还没发布产品就获20亿美元估值：林俊旸与语用科技押注下一代AI智能体

语用科技（Pragmatik Labs）是前阿里巴巴通义千问技术负责人林俊旸在上海创办的AI公司。中国注册主体被报道为“语用科技”，内部简称为“p7k”，公司对外定位是研发“横跨数字世界与物理世界的下一代智能体”。34

最引人注目的并不是公司刚刚公布的研究方向，而是它获得融资的时间点：据报道，语用科技在尚未公开展示产品、发布模型、披露客户或收入，甚至没有明确产品发布时间表的情况下，天使轮投后估值已经达到约20亿美元。813

换句话说，这更像是一场围绕创始人、研究路线和AI下一阶段机会的高价下注，而不是一家已经用经营数据证明自己的成熟企业。

20亿美元估值背后：谁投了钱，谁拥有公司

目前公开报道显示，高榕创投与 HSG 共同领投本轮融资。HSG 即 HongShan，前身为红杉中国；腾讯和上海未来产业基金也参与其中。411

媒体和产业信息通常将本轮融资规模描述为约2.2亿美元：高榕创投和 HSG 各投资约1亿美元，腾讯投资约2000万美元，上海未来产业基金也参与支持。不过，这些具体金额来自媒体及行业报道，并非公司公开发布的完整融资公告，因此应视为报道数据。1014

股权结构同样颇为集中。有关工商登记的报道显示，外部机构合计持有语用科技约12%的股份，而林俊旸及其关联实体合计持股约88%。811

这种安排意味着林俊旸拥有很强的创始人控制权，也说明投资人当前购买的核心资产，主要是他继续领导团队、判断技术方向并推进前沿研发的能力，而不是已经被验证的商业收入。

需要区分的是，20亿美元是一次私募融资中确定的投后估值，并不等于语用科技已经拥有一家价值20亿美元的经营性业务。现有报道没有证明公司已经拥有公开产品、用户、客户、订单或收入。813

不再做“另一个基础模型”：语用科技要做什么

语用科技的公开定位，与林俊旸此前在阿里负责的通义千问基础模型工作有所不同。公司将重点放在“横跨数字世界与物理世界的下一代智能体”上。418

数字智能体：从生成答案到完成工作

数字智能体主要面向知识工作、企业运营和产业级工作流。公司提出的核心能力包括：

• 对任务进行推理；
• 使用软件和外部工具；
• 从执行反馈中学习；
• 在较长任务中协调连续行动。1718

这代表一种从“回答问题”到“推进任务”的转变。理想中的智能体不只是给出一段文字，而是能够拆解目标、制定计划、调用工具、检查结果，在出现错误后调整下一步行动。

物理智能体：把智能带进真实环境

物理智能体则试图将这种能力延伸到现实世界。系统需要感知不断变化的环境，适应现场情况，通过机器或机器人采取行动，并完成持续时间更长、步骤更多的任务。1718

这比开发软件助手更难。数字智能体出错时，可能只是生成错误答案或误用工具；物理智能体还必须处理环境感知、空间理解、运动控制、硬件可靠性、安全问题，以及现实行动可能带来的直接后果。

“从研究到产品”与长期探索

语用科技还提出“Research to Product”的研发闭环：前沿研究要进入真实场景，而真实场景产生的反馈则反过来决定下一步研究方向。“Long Horizons”则意味着，公司不满足于对现有智能体范式做渐进式优化，而是希望探索更长期、更基础的系统能力。1825

但目前公开信息仍然相当有限。公司尚未披露模型参数、基准测试成绩、训练数据、硬件合作方、具体产品或发布时间表。232425

投资人为什么愿意押注林俊旸

目前看，语用科技获得高估值的主要依据，是林俊旸在通义千问项目中的技术履历、开源生态建设经验以及组建团队的潜力，而不是创业公司的产品表现。48

林俊旸于2019年加入阿里巴巴达摩院，此前接受过语言学和计算语言学方面的学术训练。随着阿里通义实验室组建，他后来成为通义千问项目的技术负责人之一。48

报道显示，他是最初版通义千问技术报告的作者之一，也是 Qwen2.5 技术报告的核心贡献者。阿里通义千问团队随后推出了覆盖代码、数学、视觉、多模态和推理等方向的开源模型家族。48

截至2026年初，公开报道所提到的通义千问生态数据包括：发布超过400个开源模型、衍生模型超过20万个，全球下载量超过10亿次。8这些数字描述的是通义千问生态，而不是语用科技的业务规模，不能直接作为后者的经营指标。

林俊旸对具身智能的兴趣也并非创业后才出现。据报道，他曾于2025年10月在通义千问内部组建机器人与具身智能团队。1531因此，语用科技如今强调物理智能体，更像是对其既有研究方向的延伸，而非突然转换赛道。

从离开千问到提出“智能体式思考”

林俊旸于2026年3月4日宣布离开阿里通义千问项目，并写下“Bye my beloved Qwen”。部分报道将他的离开与组织调整及商业化重点变化联系起来，但目前公开材料并未提供一份由阿里或林俊旸本人完整、独立验证的内部原因说明。57

3月26日，林俊旸发表题为《From “Reasoning” Thinking to “Agentic” Thinking》的文章。他在文中提出，AI研发重点应从局限在封闭提示词中的“推理”，转向能够持续行动的系统：制定计划、调用工具、进入环境、观察反馈、修正策略，并在较长时间内协调行动。1719

这套观点的关键，在于把“环境”纳入智能问题本身。

一个模型回答问题时，通常可以根据答案质量进行评估；但一个真正完成工作的智能体，还必须被检验能否持续取得进展、从失败中恢复，并在一连串行动之后获得有用结果。智能不再只是生成内容，也包括选择行动、读取结果和决定下一步。

物理智能体进一步把这一闭环从软件延伸至现实世界：系统不只操作文件、网页或企业软件，还要与物体、机器和不断变化的环境互动。这样的反馈回路可能更丰富，但工程、运营和安全难度也会大幅上升。因此，这仍然是一项雄心勃勃的长期假设，而不是已经被产品证明的技术或商业优势。1115

与 Mira Murati 的 Thinking Machines Lab 有何相似之处

语用科技属于一波更广泛的AI创业潮：在传统商业指标尚未形成之前，投资人先按照顶尖技术人才、研究方向和潜在突破为公司定价。

Mira Murati 创办的 Thinking Machines Lab 于2025年7月完成约20亿美元融资，投后估值据报达到120亿美元，领投方为 Andreessen Horowitz。路透社当时报道称，公司尚无收入或产品。33

两家公司都说明了同一种融资现象：只要创始团队拥有足够强的技术履历和行业号召力，投资人就可能在产品、客户和收入出现之前，先为研究团队及其潜在突破支付高价。

但二者并不完全相同。语用科技据报20亿美元的估值约为 Thinking Machines Lab 120亿美元估值的六分之一。更重要的是，语用科技同时瞄准软件智能体与具身、物理系统，面临的执行范围更广、工程挑战也更复杂。433

高估值可以帮助公司招募人才、购买算力并建立研发团队，却不能替代产品验证。创始人的声誉能够吸引资本，接下来仍要看公司能否把资本转化为可靠系统，并最终形成可持续业务。

语用科技接下来必须证明什么

这家公司的估值最终不会由融资文件决定，而要在真实使用场景中接受检验。语用科技需要证明，其智能体能力确实能为客户或开发者带来现有基础模型供应商和智能体平台难以轻易提供的价值。

值得关注的里程碑包括：

• 能够稳定完成有实际用途的长周期数字任务；
• 在企业或具体行业工作流中取得可量化的效果；
• 获得付费客户，并建立可信的经常性收入路径；
• 如果机器人和物理智能体仍是核心方向，就要在真实环境中实现安全、可重复的表现；
• 建立能够覆盖研发、算力、数据、硬件和部署成本的经济模型。

截至目前，公开证据支持的结论是：语用科技是一家融资规模可观、创始人高度控股、研究方向横跨数字与物理世界的AI初创公司。但现有信息还不足以证明它已经具备成熟产品、用户采用、商业收入，或足以支撑20亿美元估值的技术优势。4813

林俊旸真正面临的挑战，是把通义千问时期积累的个人声誉、研究能力和生态经验，转化为一家独立公司的持续执行力。市场愿意先为“让AI采取行动”的想法付费；语用科技接下来必须证明，这些行动不仅能够完成，还能安全、稳定，并且产生足够的经济价值。