論點聲明

本月，一隊位於帕羅奧圖的 AI 研究人員悄然現身，帶來了重大消息與更宏大的願景。由俄亥俄州立大學的頂尖學者創立的 NeoCognition 於 2026 年 4 月 21 日宣布完成 4000 萬美元的種子輪融資。此輪融資獲得了眾多資深投資者的熱烈支持，他們渴望推動 AI 超越當前雖善於對話卻常顯笨拙的工具。

 

NeoCognition 希望透過建立能夠在工作中持續學習、構建詳細運作環境模型，並像人類掌握新職業一樣轉變為專業專家的系統，來解決當前 AI 代理的核心弱點——無法可靠地處理專家級工作。

余蘇是俄亥俄州立大學的副教授，也是 2025 年斯隆研究獎學金得主，早在 ChatGPT 引起公眾關注之前，他就已花費多年時間開發 AI 代理的基礎工具。他的團隊創建了具有影響力的項目，如 Mind2Web、MMMU 和 SeeAct，這些項目塑造了現代大語言模型在規劃、感知和行動方面的處理方式。這些貢獻如今已體現在 OpenAI、Anthropic 和 Google 的系統中。

 

蘇與共同創始人鄧翔、顧宇決定是時候將他們的研究轉化為一家公司。他們遷至矽谷，組建了一支約15人的博士級研究團隊，專注於智能體。實驗室的早期工作已涵蓋記憶、規劃、評估和安全等關鍵領域。投資者看到這支強大的人才陣容，迅速行動。這輪4000萬美元的融資為團隊提供了足夠的資金，將學術突破轉化為企業可信賴的實用型自優化系統。

 

蘇的背景包括在微軟語義機器公司從事對話式人工智慧的經驗，並擁有清華大學和加州大學聖塔芭芭拉分校的學位。他在 CVPR 和 ACL 等頂尖會議上屢獲最佳論文獎的紀錄，讓投資者對 NeoCognition 解決該領域長期難題的能力充滿信心。創始團隊匯聚了超過 30 年的代理研究經驗，將這家初創公司定位為具有商業目標的純研究實驗室。

許多現有的 AI 代理在被要求完成複雜任務時，往往缺乏一致性。報告顯示，它們的成功率僅約一半，迫使用戶必須監控輸出結果或進行大量手動調整。這一差距在所有試圖編碼、瀏覽或自動化工作流程的工具中都顯而易見。每次部署時，用戶都不得不賭上一把。

 

NeoCognition 正是針對這一痛點而設計。通用型代理在廣泛回應上表現出色，但在需要深度與可靠性時卻顯乏力。它們缺乏適應特定環境（如企業內部軟體堆疊或行業工作流程）的機制。因此，企業對交託高風險責任猶豫不決。該初創公司認為，未來的出路在於賦予代理與人類進入新工作或領域時相同的適應性。

 

公司透過專注於持續學習而非一次性培訓，希望提升成功率並減少對持續人工監督的需求。這一轉變將為更像能力十足的同事、而非脆弱腳本的代理打開大門。

NeoCognition 的核心理念直接源自人類的學習過程。當人們開始一項新角色時，會逐步建立對該環境中存在事物、有效行動、適用規則以及不同選擇所導致結果的內在認知地圖。隨著時間推移，這種心智模型能讓人在該微觀世界中更快做出決策、做出更佳判斷，並進行創造性解決問題。

 

該初創公司設計的代理透過自主經驗執行類似任務。這些系統不單依賴大量的預訓練數據，而是學習其所處領域的結構、工作流程和限制。它們建構一個「世界模型」，捕捉特定職業、組織或軟體環境中的關係與動態。此過程在實際工作中進行，讓代理無需大量手動工程即可快速專精。

 

蘇解釋了這個平行關係：人類持續的學習過程本質上是為任何職業或環境建立一個世界模型。代理同樣需要這種能力才能達到專家水平。一旦建立，該模型能讓行動更快、更便宜且更可靠。它還能在敏感環境中支持更安全的行為，因為代理能更好地理解後果與界限。這種機制有別於部署後即固定不變的靜態通用模型。NeoCognition 的代理會透過使用持續進步，將初始的通用能力轉化為深入且具情境意識的熟練度。

人工智能產業已將資源投入於試圖處理一切的越來越大型的基礎模型。而 NeoCognition 則持相反觀點。他們認為，未來屬於大量專門化的代理，而非單一的超級代理。每個代理都能深入掌握其狹窄領域，從而提供專家級的表現、可靠性和判斷力。

 

通用系統會達到一個瓶頸，在此之後，增加更多數據或參數對需要細膩與一致性的現實任務所帶來的回報會逐漸減少。透過實際經驗進行專精，是實現高性能的更有效途徑。代理可以將計算資源集中於深入理解單一環境，從而以更低的持續成本獲得更佳的成果。

 

這種方法也能以人類無法做到的方式擴展專業知識。儘管頂尖的人類專家仍然稀少且昂貴，但自學代理可讓組織內的各個部門都能獲得領域級知識，而不會面臨相同的招聘瓶頸。公司旨在擴大專業知識的獲取範圍，讓更多人和團隊受益於先進能力。

Vista Equity Partners 部分因為其龐大的軟體公司投資組合而參與本輪投資。NeoCognition 認為，與成熟的 SaaS 平台合作，整合自學習代理，具有強大的潛力。這些代理可以升級現有產品，或作為自主工作者，在企業已使用的熟悉工具中運作。

 

企業通常運行著複雜且自訂的環境，具有獨特的規則和數據流。一般代理在這類環境中若無大量自訂，難以有效運作。NeoCognition 的系統能透過互動直接學習這些特定細節，縮短設置時間並提升契合度。經過數週或數月的使用，代理會不斷優化其世界模型，從而在資料處理、合規檢查或工作流程自動化等任務中變得更加高效。

 

該初創公司將自身定位為代理實驗室，而非廣泛的 AI 平台。這種專注使其能夠將資源集中於許多其他參與者視為次要的學習與專業化層面。透過企業軟體合作夥伴進行早期分發，可加速採用並為進一步改進提供豐富的真實世界數據。

Cambium Capital 與 Walden Catalyst Ventures 聯合領投本輪 4000 萬美元融資，Vista Equity Partners 與多位知名天使投資人亦參與其中。英特爾首席執行官譚立斌（Lip-Bu Tan）與 Databricks 聯合創始人 Ion Stoica 也加入並貢獻其專業知識。其他投資者包括 AI 研究人員 Dawn Song、Ruslan Salakhutdinov 和 Luke Zettlemoyer。

 

Cambium 的 Landon Downs 強調了公司核心的一種新穎學習機制，該機制能實現快速專業化。Lip-Bu Tan 贊揚了團隊在從感知到安全性的代理挑戰方面全面覆蓋的能力。Ion Stoica 指出，隨著通用代理成為標準，真正的考驗轉向了實現具備嚴肅應用所需可靠性的專家級智能。

 

此次超额认购反映了市場對創始團隊研究背景的強烈信心。NeoCognition 團隊約有 15 人，運作精簡但人才密度極高。資金將用於支持更深入的實驗與招聘，以推進自學習架構的發展。

多家公司正在探索 AI 代理，但大多數仍依賴定期重新訓練或人工編寫的提示來提升表現。NeoCognition 強調一種內部自主的過程，讓代理在無需頻繁外部干預的情況下，自行建立並完善其理解。此設計旨在實現真正的可塑性，即像一位積極主動的新員工一樣，快速適應新情境的能力。

 

對抽象、結構性和操作性環境的全球模型的重視，超越了簡單的螢幕感知或基本工具使用。代理學習在特定微世界中什麼是重要的、元素如何互動，以及哪些行動能帶來期望的結果。這種結構化的知識有助於長期實現更佳的規劃和更少的錯誤。

 

創始人強調，他們的系統是增強而非取代人類的工作。透過以日益增長的專業能力處理重複性或複雜的常規任務，代理讓人們能夠專注於更高層次的創造力與策略。目標在於提升團隊與組織的整體能力。

余蘇與他的共同創始人從人類日常的適應過程中獲得靈感。觀察一個人從初級分析師或學徒交易員開始，幾個月內，他們便能直觀掌握該領域的不成文規則、捷徑與陷阱。這種內在模型推動了效率與明智的決策。NeoCognition 希望代理者能透過有意識、以經驗為驅動的學習，走過類似的路徑。

 

團隊成員對此願景懷有個人熱情，許多成員來自學術實驗室，曾見過有前景的代理原型在面對真實複雜性時屢屢受挫。不一致的結果所帶來的挫敗感，促使他們轉向商業化，並專注於持續改進。

 

早期員工包括曾為如今業界廣泛使用的基礎論文做出貢獻的研究人員。他們的集體知識創造了有利於迭代學習機制的環境。帕洛阿爾托總部讓團隊緊密貼近人才與合作夥伴，同時保持以研究為先的文化。

如果 NeoCognition 成功，組織可以部署能夠成長為會計、設計審查、客戶支援工作流程或科學資料分析領域可靠專家的代理。這些系統無需為每個新客戶或部門進行持續重新編程，而是透過建立目標環境的精確模型來適應。

 

此功能有望讓專家級支援的獲取更加普及。人才短缺的小型團隊或地區，可能獲得以往僅限資源豐富團隊使用的工具。經濟影響可能包括生產力提升和創新週期加快，因為常規認知工作將轉移至能力強大且能自我改進的系統中。

 

這種方法也解決了安全方面的顧慮。更深入的環境理解有助於代理識別界限，並在高風險領域中避免有害行為。在錯誤會帶來實際成本的領域中，可靠性的提升最為重要。

建立堅實的自我學習迴路面臨技術挑戰。代理必須區分有用模式與雜訊，避免強化錯誤，並在更新其世界模型時保持穩定性。在探索新策略與可靠執行之間取得平衡，需要精心的架構設計。資料效率同樣重要：人類能在新情境中從有限範例中學習，但在矽基系統中實現此類效率的擴展，仍是一個開放的研究問題。 

 

NeoCognition 的團隊借鑑了以往在評估和記憶方面的研究成果來應對這些問題，但大規模的實際測試將揭示其中的不足。公司專注於實現更高成功率和更快專業化可衡量的進展。隨著代理在多樣的企業環境中遭遇挑戰並優化其學習過程，進展將可能逐步實現。

NeoCognition 描繪了一個透過自學代理使專業知識變得豐富的世界。這些系統並非與人類競爭，而是增強人類能力，開啓創新與問題解決的新可能性。每個代理都深化其在特定領域的專精，形成一個服務不同需求的專業智能網絡。4000 萬美元的資金投入將加速對實現這一願景的學習機制的研究。 

 

在強大的投資者支持和優秀的核心團隊協助下，該實驗室致力於推出透過持續改進的表現贏得信任的代理系統。企業與開發者不久後即可測試那些從具備基本能力開始、並隨時間真正成長為專家的系統。這種演進或將標誌著從當前的 AI 助理邁向真正與用戶共同學習的夥伴的重要一步。

新資金將支持對核心學習算法和世界模型構建的進一步實驗。憑藉一支規模雖小但精英的團隊，NeoCognition 可在代理可塑性領域探索高風險、高回報的方向。計劃包括在企業環境中進行更深入的整合測試，以收集反饋和數據用於優化。

 

投資者期望資金能產生具有明顯可靠性與適應速度優勢的原型。在此取得成功將能吸引後續融資輪次與更廣泛的合作夥伴關係。這種以研究為主的策略使公司專注於嚴謹的評估，而非過早推動產品。

企業軟體環境提供豐富的測試平台，內含結構化但複雜的規則。代理將遇到多樣的工作流程、資料架構和合規要求。成功適應這些環境將驗證世界模型的概念，並指出需要改進的領域。

 

早期試點的用戶反饋將有助於調整代理在速度、準確性和安全性之間的平衡。公司強調負責任的開發，並利用環境理解來引導更安全的行動。隨著時間推移，這些實際部署應能產生在日常運作中越來越自然且可靠的代理。

大量資金現在流向應用與可靠性層面，而非僅限於前沿模型訓練。NeoCognition 的融資輪凸顯了投資者對擁有經證實學術貢獻的團隊的興趣。這項投資的核心在於專精化與持續學習，被視為實現實際影響的下一個前沿。

 

這種模式表明該領域的期望正在成熟。投資者希望看到的系統能在實際場景中帶來可衡量的價值，而不僅僅是令人印象深刻的演示。NeoCognition 對自我提升的關注，與企業希望透過持續提升能力與降低長期成本來證明採用代理的需求相符。

1. NeoCognition 對 AI 代理的方法與大多數現有系統有何不同？ 

 

公司建構能夠在工作中持續學習的代理，透過建立其特定環境的世界模型，使其能快速專精為專家，解決當今通用型代理在複雜任務中成功率僅約一半的不一致問題。

 

2. NeoCognition 是由誰創立的？他們的背景有何特別之處？ 

 

余蘇、鄧翔與顧宇共同創立了該實驗室。蘇為斯隆研究獎學金得主兼俄亥俄州立大學教授，曾領導具有影響力的智能體研究，並在微軟從事對話式人工智慧工作。他們共同發表的論文與工具已對主要的人工智慧開發者產生影響，使團隊在感知、規劃與安全領域擁有深厚專業知識。

 

3. 4,000 萬美元的資金將用於哪些方面？ 

 

資金支持以研究為導向的推進，以開發和測試自學習機制。透過一支由博士研究人員組成的小團隊，這筆資金促進了世界模型構建、專化算法和企業整合試點的快速迭代，並吸引額外人才。

 

4. 這些自學代理能否立即在高風險企業環境中運作？ 

 

早期版本需要仔細驗證，但設計著重於建立環境理解，以提升可靠性和安全性。目標是創造出隨著使用時間增加而變得更可靠的代理，使其適用於一致性至關重要的工作流程。

 

5. NeoCognition 的技術可能如何影響知識工作者？ 

 

代理可處理工作中的例行性或資料密集型部分，讓人員專注於創意與策略性工作。透過讓專業知識更易取得，這些系統可協助小型團隊或組織獲得以往僅限大型專家團隊的能力，從而提升整體生產力。

 

6. 我可以在哪裡了解更多關於 NeoCognition 的進展？ 

 

請訪問官方網站，以獲取有關其使命與研究方向的最新資訊。TechCrunch 的報導及該公司的新聞稿為了解融資與技術願景提供了良好的起點。

此內容僅供資訊參考，不構成投資建議。加密貨幣投資存在風險，請自行進行研究（DYOR）。

 

免責聲明: 本頁面經由 AI 技術（GPT 提供支持）翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。