NeoCognition 结束潜伏，获 4000 万美元种子轮融资，押注“会自学的智能体”
AI 创业投资仍在追着顶尖研究者跑，这一次被推到台前的是 Ohio State 教授 Yu Su 。由其创立的 NeoCognition 刚刚结束隐身状态，对外宣布完成 4000 万美元种子轮融资。这家公司想解决是一个非常棘手的问题。让 AI 智能体真正可靠，能在特定场景里像人一样快速学习、持续进化，最后成为可用的“专家”。
这轮融资由 Cambium Capital 和 Walden Catalyst Ventures 联合领投， Vista Equity Partners 参与投资， Intel CEO Lip-Bu Tan 、 Databricks 联合创始人 Ion Stoica 等天使投资人也一并入场。对一家仍处于早期阶段的 AI 公司来说，这个阵容已经很能说明市场情绪。资本不再只盯着底层模型，也开始加码“模型之上”的执行层，尤其是智能体这一条线。
Yu Su 过去一度抗拒风险投资机构推动其研究商业化的压力。但在去年，他最终决定把实验室成果拆分出来单独创业。推动这次转向的关键判断在于，他认为基础模型的进展已经到了一个新阶段，足以让“个性化智能体”从概念走向现实。
在 Yu Su 看来，今天的智能体最大的问题不是不会做事，而是做事不稳定。无论是 Claude Code 、 OpenClaw ，还是 Perplexity 推出的计算机工具类产品，当前这类智能体按预期完成任务的成功率，大约只有 50%。换句话说，每次把任务交给它们，本质上都带着一点赌运气的成分。
这也是他对现有市场最尖锐的批评。现在的智能体还是“通才”，能泛泛做很多事，却很难在具体任务上持续交出可靠结果。只要稳定性不过关，它们就还不适合被当成真正独立的工作者来信任。 NeoCognition 的目标，就是补上这一块。它要开发的是一套能够自我学习的智能体系统，让智能体在任何垂直领域里都能逐步成为“专家”，而不是永远停留在样样都懂一点的状态。
Yu Su 的核心理论很直接。人类智能当然是广泛的，但真正有力量的地方，其实是“专业化能力”。一个人进入新环境、新职业后，往往能很快理解其中独特的规则、关系和后果，并据此建立自己的认知模型。 NeoCognition 试图复制的，正是这个过程。
按照他的说法，人类持续学习，本质上是在为某个职业或某种环境构建一套“世界模型 （ world model ）”。如果智能体想成为专家，也必须能够自主学习，为特定的“微世界”建立自己的模型。 Yu Su 认为，这种快速专业化的能力，正是让 AI 真正可靠、自主运转所缺失的那一环。
目前市面上并非没有能执行自主任务的智能体，但大多需要为某个具体垂直场景进行定制化工程开发。也就是说，企业如果想把智能体用于客服、销售、财务、研发中的某一环，往往得一条线一条线地单独做。 NeoCognition 想走的是另一条路。它试图打造一种底层仍具通用性的智能体，但这类智能体进入任何领域后，都能自己学习、自己专业化，而不是靠工程团队不断手工雕刻。
商业化方向也很清晰。 NeoCognition 计划主要把这套智能体系统卖给企业客户，尤其是成熟的 SaaS 公司。这些客户既可以把它作为“智能体员工”能力层，嵌入自身业务流程，也可以直接把相关能力加入现有产品，用来提升产品形态和自动化水平。
Vista Equity Partners 的参投，对这家公司尤其关键。 Vista 是软件行业规模最大的私募股权机构之一，手里掌握着庞大的软件公司组合。对 NeoCognition 来说，这不只是拿到一张知名投资机构的背书，更现实的意义在于，它有机会直接接触一批正急着用 AI 改造产品的软件企业。这类渠道资源，往往比账上的资金更值钱。
目前 NeoCognition 团队约有 15 人，其中大多数拥有博士学位。按照 Yu Su 的定义，这家公司更像一家开发“自学习智能体”的研究实验室，而不只是标准意义上的产品公司。这个定位听上去有些学术，但也暴露出它当下最现实的挑战。理论是否真能转化为企业级稳定产品，接下来才是检验时刻。
创艺洞察
这一轮融资背后，其实反映出 AI 市场的一个微妙转向。过去资本追逐的是“更大的模型”，现在越来越多的钱开始流向“更可靠的执行”。 NeoCognition 讲的故事很聪明。它没有再重复“通用人工智能”那套大叙事，而是把问题收缩到企业最在意的一点，稳定、可控、可交付。眼下所有智能体公司都在谈自动化，真正能跑出来的，大概率不是最像人的那家，而是最像一个合格员工的那家。
