林俊旸官宣Pragmatik Labs：不做大模型续集，去造横跨“数字与物理”的下一代Agent

一家估值一度被传到 20 亿美元、却始终没有正式名字的 AI 公司，终于露出了全貌。

8 月 12 日，原阿里千问技术负责人林俊旸宣布在上海创立 Pragmatik Labs，中文主体为语用科技，内部简称 p7k。公司将研究「横跨数字世界与物理世界的下一代 Agent」。高榕创投与红杉中国联合领投，腾讯和上海未来产业基金参与支持。

Pragmatik 的官网仍然克制。没有模型参数，没有产品演示，也没有发布时间表，只有两条业务线：一条是面向知识工作的数字 Agent，另一条是进入真实环境的物理 Agent。

它们共享同一组能力：推理、使用工具、从反馈中学习，以及协调行动。

这比此前流传的“世界模型与具身智能”更具体，也更值得注意。

林俊旸并不是离开一家大模型公司，再创办另一家大模型公司。他正在尝试回答一个更冒险的问题：当语言模型的能力逐渐商品化，下一代 AI 公司的壁垒究竟应该建在哪里？

他的答案不是更大的参数，而是把模型放进环境，让它真正完成工作。

20 亿美元天使轮

Pragmatik 的融资从一开始就带着明星项目的色彩。

今年 5 月，《The Information》率先报道，林俊旸正在为新 AI 实验室募集数亿美元，投后估值可能达到 20 亿美元。6 月，多家媒体进一步援引知情人士称，高榕创投和红杉中国分别投入 1 亿美元，腾讯投入 2000 万美元，合计至少 2.2 亿美元。公司刚完成这一轮交易，便已考虑启动下一轮融资。

当时的 Pragmatik 没有公开产品、没有收入，也没有正式品牌。投资人下注的核心资产几乎只有三样：林俊旸本人、从千问体系走出的团队，以及他们对下一代 AI 技术范式的判断。

林俊旸的稀缺性，不只在于他参与做出了一个强模型。

2019 年北大硕士毕业后，他加入阿里达摩院，从搜索推荐中的自然语言处理做起，随后参与 M6、OFA 等多模态项目。2022 年底，他成为千问技术负责人之一，并在之后三年里见证千问从内部项目成长为全球最重要的开源模型家族之一。

千问的成功并非单点突破。它同时覆盖不同参数尺寸、语言、多模态、代码、数学与 Agent，并通过持续开源进入全球开发者生态。对一家创业公司而言，这段经历意味着林俊旸不仅理解预训练，也经历过数据、后训练、评测、推理、开源和开发者生态如何共同决定模型的真实影响力。

资本真正购买的，是这套从研究到规模化交付的组织能力，以及一张通往新范式的期权。

但这也意味着，Pragmatik 从成立第一天起就没有“小步试错”的奢侈。20 亿美元级别的估值对应的，不可能只是一款 Agent 应用，也不可能只是一家具身智能本体公司。它必须证明自己有机会成为下一代基础平台。

从“推理”到“行动”，林俊旸的转向早有预告

将林俊旸离职后的公开表达串联起来，就会发现 Pragmatik 的技术路线并非凭空出现。

今年 3 月离开千问后，林俊旸曾发表长文《从“推理式思考”到“智能体式思考”》。文章剥离现象，直击本质：推理模型是在封闭的上下文里寻找最优解，而 Agent 必须为了“行动”去思考，并在与环境的动态交互中持续修正修正计划。

两者的底层逻辑截然不同。

解答一道数学题，条件是静态且封闭的，模型可以通过延长思考链（CoT）来换取正确率；但现实世界的任务是动态且开放的：信息会缺失，工具会报错，网页会改版，用户随时会提出新要求，一个早期的小错甚至会在几十步之后被无限放大。

因此，下一代 Agent 不能只会“想得更久”，它必须清楚何时采取行动、如何正确调用工具、怎样解读外部反馈、什么时候向人类提问，以及遇到失败后如何自我修复。

这也解释了林俊旸为何反复强调 Harness Engineering（智能体脚手架工程）。在他的定义里，下一阶段的核心智能不再仅仅存在于模型的权重参数中，而是蕴含在模型周围的完整系统里：工具、记忆、环境、权限、验证机制，以及多 Agent 间的协同范式。

这一理论断言正在被多项实验数据印证：

林俊旸参与的 DeepPlanning 实验表明，在面对多日旅行规划或复杂采购等长程任务时，即便顶尖前沿模型，也极易在全局约束与时间预算中频繁失误；

他参与的 OSWorld 2.0 评测，将电脑操作扩展到 108 个真实长程工作流（人类中位完成时间 1.6 小时），而当前表现最好的模型在主评测下也仅能完整完成约两成任务。Agent 的瓶颈早已不是“不会点按钮”，而是遗忘约束、漏读信息、盲目猜测以及缺乏最终验证。

这就完全对应了 Pragmatik 官网上醒目的四个动词：推理、使用工具、从反馈中学习、协调行动。这正是当前 Agent 从 Demo 走向真实生产力所砸中的最硬痛点。

Pragmatik 的真正研究对象，从来不是一个孤立的模型，而是由“模型—环境—工具—反馈”构成的复杂闭环系统。

数字 Agent 与物理 Agent，为什么被放进同一家公司？

Pragmatik 最具野心、也最冒风险的地方，在于它没有在数字 Agent 与具身智能之间做单选题。

官网明确划分了两大阵营：数字 Agent 聚焦知识工作，完成研究、编程、分析等复杂工作流；物理 Agent 则将智能引入真实物理世界，完成感知、决策与执行的闭环。

单从商业和工程角度看，两条路线的鸿沟极其巨大：

数字 Agent 以浏览器、代码库、SaaS 软件为舞台，数据天然数字化，试错成本极低，产品迭代可以以天为单位计算；

物理 Agent 却要直面机器人本体、传感器、复杂控制系统与不确定的物理定律，一次错误可能损坏硬件，迭代周期长且资本开支高昂。

绝大多数创业公司都会选择单点突破，但 Pragmatik 却选择同框推进。因为在林俊旸的框架体系下，数字与物理，本质上只是 Agent 面对的两种不同“环境”表现形式。

操作电脑的 Agent 需要感知屏幕、调用软件、根据反馈微调计划；控制机器人的 Agent 需要感知空间、操控机械臂、根据传感器数据校正动作。它们的输入输出不同，但核心瓶颈完全一致：如何在长跨度时间内维持目标、处理不确定性，并持续从环境反馈中强化学习。

更深层的协同逻辑在于：数字世界将成为物理智能的最佳试炼场。

数字任务拥有海量的轨迹数据、清晰的胜负标准和低廉的试错成本。团队可以先在数字知识工作中攻克长程规划、记忆、协作和自我纠错等通性能力，再将这些高度抽象的 Agent 能力迁移至真实物理世界；反过来，物理世界对因果关系、空间物理法则与高风险约束的极高要求，又会反哺系统形成比单纯网页自动化更为扎实的环境理解力。

因此，Pragmatik 的“数字+物理”双轮驱动，并非盲目开辟两条互不干涉的产线，而是优先打造一套跨环境的 Agent 底座架构，再分别向软件与机器人场景进行能力下沉。

这是一种比“世界模型”更加宏大的商业定义：世界模型解决的是“预测环境如何变化”，而 Agent 系统解决的是“基于预测，如何主动重塑环境”。前者只是后者的一个子集。

腾讯与上海，补上了这张版图的另外两块拼图

Pragmatik 的股东阵营，进一步勾勒出了其商业化落地的隐藏路线图。

高榕创投和红杉中国带来的是顶尖资本背书与全球人才吸引力；而腾讯与上海未来产业基金的入局，则直接补齐了生态与场景的两大拼图。

若 Pragmatik 首先在数字 Agent 寻求突破，腾讯将为其提供无与伦比的天然试验场——微信、企业微信、腾讯文档、腾讯会议以及庞大的云端生态，既是 Agent 能力落地的超强入口，也是极具复杂度的真实业务场景。腾讯近年来连续重注智谱、MiniMax、月之暗面，此次押注 Pragmatik，延续了其通过资本锁死外部最前沿大模型能力的一贯战略。

而上海未来产业基金的出现，则直接锚定了物理 Agent 的下半场。

上海拥有全国最为集中的机器人产业集群、工业制造底座、芯片供应链与顶尖科研机构。对于一家试图横跨数字与物理世界的公司来说，上海不仅是注册地，更是获取机器人本体、工业场景、硬件供应链和垂直客户的绝佳试验场。

这解释了为什么林俊旸没有将新公司落户北京或杭州，而是毅然选择上海。大模型上半场，行业抢夺的是算法人才与 GPU 算力；具身智能下半场，竞争的核心变为了硬件、制造与真实场景——城市本身，正在成为公司技术路线的一环。

当然，资本资源并不自动等同于产品成功。腾讯的生态接口能否完全打开、工业场景的隐私数据能否有效复用，依然需要时间检验。但至少在资本结构上，Pragmatik 已经精准预留了数字入口与物理产业链的最高级别接口。

从做模型的人，变成设计环境的人

林俊旸将公司命名为 Pragmatik，含义耐人寻味。

在日常语境中，“Pragmatic”意为务实；而在语言学中，“Pragmatics”则指代语用学——研究语言如何在特定的具体语境中产生真实意义。对于一位拥有计算机与语言学交叉背景的创始人而言，这个名字几乎是他此次创业的终极宣言：语言模型不应再孤立地在文本框里预测下一个词，而必须进入真实语境，去理解目标、调用工具，并产生物理与数字上的真实改变。

在千问时代，林俊旸参与解决的是“如何训练一个足够强大、通用的开源模型”； 在 Pragmatik 时代，他试图回答的是“如何让智能走出对话框，在数字与物理世界中持续创造价值”。

这也是整个 AI 产业正在发生的时代巨变。

过去三年，行业的战争围绕着参数规模、训练数据、算力堆叠与 Leaderboard 榜单展开；而接下来的时代，底层模型依然重要，但决定终局体验的，将是模型之外的庞大系统：环境是否真实、工具是否可靠、记忆能否延续、系统能否为最终的结果真正负责。

从这个维度看，Pragmatik 不是林俊旸与千问故事的第二集，而是一次深刻的路线决裂：从训练“会回答问题的模型”，转向设计“能进入世界、改变世界的系统”。

前路依然布满荆棘。数字 Agent 的可靠性尚未完全攻克，物理 Agent 的通用时刻更显漫长，同时驾驭两条战线将对组织效率提出近乎苛刻的考验。

但如果这条路真的被他走通，下一代 AI 基础设施公司的边界将被彻底重塑。它不再是卖 API 的通道商，而是成为连接数字世界与物理世界的共同智能底座。