林俊暘官宣AI創企語用科技!騰訊投了,做Agent
前阿里巴巴千問大模型負責人林俊暘,近日正式對外揭露最新創業布局。他在上海成立的AI新創公司「Pragmatik Labs」(語用科技),已低調營運一段時間,目標是打造新一代人工智慧智能體(AI Agent),不僅能在數位軟體環境中運作,還能夠延伸至物理世界,實現真正的跨域自主決策與執行能力。林俊暘在阿里巴巴期間主導了千問大模型的研發,是中國大型語言模型領域的重要技術推手。如今他選擇離開大公司自行創業,反映出頂尖AI人才對智能體技術路線的高度看好。
不同於過去多數AI模型只停留在對話或生成內容,語用科技的研發方向更強調AI能在真實場景中「動手做事」,例如操控實體設備、協調多步驟任務,甚至與人類協作完成複雜工作流程。根據官方對外揭露的資訊,語用科技本輪融資由高榕創投與紅杉中國共同領投,騰訊與上海未來產業基金也參與跟投。值得注意的是,這家成立不久的公司,估值已達到約20億美元。這樣的數字在當前資本市場相對謹慎的環境中尤為突出,顯示出投資人對林俊暘團隊技術實力與Agent應用前景的高度期待。目前語用科技尚未公布具體產品名稱或商業時程,但從融資規模與投資方陣容來看,團隊很可能在短期內就會對外公開更詳細的研發進度與商業規劃。
林俊暘在官方聲明中強調,語用科技的願景是讓AI具備更貼近真實場景的自主能力,從虛擬世界跨入物理世界,解決現有AI系統難以應付的動態、複雜、不可預測的現實問題。智能體(Agent)概念在近兩年成為AI產業新焦點。不同於傳統的語言模型只能接收提示並生成文字,Agent被設計成能夠主動感知環境、制定計畫、調用工具,並持續迭代行動直到目標達成。許多國際大廠與新創都在競相投入,但能同時處理數位與實體任務的Agent系統仍屬前沿。林俊暘選擇以上海為據點,也看中當地完整的供應鏈與製造業生態,有利於未來與機器人、自動化設備等硬體結合。
高榕創投與紅杉中國在AI領域投資經驗豐富,兩者共同領投語用科技,代表對其技術路線的背書。騰訊的跟投則進一步強化了語用科技的產業資源——騰訊在雲端運算、遊戲、智慧製造等場景都有大量AI應用需求,雙方可望在後續產品落地階段展開合作。上海未來產業基金的參與,也讓語用科技獲得在地政策與資金支持,加速其研發中心與實驗室建設。估值20億美元在AI創投圈並非罕見,但對於一家尚未發表產品的公司而言,這個數字已經躋身獨角獸行列,甚至逼近部分已商品化的AI公司。這反映出投資人對林俊暘個人品牌的信任,以及對Agent技術即將進入爆發期的判斷。
許多業內觀察者認為,一旦成熟的Agent產品問世,可能從根本上改變人類與機器互動的方式,從被動問答走向主動協作。語用科技目前正積極招募頂尖AI研究員與工程師,特別是在機器人學、強化學習、多模態感知等領域有經驗的人才。林俊暘也在社交平台上開放團隊聯繫方式,歡迎對智能體有熱情的夥伴加入。隨著團隊擴張與資金到位,語用科技預計在未來數個月內公布更多技術細節與產品藍圖。業界普遍認為,AI Agent將是下一波人工智慧應用的核心賽道,而語用科技在技術起點上就選擇了「數位+物理」的雙重維度,試圖打造比單純軟體Agent更強大的通用能力。
如果成功,它不僅能在辦公室自動化、智慧家庭、物流調度等場景發揮作用,也能進軍工業機器人、醫療輔助、安全巡檢等高難度領域。不過,要讓AI在真實物理世界中安全且可靠地運作,仍面臨許多技術挑戰,包括即時感測、動態決策、錯誤恢復以及人機信任等問題。林俊暘團隊能否在短期內給出具體解決方案,將是市場關注的焦點。目前語用科技尚未公開展示任何原型產品,但從其融資節奏與估值水準來看,內部研發很可能已達到一定成熟度。總體而言,林俊暘的創業動向為中國AI產業注入新的想像。在大型語言模型逐漸走向紅海之際,Agent技術被視為下一波差異化競爭的關鍵。
語用科技憑藉強大的技術背景與資金支持,有潛力成為這一領域的代表性新創公司。未來幾個月,隨著產品細節逐步揭露,市場將能更清楚地評估這家估值20億美元的AI企業,究竟能否兌現其跨域智能體的宏大願景。
Related
相關文章

消息稱 NVIDIA 考慮向 Perplexity AI 投資“數十億美元”
作者:溯波(實習) 責編:溯波 評論: 8 月 24 日消息,外媒 The Information 稍早前報道稱,NVIDIA(英偉達)考慮在 Perplexity AI 的最新融資輪中向這家人工智能初創企業投資“數十億美元”。雙方正就該交易展開磋商,還可能達成技術授權協議。

Rabbit做了個“所有Agents的Agent” ,體驗後我覺得Agent早就該長它這樣
Rabbit推出了一個被稱為「所有Agents的Agent」的新產品,實際體驗後讓人覺得Agent早就該長這樣。文章認為Agent普及的關鍵並非增加更多能力,而是讓用戶少理解十個概念,降低使用門檻。
Guidelight評估五大AI實驗室,OpenAI遏制能力排名第一
該評估覆蓋Anthropic、Google、OpenAI、Meta和xAI,僅依據公開信息考察其是否建立監控、異常行為處置、第三方審計及失控模型關閉等機制。在滿分5分的評估中,OpenAI以3分排名最高,Anthropic和Meta得分最低。
τ_0-VLA長程操控
τ₀-VLA是一種層次化機器人基礎模型,透過世界模型引導的測試時計算來改善長程操控任務。高層策略在決策不確定時會額外分配計算資源,搜尋替代子任務並預測其視覺結果,而低層策略則在40,115小時的異質真實世界數據上訓練。在包含13到25個步驟的真實長程任務中,封閉迴路成功率從27.5%提升至45.0%。