成立3个月，估值135亿，林俊旸新公司曝光：融资15亿
林俊旸融资了。
8月12日，这位前阿里巴巴
公司成立才三个月，没有产品，没有营收，但天使轮估值已经冲到了20亿美元（约合人民币135亿）。
高榕创投、红杉中国各投1亿美元，腾讯跟投2000万美元，上海未来产业基金也挤了进来，本轮融资合计2.2亿美元（约合人民币14.8亿元）。
五个月前，林俊旸宣告从阿里离职。如今，33岁的他又站在了新的出发点。
资本买账了。但问题是：Agent这一仗，比大模型更好打吗？
为什么不做模型了？
林俊旸的选择，本身就是一个信号。
作为Qwen的技术负责人，他亲手把
他比大多数人都更懂大模型怎么做。但他的下一站，不是再做一个大模型。
"模型研发太耗钱了，这种小实验室的资金，还有国内的算力水平，都支撑不起。"在头部大厂负责智能体开发的陈砚（化名）告诉铅笔道。
陈砚的判断是，Pragmatik更可能选择一个类似Manus的方向——建立在现有基础模型之上，向上做Agent的平台和应用层，"有点像FDE加平台"。
这条路已经被市场证明过一次。
2025年4月，Manus完成7500万美元融资时，估值约5亿美元；到年底Meta提出收购时，外界给出的交易估值已经达到20亿至30亿美元。虽然这笔交易后来因监管因素被解除，Manus在今年8月11日重新恢复独立运营，但它已经证明：即使不拥有自己的顶级基础模型，只要掌握Agent的产品入口和任务执行能力，同样可能成为数十亿美元的战略资产。
林俊旸的公开表态也印证了这个方向。今年3月离职后，他曾发表长文《From 'Reasoning' Thinking to 'Agentic' Thinking》，提出AI下一阶段的重点将从"训练模型"转向"训练智能体，乃至训练由多个智能体组成的系统"。
林俊旸，33岁， 语用科技创始人
在他的设想中，Agent时代真正需要训练的对象是"模型＋环境"组成的完整系统，包括了Harness、训练环境、评估器，甚至包括多个Agent之间的协作方式。
Pragmatik这个名字也藏着他的思路。它来自语言学中的"语用学"（Pragmatics），林俊旸解释说，这个词的意思是"回到事情发生的地方"，也代表一种实用主义——AGI最终要解决真实世界里的实际问题。
Agent的核心门槛
Pragmatik的方向拆成两块：数字Agent和物理Agent。
数字Agent，面向知识工作、业务运营和产业级工作流的通用智能体。
物理Agent，能够适应环境、采取行动、在现实世界中完成长程任务的具身智能。
听上去很美。但陈砚认为现在下结论还太早："他要做的agent是针对于场景化的，这东西能不能做深，主要取决于领域深度。想做成Palantir这种比较有深度的agent平台，就很难。"
场景深度，是个老问题了。
陈砚举了谷歌AlphaFold的例子。严格来说，AlphaFold并不是今天通常所说的Agent，但它的路径和结果，可以类比场景化Agent。
过去科学家要解一个蛋白质的结构，可能要花几年时间。AlphaFold的厉害之处在于，它像一个专门做蛋白质"拼图"的机器人，能在几分钟内预测出大部分蛋白质的三维结构，准确率堪比实验结果。
但它的能力边界也很清楚：它只干这一件事。你让它去解基因序列，不行；让它去设计新药分子，也不行。它的"擅长"是靠大量领域知识喂出来的——蛋白质数据库是科学家整理好的，折叠规律的物理模型是人类预设的，连推理的步骤和评估标准都是领域专家亲手搭的框架。
"它外围的数据环境，包括它的推理的步骤，都是需要特定化的。"陈砚说。场景化Agent的深度，不取决于模型本身有多聪明，而取决于你对这个场景理解得有多深、数据准备得有多扎实、流程编排得有多精细。
换句话说，AlphaFold很强，但它是一个"定制款"——人类科学家花了几十年在前面铺路，模型只是最后一块拼图。真正的通用Agent，应该是"万能款"——给它一个新场景，它自己摸索、自己拆解、自己搞定，不用人替它铺路。
"agent最核心的能力就是编排。"陈砚说，"通用的agent都是模型自己推理的，不需要手动地植入编排的节点，不需要手动给予特定的提示词以及特定的上下文知识库。"
换句话说，真正的通用Agent，应该像人一样——给它一个目标，它自己拆解步骤、调用工具、完成任务。但现在行业的普遍状态是：每进一个新场景，都需要大量人工去做定制化的编排和适配。
这跟移动机器人早期的困境很像——项目制、非标、成本高、难以复制。
林俊旸不可能不知道这一点。从他的公开表述来看，他想做的事情更底层：不是给某个具体行业做定制化Agent，而是做"下一代Agent"的基础设施——Harness、训练环境、评估器、多Agent协作机制。
有点像当年做Qwen的思路：不是做某一个应用，而是做一个底座，让别人在上面跑应用。
但问题是，Agent的"底座"到底是什么？
大模型的底座很清楚——参数、数据、算力，三件套。Agent的底座模糊得多。是编排框架？是工具调用协议？是记忆系统？是评估标准？还是某个还没被发明出来的东西？
"现在场景没跑出来，很难说。"陈砚说。
20亿美元赌的是什么？
一家成立三个月、无产品无营收的公司，天使轮估值20亿美元。贵不贵？
要看跟谁比。
放在大模型时代，这个价格不算离谱。2023年前后，国内一家大模型创业公司，只要有个明星技术负责人，天使轮估值几十亿人民币是常态。但大模型烧钱的速度也快——训练一次几亿美金出去了，商业化还遥遥无期。
Agent赛道看起来"轻"一些。至少不用上来就砸几十亿买算力。
资本真正赌的，是林俊旸这个人的复制能力。
他是少数同时掌握大模型从零到一研发、开源生态建设和商业化落地经验的技术领袖。圈内有个说法——林俊旸刚被爆出将创业时，就有至少20家投资机构抢着接触。
投资方的名单也很有意思。高榕和红杉联合领投，各自出1亿美元。这两家都是中国VC里投AI最猛的，高榕投了月之暗面，红杉投了
腾讯只投了2000万美元，占股1%。金额不大，但信号意义强。腾讯一方面在大模型上有自己的混元布局，另一方面又在Agent和应用层广泛下注——演语科技、这次的Pragmatik，甚至包括参与Manus从Meta独立的回购。
腾讯的策略很清晰：基础模型自己做，应用和Agent层四处撒网。不谋求控股，保持距离，让小公司自己跑。
上海未来产业基金的入场也值得关注。这家国资背景的投资方，意味着林俊旸的创业被纳入了上海建设全球AI高地的战略布局。对公司后续获取地方资源、对接产业场景，都是加分项。
林俊旸背靠的资源很厚重，但压力同样很大。
Agent创业公司正在向模型厂商的地盘靠近，而模型厂商也在向Agent公司的地盘推进。
陈砚更看好的是另一条路径："我比较看好大模型厂商的通用agent，比如codex、Claude code这类产品。"
OpenAI的Codex最初是一个编程Agent，现在已经逐渐变成一个通用工作Agent。OpenAI甚至已经开始提供可以连接企业工具、长期执行任务的Workspace Agents。
这其实是AI行业一个反复出现的命题：应用层公司，在基础模型快速进步的情况下，如何建立不被抹平的壁垒？
演语科技的路径提供了一种参考答案——不拼技术，拼生态。50万+模型资产、数千万创作者的使用习惯，当一位设计师把调教好的参数固化在平台上，他就再也离不开了。截至今年5月，演语科技ARR已突破3亿美元，投后估值超20亿美元，正在筹备香港IPO。
但演语科技的壁垒是创作者生态和专业工作流。Pragmatik壁垒会是什么？
本文来自微信公众号 “铅笔道”（ID：pencilnews），作者：铅笔道，36氪经授权发布。
