围绕AI智能体的新一轮资本狂潮中，前阿里巴巴通义千问大模型负责人林俊旸的创业项目成为最新焦点。2026年8月12日，林俊旸在海外社交平台正式宣布，已在上海创立AI实验室Pragmatik Labs，中文名“语用科技”。据知情人士透露，该公司天使轮投后估值约20亿美元，融资规模达数亿美元，而此时距林俊旸3月4日深夜告别千问团队仅过去五个月。这家新公司刚一浮出水面，就同时惊动了财务投资人、产业资本和地方国资，创下了中国人工智能创业公司天使轮估值的新坐标。

字段 内容
公司 语用科技（Pragmatik Labs）
轮次 天使轮
金额 数亿美元（具体金额未披露）
投资方 红杉中国、高榕创投（联合领投）；腾讯、上海未来产业基金（跟投）
总部 上海
创始人 林俊旸
官网 https://pragmatik.com/
产品/方向 面向数字世界与物理世界的通用AI智能体
商业模式 未披露
客户 未披露

从语言学出发，最终回到“语用”：一个命名的自我指涉

与许多刻意切割学术背景、选用抽象科技词汇的创业者不同，林俊旸对公司名称的解释几乎是一部个人认知史的缩影。他将公司简称为p7k，灵感来自语言学核心分支pragmatics（语用学）。在官宣叙事中，他追溯了自己从语言学走向计算语言学、再进入自然语言处理和大模型研究的完整轨迹，在绕了一个巨大的技术周期之后，最终又回到了“语用”这个名字。这一命名逻辑不只是个人情怀的投射，更隐含了公司的产品哲学：他似乎在表明，智能体的真正瓶颈不在于模型参数再放大一个数量级，而在于如何让模型懂得“在什么情境下、为了什么目的、采取什么行动”——这正是语用学区别于句法学和语义学的核心关切，也是“智能体”区别于“聊天机器人”的分水岭。聊天机器人只需生成合理的文本，而智能体则必须在开放环境中理解上下文、推断意图并执行动作，其本质就是对语用能力的工程化重建。

实用主义的两面：命名表态，但路径仍待填充

与此同时，Pragmatik也被解读为Pragmaticism，即实用主义。这一标签直接指向了公司的使命陈述：他们要做的不是单一软件插件或单一硬件设备，而是横跨数字世界与物理世界的通用智能体。目前已知的公司官网唯一标语“Agents for digital and physical worlds”排除了做纯粹软件插件或纯机械手臂的狭义定位，指向一种类似“通用操作层”的野心。编辑分析，在模型层能力逐渐同质化、开源社区持续拉低准入门槛的背景下，这种从模型本身转向交互层、执行层的做法，可能切向价值链的更高利润区。大模型的军备赛已经将基础能力推向了一个相对平台期，下一阶段商业价值的释放节点，很可能发生在那些能让模型“干活”的中间层。但“实用主义”也是一个容易被过度拉伸的标签：它既可以被理解为贴近用户需求、快速场景落地，也可以被解读为技术路线上的某种折中。公司目前没有披露任何技术白皮书或原型演示，其“实用”究竟体现为基础模型的工程优化、特定场景的深度定制，还是某种打通软硬件的中间件协议，均未可知。

20亿美元估值的赌注：天使轮为什么比IPO还贵

最令市场侧目的不仅是投资方阵容，还有估值本身。一家暂无任何客户和数据验证、甚至尚未明确产品形态的新公司，天使轮即获得约20亿美元投后估值，这在中国风险投资史上极为罕见。据知情人士向多家媒体透露，高榕创投与红杉中国各自出资约1亿美元联合领投，腾讯单独投入约2000万美元参与本轮。编辑分析，若以传统财务视角审视，这近乎是对创始人个人、赛道前景和退出预期的三重折现。

此轮下注的核心无疑是林俊旸本人。他作为阿里巴巴通义千问系列的核心技术负责人，主导了从技术架构到开源生态的建设，并领导发布了Qwen3-Max万亿参数旗舰模型。在千问任职期间积累的模型预训练、大规模对齐和开源社区运营经验，使他成为国内极少数拥有从零到一构建大模型体系全流程视野的技术管理者。编辑分析，对于红杉和高榕这类习惯在基础模型军备赛中押注基础设施的基金而言，错过上一波模型层的超额回报之后，他们试图在模型能力阶段性见顶、智能体应用面临转折的节点，用重注锁定可能的下一个技术领袖。这种逻辑与红杉早期支持OpenAI、高榕天使轮下注MiniMax的思路一脉相承——赌的是一个能定义产品方向的罕见技术人才，而非一个已经验证的商业计划。

腾讯的加入提供了另一种解读空间。这家社交和内容巨头始终缺位于颠覆性的AI原生应用，大模型与自身生态的结合屡受组织掣肘和业务优先级冲突。押注一个横跨数字物理世界的智能体公司，可能是在为更长远的Agent入口做前哨布局，以极小股权成本换取一个技术观察哨。上海未来产业基金的参与则体现了地方国资在前沿科技中的卡位意识，也意味着语用科技未来在本地的算力资源协调、人才政策和潜在政企合作上可能获得一定便利。但国资的参与通常也伴随对落地速度、就业贡献和本地产业带动的隐形成本。

然而，20亿美元估值的另一面是巨大的压力。编辑推断，按照常规风险投资回报模型，天使轮投资者需要看到10倍以上回报才能对冲早期项目的高失败率，这意味着语用科技未来的退出估值可能需要达到200亿美元量级，在二级市场已相当于一家成熟中型上市公司的市值。这一估值并非产品验证后的自然增长，而是技术领袖效应、资本过剩和赛道恐惧症叠加而成的漏斗——钱太多，而够格吸引这些钱的创始人太少。一旦业务进展不及预期，下一轮融资将面临“估值倒挂”的现实风险。

数字与物理世界的“通用操作层”，但底层协议还一片空白

“面向数字世界与物理世界的智能体”这一描述足够宽泛，足以承载多种不同的产品想象。但一旦放入真实的产业链中审视，就会立刻变得具体而棘手。数字智能体通常指操控软件环境、网站、API甚至另一个AI来执行任务的程序；物理智能体则指向能操控机器臂、移动底盘、无人机等实体设备的软件系统。两者在感知、规划、控制模块上目前并无共享的基础架构：数字世界依赖符号化、高精度的API调用和屏幕理解，物理世界则需要处理高噪声传感器数据、实时避障和力反馈。编辑分析，语用科技若要用一个通用智能体架构同时覆盖两个世界，必须提出一种革命性的同构抽象层，将不同模态的输入和执行器统一在相同的意图理解和动作规划框架下。否则，公司只能在不同场景各自部署专门化模型，顶层用统一叙事包装，底层实则两条产线并行。

目前，来源材料仅确认了公司研究方向为“横跨数字世界和物理世界的下一代智能体”，未透露任何技术架构、中间件协议或原型演示。这并非全盘否定统一架构的可能性，但核心挑战在于物理世界的数据采集成本极高、Sim2Real转换存在难以逾越的鸿沟，且安全性验证门槛远高于纯软件系统。这意味着，短期内率先商业化的必定是数字Agent，而物理智能体的成熟周期可能以五到十年计。编辑观察，语用科技若长期维持双线作战，将面临两种截然不同的研发节奏和两套客户体系的拉扯——数字Agent要求快速迭代、高频发布，物理Agent则需要长周期测试、硬件协同和严格的合规审计。这种资源分配难题在业界尚无成功解法，即便是谷歌DeepMind等顶级实验室也曾将软硬件团队分拆运营。

离开千问生态后，语用科技要独自面对开源社区的引力

林俊旸在阿里时期建立的行业声望，很大一部分来自千问系列的开源策略。通过在Hugging Face和开发者社区建立持续影响力，千问吸引了一大批追随者，并催生了活跃的衍生模型生态和第三方工具链。但现在他已离开那个庞大的算力底座、成熟的工程化团队和现成的分发渠道，语用科技作为一家独立创业公司，需要从零搭建自己的技术栈和开发者关系。

对一家志在构建通用智能体的公司来说，模型的获取、定制和持续迭代是永续的循环。编辑分析，语用科技大概率不会从零预训练一个万亿参数大模型——天使轮的数亿美元看似充裕，但在当前千卡集群的训练成本面前仍显捉襟见肘，且时间成本不可接受。更合理的路径是站在开源或授权模型的基础上，做针对智能体任务的精细微调、工具调用能力增强以及推理时的强化学习对齐。但这意味着公司的技术护城河将建立在上游模型供应商之上，一旦基础模型能力再次出现阶跃式提升，语用科技的差异化可能被瞬间吸收。若完全依赖外部模型，很难避免在价值分配中沦为薄利应用层的附庸。因此，公司可能需要在模型层至少保留一定程度的自主能力，比如训练专用的推理模型或动作规划模型，以维持技术话语权。

另一个隐患在于人才获取。上海是国内AI人才的重要聚集地，但核心的大模型预训练人才仍高度集中在几家头部大厂和少数已跑通商业循环的独角兽。编辑推断，语用科技的天使轮估值虽高，但期权激励的向上空间已从“百倍想象”被高起点压缩，吸引顶尖工程师放弃大厂职级和稳定收益，需要创始人持续的技术魅力和确凿的业务进展。一旦产品迟迟无法亮相，团队稳定的压力会迅速上升。这种压力在首轮即获极高估值的明星创业公司中尤为常见——高估值抬高了内部期望值，也放大了外部审视。

腾讯与上海国资同时出现，产品落地场景却仍是一道选择题

投资方组合中，腾讯与上海未来产业基金的角色值得放大审视。前者手握中国最大的社交和内容分发网络，一个能理解用户意图并跨App执行任务的智能体，最直觉的落地形态就在其生态之内——在微信、QQ等超级应用内部调用智能体完成订餐、比价、日程管理等任务，无需用户跳转。但编辑分析，腾讯对内部接口的开放一向极度保守，任何触及用户数据或自动化操作的权限都面临严格合规和风控审查，历史上第三方试图深度嵌入其生态的尝试大多进展缓慢。语用科技若以独立公司身份深入其腹地，合作深度和商业分成需要极为精密的条约设计，这可能比研发本身更耗时。腾讯参投2000万美元所占股比极低，更像一张观察席门票，并不代表独家合作或接口开放的承诺。

上海未来产业基金则提示了另一个方向：城市级数字治理与制造业自动化。以此为切入，语用科技可获得稳定且有规模的政企订单铺底，这在GPT时代的创业故事中是一种务实的选择。但政企客户的需求高度定制化、决策链漫长、回款周期不短，对于一个习惯互联网速度、追求通用化产品的明星创始团队来说，是否愿意沉下去打磨细分场景，是一个巨大的文化挑战。更关键的是，政企场景对数据本地化、安全审计和系统稳定性的要求远超消费级产品，需要配备专门的交付团队和售后体系，这将在早期大量消耗管理带宽。公司目前未透露任何关于商业模式和客户选择的规划，这两类场景的张力——C端生态嵌入与B端政企深耕——将在融资后的第一个季度变得尤为尖锐。

资本密集不等于壁垒深厚，商业化的所有雷都还没踩

将语用科技放回同时期的创投版图，融资密度令人炫目。2026年上半年，西湖机器人完成5亿元A轮融资加速具身智能大模型研发，大模型推理平台River AI完成11亿美元融资，英伟达和AMD均参与其中。编辑分析，整个AGI智能体赛道正上演着不逊于过往科技热潮的资本盛宴。但资本密集从来不是技术壁垒的可靠指标，所有玩家都卡在同一个关口：从Demo到生产环境，需要跨过可靠性、安全性和可解释性三重门，而这三扇门目前都还锁着。智能体在执行任务时的一次错误决策，在数字世界可能只是订单下错，在物理世界则可能引发安全事故，这种不对称风险将大幅抬高产品化的门槛。

具体到语用科技，最紧迫的待验证假设有三。其一，团队能否在合理时间内推出可演示的产品原型，至少在一个清晰场景中证明“通用”不是口号，且这一原型的完成度足以说服下一轮投资者。其二，数字与物理世界的研发能否形成真正技术协同，而非挂在同一公司名下的两个独立业务，这需要从架构层面给出统一解，而非表面整合。其三，创始人在获得巨额估值后，决策节奏是否仍然锋利——明星创业公司在首轮即获超高估值后，反而容易陷入因高管预期膨胀、战略摇摆和内耗而错失窗口期的诅咒。这些都不是靠投资方背景就能抹平的风险。

商业化路径这个通常在天使轮可被暂时搁置的问题，在20亿美元估值之下已无法回避。即使投资者可以容忍两年没有收入，市场也迟早会询问：第一个付费客户是谁，他为什么付钱？目前公司未披露任何客户信息，这本身并非脆弱信号——许多基础研究驱动的AI实验室在首轮融资时同样没有客户。但编辑分析，语用科技的叙事包含了“实用主义”这一强烈宣称，这拉高了外界对其产品化速度的期待。如果首轮资金主要用于组建团队、搭建计算基础设施和探索性研究，那么与估值匹配的商业验证节点还需后续融资中由更大资本接力，而这将取决于前期研发成果的可展示性。

编辑推断，语用科技目前处于一种高度不对称的资本结构中：大量现金流入一家几乎没有硬资产、没有成品、没有收入的实验室，换取一个由创始人技术声誉支撑的超远期愿景。这在历史上曾出现过类似案例，部分公司在后续交付出关键技术后消化了早期的高估值，部分则在长期静默后逐渐淡出视野。当下AI创业环境的货币化速度已构成结构性焦虑——投资人对回报周期的耐心正在收窄，这使得20亿美元的高起点既是祝福，也可能成为负担。语用科技需要在不长的时间窗口内，用可感知的技术进展来证明它的估值不是一场仅限于天使轮的幻象。

RecodeX 极客视：林俊旸和他的语用科技正站在一个罕见的历史交汇点上：大模型的军备赛暂告一段落，而智能体作为下一块必争之地尚无人插旗。20亿美元的估值是对他过往战功的全额折现，也是对智能体大叙事的重新定价。但资本毕竟不是产品，估值也不等于落地能力。横跨数字与物理世界的通用智能体，在现阶段仍是一个连基础定义都未在工程界达成共识的概念。投资人的热情押注了一个“可能”，而创始人需要将这个“可能”兑现为“可行”。语用科技所践行的“实用主义”，恰恰需要尽快从命名走向行动——用一个坚实的产品定义，而非仅仅一页官宣文案，来证明这个标签的真实分量。天使轮的估值光环终会褪色，留下的是这家公司在技术脉络中实际刻下的深度。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。