維納智能：中國數據生成科創公司首登Nature期刊

一家成立不到兩年的香港AI公司，沒有靠海量人工標註，也沒有加入參數軍備競賽，卻在頂尖學術期刊《Nature》上寫下歷史——維納智能成為首個登上Nature的中國數據生成科創公司，也是全球第四家具備此記錄的數據生成企業。這家公司的核心能力，不在於打造更大的基座模型或向量資料庫，而是讓大模型自動產出高精度推理數據，並透過閉環反饋驅動專業Agent自主演化，從而橫跨價值觀安全、金融保險、香港政務與體育競賽等高度異質的領域，交出工業級精度的成績單。 今年5月28日，Nature通訊發表了一篇題為〈Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy〉的論文。維納智能負責AI技術部分，醫療場景由中山大學腫瘤醫院等機構提供。共同第一作者為王雅田同學，論文由維納智能創辦人柳崎峰與香港科技大學羅文寒教授共同指導。這篇論文聚焦腎癌手術中的經典兩難：部分腎切除可保留腎功能，但手術難度高、術後併發症風險大；全腎切除技術較穩妥，卻會犧牲整個腎臟，導致慢性腎臟病風險升高。團隊發展出一套名為RDPM（Rapid GFR Decline Prediction Model）的多模態深度學習模型，將傳統的短期術後腎功能點估計，升級為長期腎功能快速衰退風險分層，並運用多頭交叉注意力機制，融合3D影像與臨床變數。模型在15家多中心醫療機構、1621例病患隊列中完成訓練與驗證，外部測試AUC落在0.788至0.873之間，為醫師在手術決策前提供了更穩定的量化依據。 這項成果背後，是維納智能對大模型訓練底層邏輯的重新思考。創辦人柳崎峰指出，預測是大模型訓練與推理的根本機制，可分為三層次：Token語義層、回答語義層、提問語義層。其中「提問」比「回答」更難，因為模型必須預判人類的真實需求與追問方向，並產出合理、邏輯且多樣的內容。維納智能提出的「推理數據生成」，就是讓大模型同時產出提問與回答，並附上思維鏈與推理過程，形成一個四元組結構（context, Question, reasoning, Answer），簡稱cQrA。這種做法類似於為模型打造「習題集」——以問題驅動思考，用答案形成反饋，透過推理強化因果連結。目標是讓大模型不只是會回答，更能主動提問，成為具備自學能力的智能體。 然而，高品質推理數據的生成有兩大門檻：行業專屬的「習題集」極度匱乏，專家知識大多還鎖在文檔與經驗中；原始數據又普遍多源異構、樣本稀疏、雜訊強烈，嚴重干擾知識重構。醫療領域對精度的要求最為嚴苛，正好成為這項技術的最佳試煉場。 從系統層面來看，維納智能的願景是實現「數據→Token→數據」的大閉環。1948年控制論創始人諾伯特·維納提出的「反饋控制與信息度量」思想，已反覆在反向傳播、強化學習、RLHF與Agentic AI等重大進展中得到印證。目前多數AI工作專注於「數據→Token」，也就是用算力與數據訓練大模型，再輸出Token用於應用。維納智能則投入另一半路徑：「Token→數據」，讓大模型自動生成高精度專業推理數據，擺脫對有限人類標註的依賴。這個閉環的核心參數包括內參數（模型預訓練與後訓練參數）與外參數（提示詞及因果錨定所需的上下文Few-shot），而這些Few-shot正是來自高精度推理數據生成，它們承載著業務知識與對抗式因果關係，對最終推理結果影響重大。 當前業界因為Vibe Coding風潮而湧現大量Agent，但三大系統級瓶頸也迅速浮現：軟體測試方法對Agent幾乎失效，導致「測不準」；缺乏有效動態測試，系統處於無反饋狀態，結構與超參數難以優化，形成「優化難」；經典LLM加RAG架構在專業領域的準確率常僅約七成，企業看不到降本增效的實質成效，即「答不準」。維納智能的推理數據生成技術，可以自動為各行業建立大規模cQrA數據集，每小時可產出上千條、總規模達數十萬筆。這些數據能同時解決三大痛點：透過持續生成新問答進行動態多維測試，確保時效性與防作弊；測試結果回饋到系統，驅動結構與超參數優化；離線生成的因果錨定數據，為在線推理提供穩定的邏輯先驗——就像考試前刷題、面試前準備一樣。柳崎峰將此類比為1990年代HTML引發網頁爆發後，品質評估與排序成為資訊檢索效率的關鍵，認為當前Agent指數級湧現，對Agent的評估與排序正是下一代基礎設施的核心，而排序本身就是效率。 在實際落地層面，維納智能在幾乎沒有行業專家參與傳統數據標註的情況下，憑藉上述技術連續擊穿四個高度敏感且要求精度的領域。包括：首發具備外交官級政治智慧的出海價值觀大模型系統，在「一國兩制」與出海場景中價值觀一致性超過99%，打破海外閉源模型的話語權壟斷；即時Agent測試系統，動態生成問答數據並定期產出評估報告，解決企業不敢用、用不好的痛點；保險大模型數據生成與問答系統，複雜保險問答準確率超過95%，遠高於Gemini Search的約59%；賽馬大模型系統，統計問答準確度逾94%，分析預測Top-3準確度逾59%；以及香港大模型寫作與改錯系統，改錯準確率超過90%。這些產品皆以推理數據生成為核心，並以國產GPU沐曦為底座，展現出專業精準度與跨界通用能力。 融資方面，維納智能於兩年前完成由聯想創投領投的5000萬港幣種子輪融資後，便未再對外募資。公司提倡精英特種兵文化，強調單兵作戰與高效造血，憑藉高毛利產品與可複製能力，今年營收預計突破4000萬港幣。這一系列成果已獲人民日報、新華社、中央廣播電視台、中聯辦公眾號、紫荊期刊、鳳凰衛視等權威機構深度報導，被譽為「香港人工智能產業發展好風正起」。 創辦人柳崎峰畢業於中科院自動化所，師從人工智能泰斗譚鐵牛院士。他曾任香港生成式人工智能研發中心（HKGAI）總經理、平安集團加馬AI研究院院長、Yahoo! Lab與Samsung Lab研究員，並擔任中國人工智能學會理事、港科大與沐曦先進AI計算聯合實驗室發起人。他是香港大模型超算與訓練最早發起者之一，2018年與楊強院士共同創立香港人工智能與機器人學會，2021至2022年為香港政府撰寫「香港雲腦」與「香港基礎模型」建議書，2023年與郭毅可院士聯手發起HKGAI，同年帶領團隊建成全球首個千卡H800 AI超算系統，2024年完成中國第三家千億MoE大模型的全流程預訓練與後訓練。他累積管理超過1億美元的研發經費，並分別與清華大學、港科大、牛津大學、哥倫比亞大學等設立聯合實驗室，近年來更發表Nature通訊等頂刊論文2篇、AI頂會論文17篇。 柳崎峰強調，當業界熱衷於大模型榜單與Agent自動化時，Vibe Coding發明者Karpathy近期給出的忠告值得深思：別再逼你的Agent什麼都做，先把底層機制做對。維納智能所選擇的路徑，正是讓AI先學會「問對問題」，再學會「答對問題」，在多步分解與多重校驗中，將大模型的推理能力沉澱為工業級數據資產。用推理數據生成替代人工標註，用閉環反饋驅動系統持續優化，用因果錨定為在線推理提供穩定邏輯支點——測得準、能優化、答難題，這或許正是企業走出大模型落地困境的關鍵一步。