清华学霸团队获英特尔投资研发自进化AI智能体

4月22日的一则行业报道，揭示了当前AI应用面临的核心挑战：被寄予厚望的AI智能体，在实际任务中的表现时常难以令人满意。无论是整理会议纪要遗漏关键要点，还是生成的代码需要手动调试才能运行，这些“半成品”式的表现，其根本原因在于当前AI智能体处理复杂任务的成功率普遍较低，仅在50%左右徘徊。

近日，一家致力于从根本上攻克这一难题的研究机构获得了市场的重磅投资。由俄亥俄州立大学教授苏瑜（Yu Su）创立的人工智能研究实验室NeoCognition，正式宣布完成4000万美元的种子轮融资。本轮资金将用于开发一种创新的“自我学习型AI智能体”，其核心目标是让AI系统能够像人类一样具备持续学习的能力，并在任何特定领域内快速达到专业级水平。

▲苏瑜（右）和NeoCognition人工智能研究实验室的同事

此次融资由Cambium Capital和Walden Catalyst Ventures共同领投，跟投方包括Vista Equity Partners，以及英特尔CEO陈立武、Databricks联合创始人伊恩·斯托伊卡等知名个人投资者。如此豪华的投资方阵容，充分反映了市场对这条技术路线的强烈信心与高度期待。

一、清华、中科大、南大学霸联手，组建顶尖研究团队

NeoCognition的创立，依托于一支融合了顶尖学术背景与工业界经验的复合型团队。三位联合创始人均拥有深厚的技术积淀和紧密的学术关联。

CEO苏瑜本科毕业于清华大学，随后在加州大学圣塔芭芭拉分校获得计算机科学博士学位。他曾担任微软的高级研究员，与知名AI学者Percy Liang共事超过六年，目前同时是俄亥俄州立大学的教授，并且是斯隆研究奖的获得者。

CTO邓翔（Xiang Deng）本科毕业于中国科学技术大学，同样在俄亥俄州立大学获得计算机科学博士学位。他的职业经历涵盖谷歌研究工程师和Scale AI高级研究科学家等职位，并在微软、亚马逊等科技巨头有过丰富的实习经验，其研究方向专注于大语言模型与智能体系统。

另一位联合创始人谷雨（Yu Gu）则毕业于南京大学（本科及硕士），并在俄亥俄州立大学获得计算机科学博士学位，专攻语言智能体方向，曾于微软研究院实习。

除了核心创始团队，NeoCognition还吸引了多位来自顶尖院校的早期成员加入。尹达（Da Yin）作为创始技术成员，本科毕业于北京大学，在加州大学洛杉矶分校（UCLA）获得计算机科学博士学位后，曾在Meta担任博士后研究员，其研究覆盖智能体训练中的合成数据生成、环境构建及奖励建模等关键前沿领域。

值得注意的是，团队近期还引入了资深商业专家Surbhi Agarwal。她拥有超过25年的科技行业经验，曾在Google Cloud负责管理价值高达12亿美元的AI与数据产品组合，主导了AutoML、BigQuery ML等重要产品的上市与推广，此前也在Applied Intuition、Yellow.ai担任过首席营销官。目前她以运营负责人（Operator）的身份加入，全面负责NeoCognition的业务拓展与增长战略。

目前，NeoCognition团队规模约为15人，其中大多数成员拥有博士学位。这种以博士级研究力量为核心，同时配备顶级商业人才的“精悍”配置，正是其作为“研究型实验室”定位的鲜明体现。

二、NeoCognition的技术方案：模仿人类，构建自主的“世界模型”

当前AI智能体的瓶颈究竟在哪里？无论是Claude Code、OpenClaw还是Perplexity，这些主流的AI工具虽然表面功能强大，但在实际执行复杂、多步骤的任务时，成功率往往只有50%左右。这意味着，用户每尝试两次任务，就可能遭遇一次失败，体验充满了不确定性。

在苏瑜教授看来，问题的根源在于现有的AI大多是“通才”而非“专家”。它们缺乏对特定任务环境的深度理解和适应能力，无法像人类一样在新场景中快速学习并掌握内在规则。真正的智能，并非在于知晓一切，而在于能够进入特定领域后，迅速达到精通水平。人类的高效，正是源于我们能在心中快速构建一个关于新环境的“世界模型”——理解其中的因果关系、规则约束和潜在结果。

这正是NeoCognition技术路径的起点。团队以“世界模型”理论为核心，构建其“自我学习型AI智能体”。这种智能体不再仅仅依赖于静态的预训练数据或重复的人工提示（prompt），而是在执行任务的过程中，持续观察、理解并适应其所处的具体环境，逐步构建起一个动态的、个性化的“微观世界模型”。

这个模型不仅包含事实数据，更融入了流程逻辑、约束条件、反馈机制等环境特有的“隐性知识”。智能体通过与环境进行持续互动，积累经验、优化决策策略，最终在目标领域内达到专家级的性能表现。

这与传统的“定制化工程”开发模式形成了鲜明对比。后者需要为每一个垂直应用场景进行单独的模型开发和反复调优，成本高昂且难以规模化扩展。而NeoCognition的智能体具备通用的基础学习能力，其核心优势在于，进入任何新的业务领域后，都能通过自主学习快速实现专业化，降低部署与定制成本。

三、聚焦企业级市场，Vista带来战略资源与客户通道

在商业化策略上，NeoCognition的路径清晰且务实：直接面向企业级市场，特别是那些成熟的SaaS（软件即服务）公司。这些企业可以利用NeoCognition的智能体系统，打造高度专业化的“AI员工”，或为现有的软件产品注入强大的自主AI能力，从而实现产品的智能化升级与差异化竞争。

本轮融资中Vista Equity Partners的参与，被视为一个关键的战略信号。作为全球最大、最成功的专注于企业软件投资的私募股权公司之一，Vista拥有一个庞大且多元的企业软件投资组合。这意味着，NeoCognition获得的远不止是资金支持，更是一条直达大量潜在标杆客户的“高速公路”。苏瑜表示，Vista的深度参与和产业资源，将极大加速NeoCognition产品在真实商业场景中的落地验证与市场渗透。

结语：从“通才”迈向“专家”，自主AI智能体的演进方向

NeoCognition的出现，标志着AI智能体的发展正迎来一次重要的范式转变。过去几年，行业的焦点在于打造“通才型”大模型，追求用一个模型解决千变万化的问题，但在通用性与任务可靠性之间，往往存在难以调和的矛盾。

NeoCognition选择了一条更具挑战性但根基更为扎实的道路：赋予AI“学会学习”的元能力，使其能够在具体领域中自主成长为“专家”。如果这条技术路径能够成功，AI将有望从一个需要频繁人工干预和调试的“工具”，蜕变为一个真正能够独立负责、可靠执行复杂任务的“智能协作者”。

当然，前方的挑战同样清晰。持续学习型AI在动态环境中的行为可控性、决策可解释性，以及在金融、医疗等高度敏感行业的合规与伦理风险，都是必须严肃应对的现实课题。如何在确保安全、可靠、合规的前提下实现AI的自主进化，将是苏瑜团队接下来需要攻克的核心难题。

但无论如何，这场从追求“通才”到培育“专家”的范式演进，已经为下一代AI智能体的发展开辟了一条富有前景的新探索路径，值得业界与学术界的持续关注。

来源：Techcrunch、AI Base、Hosting Journalist