在当前生成式人工智能的狂热浪潮中，企业级落地的最大阻碍莫过于一个词——“幻觉（Hallucination）”。即使是目前最先进的 frontier 大模型，也难免在回答中掺杂捏造的数据或违背逻辑的常识。在民用娱乐场景下，这种“满分口才、零分纪律”的行为最多沦为谈资；但在银行账户清算、患者病历分析、航空机票退改签以及保险理赔核算等容错率为零的真实企业场景里，大模型偶尔一次的失控就可能给企业带来灾难性的合规罚单与商誉损失。
| 公司名称 | Scaled Cognition |
|---|---|
| 创始人/CEO | Dan Roth (CEO), Dan Klein (CTO) |
| 融资轮次 | A 轮 (Series A) |
| 融资金额 | 1亿美元 |
| 累计融资 | 1亿美元 |
| 领投方 | Khosla Ventures |
| 跟投方 | Genesys |
| 官网 | Scaled Cognition |
总部位于加州山景城的 AI 模型实验室 Scaled Cognition 正在以一种激进的底层架构变革来攻克这一顽疾。近日，这家由学术界与产业界顶级科学家联合创办的企业宣布成功完成了 1 亿美元的 A 轮融资。本轮融资由硅谷传奇风险投资机构 Khosla Ventures 领投，企业客户体验（CX）平台巨头 Genesys 参投，据悉本轮融资将 Scaled Cognition 的估值推向了 7.5 亿美元的高位。新资金将主要用于扩展其研发团队，并加速其专属的“超可靠企业智能系统”在财富 500 强企业中的规模化商业落地。
企业级AI的“阿喀琉斯之踵”：为什么安全护栏挡不住大模型的谎言？
在 Scaled Cognition 团队看来，当前业界试图解决大模型幻觉的普遍做法——在模型之上叠加一层安全过滤网（如提示词工程、检索增强生成 RAG 或输出审查拦截）——在本质上是治标不治本的“补丁方案”。因为主流的自回归大语言模型在底层逻辑上，依然是在高维空间里进行“下一个 Token 的概率预测”。它们的本质是统计语言学游戏，模型本身并不存在对逻辑规则的确定性约束。
当企业试图将这种不确定的概率模型嵌入到敏感的业务工作流中时，无论外挂多少层安全检测，在数以百万次的并发执行下，模型总会突破防护网，输出偏离政策指令的回答。这种天生的不可控性，正成为阻碍大型金融、医疗及电信巨头从“AI 试点项目”转向“核心生产系统”的阿喀琉斯之踵。
从Token预测到Action预测：APT架构的逆向解法
Scaled Cognition 颠覆这一范式的核心技术，在于其自主研发的“智能体预训练变换器（Agentic Pretrained Transformer, APT）”。APT 并不是在现有开源模型上进行微调，而是一套全新的预训练架构体系。
| 维度 | 传统自回归大语言模型 (如 GPT-4 / Claude) | Scaled Cognition APT 架构 |
|---|---|---|
| 核心优化目标 | 下一个语言 Token 的概率最大化（拼写流畅度） | 下一个操作动作 (Action) 的逻辑正确性与确定性 |
| 幻觉控制机制 | 外挂 RAG / 提示词护栏，事后拦截（漏判率高） | 底层硬编码策略约束，将合规守则嵌入参数空间（天然防幻觉） |
| 运行效率 | 吞噬数千亿参数，运行成本高昂，推理延时长 | 专门针对企业工作流优化，模型体积小、推理速度极快 |
| 应用场景 | 创意写作、头脑风暴、通用知识问答 | 涉及银行卡余额、患者处方、保单理赔的闭环执行工作流 |
APT 架构最大的突破在于，它将“策略遵循（Policy Adherence）”作为第一性原理写入了模型的预训练目标函数中。在 APT 的世界里，AI 在面对用户的提问时，首先被约束在一个高度结构化的企业规则沙箱中，它的推理路径必须是可回溯、可审计的。这使得 APT 模型不仅拥有不逊色于主流模型的流畅对话能力，更在执行敏感任务（如调取 API 修改系统数据）时，拥有接近传统硬编码程序的确定性与安全性。
华尔街到医疗前台：谁在为这套“超级大脑”买单？
Scaled Cognition 能够在一个 Series A 融资中就拿到 1 亿美元，这不仅是由于其独特的技术路线，更源于其背后极为豪华的创始团队背书。
公司 CEO Dan Roth 是一位经验丰富的硅谷 AI 连环创业者，曾担任微软 Conversational AI 企业副总裁，在此之前，他联合创立的对话 AI 公司 Semantic Machines 于 2018 年被微软高价收购。而公司 CTO Dan Klein 则是加州大学伯克利分校（UC Berkeley）的计算机科学教授，全球自然语言处理领域的殿堂级学者，其多名得意门生目前均是各大主流大模型实验室的技术骨干。
这种顶级的“工程落地力+前沿科研力”组合，让 Scaled Cognition 从隐身模式走出时，就已经在金融、医疗、电信和保险等领域拥有了多家 Fortune 500 级别的灯塔客户。在这些应用场景中，Scaled Cognition 的 APT 系统正被用于替代传统人工，处理极为敏感的保单核赔和异常账目清算。Genesys 的参投更预示着，这套“超可靠智能体”未来将被无缝嵌入到全球成千上万家呼叫中心与客户管理系统的底层中。
RecodeX 极客视点：Scaled Cognition 走了一条极其勇敢且聪明的差异化路线。在大模型厂商为了万亿参数的“全知全能”而卷入能耗黑洞时，这家公司退后一步，专注于企业最核心的诉求——确定性。他们的 APT 架构不再是一个只懂得“顺杆爬”的聊天机器，而是把商业规则和安全边界编码进参数本身的“数字精益员工”。Khosla Ventures 砸下 1 亿美元重注，押注的正是 AI 从“副驾驶”过渡到“全权代理人”时不可或缺的信任基建。当然，将模型死死限制在规则框架内，必然会在一定程度上牺牲 AI 的发散性创意与泛化适应力。Scaled Cognition 能否在保持绝对合规的前提下，应对物理世界多变且非结构化的客户输入，将是其能否在千亿级企业级智能化市场站稳脚跟的关键。
分类: AI 标签: Scaled Cognition, Khosla Ventures, APT模型, 无幻觉AI, Dan Roth, Dan Klein, 智能体, 企业级AI, Genesys