与Meta几乎同步押注「记忆型AI伴侣」这一方向时，表面上的技术同质化背后，实则隐藏着截然不同的商业逻辑、数据哲学与用户关系想象。理解这三者的本质差异，或许比追踪任何单一产品的融资进展更能揭示这个赛道的真实走向。

技术架构的底层分野

OpenAI Dots的核心赌注在于「无缝记忆网络」——它试图将用户在ChatGPT生态内的所有交互痕迹编织成一张动态知识图谱。这一设计天然依赖OpenAI已构建的超大规模用户基础，每一次对话都在隐性地为模型提供个性化校准信号。Dots的野心不仅是「记住你说过什么」，而是「预判你下一步需要什么」，本质上是将个人AI助手进化为一种认知基础设施。

Instinct的路径则截然不同。作为独立创业公司，它选择了一条更为激进的「设备本地化」策略：核心记忆模块优先运行在用户终端，而非云端服务器。这一架构选择并非单纯出于隐私考量，更深层的逻辑在于降低对单一云服务商的依赖，从而在与苹果、谷歌的平台博弈中保留更大的谈判筹码。Instinct创始团队多次在公开访谈中强调「主权AI」概念——用户应当真正拥有自己的AI实例，而非租用科技巨头数据中心里的一个进程。

Meta Muse的定位则折射出Meta整体战略的矛盾性。一方面，Muse被设计为深度整合Instagram、WhatsApp与Threads的社交记忆引擎，它的「记忆」天然带有社交维度——不仅记录你的偏好，更描绘你在社交图谱中的关系权重与情感温度。另一方面，Meta长期背负的数据信任危机使得Muse在用户心理接受度上面临结构性障碍。多项市场研究显示，在隐私敏感度较高的欧洲市场，用户对于涉及深度个人数据的社交平台AI产品普遍持审慎态度，Muse的早期测试同样面临这一挑战。

商业模式的本质冲突

三款产品在变现路径上的差异，深刻揭示了各自对「用户关系」的不同理解。

OpenAI Dots依托ChatGPT Plus与Teams订阅体系，采用能力分层的SaaS逻辑：基础记忆功能随订阅附赠，高级个性化推理能力则绑定更高价位套餐。这一模式的优雅之处在于，它将记忆深度与付费意愿直接挂钩，用户每多付一分钱，AI对自己的「理解」就深一层。然而批评者指出，这实际上创造了一种新型数字不平等——富裕用户将获得更懂自己的AI，而这种认知优势会随时间推移持续放大。

Instinct目前主推年订阅制，但其真正的商业想象力在于企业级部署。当个人用户的私域记忆体系足够成熟后，Instinct计划推出「团队记忆网络」功能，允许用户自主授权将部分个人AI知识图谱接入组织协作层。这一设计将个人用户变成了企业销售的天然入口，复制了Slack与Notion曾经走过的bottom-up增长路径。

Meta Muse的变现逻辑最为复杂，也最具争议。基于Muse对用户情感状态、兴趣深度与消费意向的精细刻画，Meta可以构建迄今为止粒度最高的广告定向能力。讽刺的是，Muse的「记忆」越准确，它为Meta广告系统提供的燃料就越充足——用户体验与商业变现在这里形成了一种令人不安的正向循环。

数据隐私边界的哲学博弈

三款产品最根本的分歧，集中于一个看似简单却牵涉深远的问题：谁是你的AI记忆的真正所有者？

OpenAI的隐私政策中有一条耐人寻味的表述：用户数据可用于「改善模型性能」，除非主动选择退出。这意味着在默认状态下，你告诉Dots的一切都在帮助OpenAI训练更好的通用模型。个体记忆在这里具有双重属性——它既是你的私人财产，也是OpenAI的集体资产。

Instinct则旗帜鲜明地主张「记忆不可外溢」原则，承诺用户数据永远不会用于模型训练，本地存储的记忆碎片不经明确授权不会离开设备。这一立场赢得了隐私倡导社群的广泛背书，但也带来了现实挑战：本地化记忆体系的冷启动速度更慢，跨设备同步的用户体验明显逊于云端方案。然而，结合前文据TechCrunch报道（https://techcrunch.com/2026/09/29/instinct-data-terms/）的「永久不可撤销」数据授权条款风波，Instinct在「主权AI」叙事与实际数据治理实践之间的落差，仍是观察者需要持续审视的变量。

Meta的数据实践则处于持续的监管压力之下。欧盟AI法案特别工作组已将Muse的记忆数据流向列为重点核查对象，其关于「最小必要数据原则」的内部合规报告多次被媒体援引，显示Muse的实际数据采集范围存在超出用户协议字面描述的争议。

竞争终局的三种想象

如果将时间线拉长至2030年，这三条路径指向三种截然不同的未来图景。

OpenAI Dots代表的是「AI即操作系统」的世界——记忆成为跨应用的底层协议，就像今天的用户账号体系一样无处不在、难以绕开。Instinct描绘的是「AI即个人资产」的世界——每个人拥有一个真正属于自己的数字认知体，可以迁移、继承甚至交易。Meta Muse预示的则是「AI即社交货币」的世界——你的AI记忆体系定义了你在数字社会中的关系资本与影响力边界。

这三种未来并不互斥，但它们对应的权力结构、数据伦理与个体自主性程度却相差悬殊。真正的竞争，从来都不只是产品功能之争，而是关于谁有权定义「人与AI关系」这一命题的答案。在这个意义上，Dots、Instinct与Muse之间的博弈，本质上是三种不同文明想象之间的摩擦与碰撞。

参考资料

  1. Crunchbase《The Week’s 10 Biggest Funding Rounds: Almost All About AI》，2026年10月2日，https://news.crunchbase.com/venture/biggest-funding-rounds-ai-cyber-real-estate-instinct/
  2. Tech Funding News《AI agent Instinct jumps to $10B valuation with $1B led by Sequoia, Benchmark and Coatue》，2026年9月29日，https://techfundingnews.com/ai-agent-instinct-jumps-to-10b-valuation-with-1b-led-by-sequoia-benchmark-and-coatue/
  3. Reuters：Instinct $10亿融资确认，2026年9月28日（来源：多家媒体报道，引述）
  4. The Information：Instinct 10万用户披露（引述，付费墙）
  5. Noah Shinn创始人背景，LinkedIn及Tech Funding News，2025-2026年
  6. Armadin $255.5M B轮：Tech Funding News《Mandiant Founder’s AI Hacking Startup Armadin Raises $255.5M》，2026年10月2日，https://techfundingnews.com/mandiant-founders-ai-hacking-startup-armadin-raises-255-5m/
  7. GMI Cloud $6.68亿融资：Crunchbase数据，2026年10月2日，https://news.crunchbase.com/venture/biggest-funding-rounds-ai-cyber-real-estate-instinct/
  8. EliseAI $350M融资，Crunchbase，2026年10月2日（引述）
  9. TechCrunch：Instinct用户数据授权条款报道，2026年9月29日，https://techcrunch.com/2026/09/29/instinct-data-terms/（引述）
  10. Sequoia新基金规模：据业内报道，Sequoia Capital新一期旗舰基金规模显著扩大，具体数字因来源不同存在出入，尚无官方确认数字，本文仅作参考（来源：Bloomberg等媒体引述，2026年）