前阿里千问技术负责人创业，20 亿估值押注跨域下一代 AI 智能体

今年3月从阿里通义千问离职的核心技术负责人林俊旸，正式官宣在上海创立 Pragmatik Labs（语用科技，内部简称p7k）。新公司精准卡位下一代AI赛道，主打横跨数字、物理双场景的通用Agent智能体。项目一经官宣就拿下顶级资本阵容，投后估值高达20亿美元，成为2026年AI创业圈最受瞩目的明星项目。

一、顶级资本重仓加持，无产品高估值含金量拉满

本次融资由高榕创投、红杉中国联合领投，腾讯、上海未来产业基金重磅跟投，整体募资规模超2.2亿美金。值得一提的是，本轮融资落地时，公司暂无成型产品、无实际营收，纯靠团队技术实力和行业认知斩获20亿估值，足以体现资本市场的高度认可。目前首轮融资已顺利交割，团队已经启动下一轮融资筹备工作。

资本重金押注的核心，离不开创始人林俊旸的行业积淀。2019年北大硕士毕业后，林俊旸入职阿里达摩院，深耕自然语言处理领域，先后参与M6、OFA等重磅多模态项目。2022年末，他升任通义千问技术负责人，全程见证千问从内部研发项目，成长为全球顶尖的开源大模型体系。

不同于普通算法工程师，他完整经历了大模型预训练、数据优化、后训练微调、推理部署、开源生态搭建的全流程，掌握从技术研发到商业化落地的全套体系能力，这也是投资人最看重的核心壁垒。同时，核心团队均出自千问体系，研发经验成熟，为新项目落地筑牢基础。

二、跳出参数内卷，AI研发迎来范式升级

当下AI行业普遍陷入“堆参数、拼算力、刷榜单”的内卷僵局，而林俊旸此次创业，彻底跳出传统大模型的竞争赛道，完成技术路线的颠覆性转向。他明确提出，AI发展将从“推理式思考”全面迈入“智能体式思考”。

传统大模型局限于封闭的文本场景，依靠延长思考链解答静态问题，只能完成被动问答。但真实世界的工作任务复杂多变，存在信息缺失、工具报错、场景迭代、突发需求等诸多变量，单纯的推理模式极易出现失误、逻辑断层、任务烂尾等问题。

为此，团队独创Harness Engineering（智能体脚手架工程）理念，下一代AI的核心竞争力，不再是模型参数大小，而是完整的智能系统闭环，涵盖工具调用、长期记忆、环境感知、自我纠错、多智能体协同五大核心能力。

多项自研实验印证了行业痛点：DeepPlanning长程任务测试、OSWorld 2.0真实工作流评测显示，即便是目前顶尖的通用大模型，面对数小时的复杂连续任务，完整完成率不足20%。遗忘规则、盲目试错、缺乏验证机制，是当前AI落地生产力的最大瓶颈，也是新公司核心攻坚方向。

三、双赛道并行，数字+物理Agent双向赋能

区别于行业绝大多数创业公司单点突破的布局，Pragmatik Labs选择双线并行，同步发力数字Agent与物理Agent，覆盖两大核心场景，构建全场景智能体系。

1. 数字Agent：落地职场高效生产力

主打知识工作自动化，依托浏览器、办公软件、代码工具、SaaS系统，独立完成数据分析、编程开发、行业调研、流程复盘等复杂职场工作流。数字化场景试错成本低、迭代速度快，是团队前期打磨智能体核心能力的主要阵地，主打快速落地、快速验证。

2. 物理Agent：打通现实具身智能

聚焦实体具身智能，落地机器人、工业硬件、实体作业场景，完成现实空间感知、环境识别、机械操控、实地长周期作业。相较于数字场景，物理赛道研发门槛更高、硬件成本更大、迭代周期更长，但落地价值更贴合实体产业，商业化空间广阔。

两条赛道看似独立，底层智能逻辑完全互通，核心都是解决AI在动态未知环境中，持续锁定目标、处理不确定性、从反馈中自主学习的能力。团队采用「数字打磨、物理落地、双向反哺」的研发逻辑：先在低成本数字场景优化智能体规划、纠错、协同能力，再迁移至实体硬件；同时物理世界严苛的因果规则、空间约束，反向优化数字AI的环境理解能力，形成技术闭环。