前阿里通义千问技术负责人林俊旸创业,Pragmatik Labs天使轮估值达20亿美元!

数量1倍数特性.pdf 立即下载

林俊旸融资创业

林俊旸融资了。8月12日,这位前阿里巴巴通义千问技术负责人在社交媒体上官宣新公司——Pragmatik Labs(语用科技,简称p7k),聚焦下一代Agent研究。公司成立三个月,无产品无营收,天使轮估值却达20亿美元(约合人民币135亿)。高榕创投、红杉中国各投1亿美元,腾讯跟投2000万美元,上海未来产业基金也参与,本轮融资合计2.2亿美元(约合人民币14.8亿元)。

五个月前,林俊旸从阿里离职。如今33岁的他站在新起点。资本认可,但Agent赛道比大模型好做吗?他为何不做模型了呢?

林俊旸与大模型成就

林俊旸的选择是个信号。作为Qwen技术负责人,他将通义千问从内部项目推到全球开源大模型第一梯队。Qwen系列全球下载量突破10亿次,生态衍生模型超20万个,Qwen3 - Max在多项国际评测中跻身全球前三。他深谙大模型研发,可下一站却不是再做一个大模型。

在头部大厂负责智能体开发的陈砚(化名)表示,“模型研发太耗钱了,小实验室资金和国内算力水平都支撑不起”。陈砚判断,Pragmatik更可能选类似Manus的方向,在现有基础模型上做Agent的平台和应用层,“有点像FDE加平台”。

Manus的成功范例

这条路已被市场验证。2025年4月,Manus完成7500万美元融资时估值约5亿美元,年底Meta提出收购,外界给出的交易估值达20亿至30亿美元。虽交易因监管解除,Manus今年8月11日恢复独立运营,但它证明了即使无顶级基础模型,掌握Agent产品入口和任务执行能力,也可能成数十亿美元战略资产。

林俊旸今年3月离职后发表长文,提出AI下一阶段重点从“训练模型”转向“训练智能体,乃至训练由多个智能体组成的系统”。在他设想中,Agent时代要训练“模型+环境”的完整系统,包括Harness、训练环境、评估器和多Agent协作方式。Pragmatik名字源于“语用学”,代表实用主义,即AGI要解决现实问题。

Agent的核心门槛

Pragmatik方向分数字Agent和物理Agent。数字Agent面向知识工作等通用智能体,物理Agent是能在现实世界完成长程任务的具身智能。

陈砚认为现在下结论太早,“他要做的agent针对场景化,能否做深取决于领域深度,想做成Palantir这种有深度的agent平台很难”。场景深度是老问题,陈砚以谷歌AlphaFold为例,它能在几分钟内预测大部分蛋白质三维结构,准确率堪比实验结果,但能力边界清晰,只擅长解蛋白质结构。它靠大量领域知识,数据环境和推理步骤都需特定化。

场景化Agent深度取决于对场景的理解、数据准备和流程编排。AlphaFold是“定制款”,真正的通用Agent应是“万能款”,能自行应对新场景。“agent核心能力是编排”,通用agent靠模型自己推理,无需人工植入编排节点和给予特定提示词、上下文知识库。但目前行业进入新场景都需大量人工定制编排和适配,类似移动机器人早期困境。

林俊旸想做“下一代Agent”基础设施,像做Qwen时做底座让别人跑应用。可Agent的“底座”是什么呢?大模型底座是参数、数据、算力,Agent底座模糊,陈砚称“现在场景没跑出来,很难说”。

20亿美元赌的是什么?

一家成立三个月、无产品无营收的公司,天使轮估值20亿美元,贵不贵?大模型时代,有明星技术负责人的创业公司天使轮估值几十亿人民币很常见,但大模型烧钱快、商业化难。Agent赛道相对“轻”,不用一开始就投入巨额算力成本。

资本赌的是林俊旸的复制能力,他是少数掌握大模型研发、开源生态建设和商业化落地经验的技术领袖。林俊旸刚传出创业消息,就有至少20家投资机构接触。

投资方名单有看点,高榕和红杉联合领投,各投1亿美元,它们是中国VC里投AI最积极的,此前分别投资月之暗面和MiniMax。腾讯投2000万美元,占股1%,虽金额小但信号意义强,腾讯既布局大模型,又在Agent和应用层广泛投资。其策略是基础模型自研,应用和Agent层撒网,不控股,让小公司自主发展。

上海未来产业基金入场意味着林俊旸创业被纳入上海AI战略布局,对公司获取资源和对接产业场景有利。但林俊旸压力也大,Agent创业公司和模型厂商相互渗透。

陈砚更看好大模型厂商的通用agent,如OpenAI的Codex已从编程Agent变为通用工作Agent,还提供可连接企业工具、长期执行任务的Workspace Agents。

这是AI行业常见命题:应用层公司在基础模型进步时如何建立壁垒?演语科技不拼技术拼生态,靠模型资产和创作者使用习惯建立壁垒,截至今年5月,ARR突破3亿美元,投后估值超20亿美元,正在筹备香港IPO。那Pragmatik的壁垒会是什么呢?

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

刚刚,林俊旸官宣创业公司Pragmatik Labs!

其实,这种技术路线选择并非毫无预兆,早在今年 3 月,林俊旸就曾发表文章《From 'Reasoning' Thinking to 'Agentic' Thinking》,提出 AI 下一阶段的重点将从「训练模型」进一步转向「训练智能体,乃至训练由多个智能体组成的系统」。这次看似不起眼的数据对比,让他敏锐地捕捉到了大模型未来的爆发潜力。林俊旸曾经参与构建了中国最具全球影响力的大模型体系之一,如今,他选择在官宣新公司名称的第一时间就把数字世界和物理世界同时写进公司的研究目标,本身就是一个值得关注的行业信号。

2601_96492213的博客 238

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

原阿里千问技术负责人林俊旸创业,新公司Pragmatik Labs押注下一代Agent!

其投资阵容强大,高榕创投和红杉中国领投,腾讯和上海未来产业基金支持,融资规模数亿美元,投后估值约20亿美元。早在今年3月,林俊旸就提出AI重点将转向训练智能体系统,这或许就是其所说的“下一代Agent”。原阿里千问技术负责人林俊旸官宣创业,在上海创办AI公司Pragmatik Labs,研究横跨数字与物理世界的下一代Agent,且获高榕、红杉等投资。林俊旸将数字与物理世界写进公司研究目标,是值得关注的行业信号。2019年加入阿里,6年多晋升迅速,主导推出Qwen系列开源模型,还曾组建机器人与具身智能小组。

IT界那些事儿 36

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

林俊旸官宣新公司估值20亿美元,上海投资人才复刻合肥模式能否成功?

8月12日,93年出生的前阿里千问技术负责人林俊旸官宣新公司Pragmatik Labs,投后估值约20亿美元。与此同时,上海正试图通过投资人才复刻合肥创投神话,但AI Agent产业落地仍面临诸多挑战。高榕、红杉领投,腾讯跟投2000万,上海未来产业基金参投。原诺亚方舟实验室研究员楼燚航也官宣创业,新公司引力蓝移与林俊旸方向撞车,都做物理Agent。楼燚航纯做机器人大脑,已获两家头部资本投资意向,估值约2亿美元,可能先兑现成果。上海投资人才布局AI Agent产业有前瞻性,但人才流动性大,产业落地难。

IT界那些事儿 20

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

腾讯2000万美元投资林俊旸新公司,一箭三雕布局AI新赛道!

3月5日,阿里巴巴CEO吴泳铭发出内部邮件,确认批准林俊旸辞职,并宣布成立“基础模型支持小组”。林俊旸在阿里离职后,腾讯递上橄榄枝。据天眼查信息,语用科技于2026年5月13日成立,注册资本125万元,林俊旸持股88%,外部投资人持股12%,其中腾讯通过上海启善投资有限公司持股1%,腾讯要的是卡位。目前,林俊旸新公司未公布产品,官网只有板块名称和方向描述,结果可能要等几个月甚至几年,但他在中国AI人才版图中已占一席之地,他作为语言学背景文科生,从NLP做起将中国开源模型推到全球第一梯队,如今又押注新方向。

IT界那些事儿 29

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

液冷方式介绍

如果将直径在1~100nm的颗粒悬置在传热流体(例如:水、乙烯、乙二醇等)中时,其传热能力会得到提升,因为大多数固体材料的热导率要大于液体,因此由颗粒、流体组成的混合物热导率也高于液体本身的热导率,由此制成的流体,我们称之为纳米流体。金属冷管的液体工质蒸散量几乎为0,而柔软材质的管道则会产生液体的蒸散,在封闭式循环系统中,为了弥补液体工质的蒸散,必须定期在系统中补充液体工质。——我们之前说过,材料的导电和导热的机制大致是类似的,所以导电能力更强的金属往往具有更好的导热能力。

制冷技术咨询与服务的博客 2078
上一篇: 阿里Qwen开放Qwen3.8-2.4T模型权重,与Kimi K3呈现明显收敛趋势
下一篇: A社研究:AI“思维病毒”可传播变异,一句警告或成“解药”!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值