一个香港创业团队意外进入我们的视野。

前不久，一篇关于 AI 辅助肾癌手术决策的论文登上 Nature 通讯（https://www.nature.com/articles/s41467-026-73813-7）。凭借这篇论文，维纳智能成为中国首个、世界第四个登上 Nature 主要期刊（近三年 IF>10）的数据生成科创公司——之前发文的中国大模型公司，是 DeepSeek 与面壁智能。

身后创始人柳崎峰教授，曾在香港科技大学建起全球首个千卡 H800 SuperPod 集群，预训练出中国第三家千亿参数大模型，管理项目研发资金超 1 亿美金。此后他盯上了如何提高 AI 的 " 提问 " 能力，来生成高质量推理问答数据，而这是即将爆发的 AI 自主学习的关键之一，于是在香港创办了维纳智能。

带着好奇，投资界与柳崎峰深谈近三个小时。话题从这篇论文说起，一路聊到大模型与具身智能，以及他对 AI 下一程的理解。

从一篇 Nature 通讯论文说起

别人是 " 从论文中来，到论文中去 "，柳崎峰却是 " 从问题中来，到问题中去 "。

2025 年初，柳崎峰的亲属身患肾癌，主治医生是中山大学肿瘤医院张志凌主任。和其他所有肾癌手术一样，医生一直面临一个临床难题——部分肾切除和根治性肾切除之间，能否有更量化更智能的判断依据？

这个难题的本质是：AI 能否预测真实世界里的复杂选择。

于是就在医院病房里，一场跨越医学与 AI 的合作就此展开：张志凌负责医学工作并联合多家医院完成数据收集，维纳智能负责 AI 和数据处理工作。论文共同第一作者王雅田，是港科大博士生、维纳智能实习生，由柳崎峰与罗文寒教授联合指导。

针对多源异构稀疏数据挑战，团队提出 RDPM 模型，将 3D 影像和临床变量 / 指标放进同一个预测框架，在 1621 例患者队列中完成训练与验证，外部多中心测试 AUC 达到 0.788 到 0.873。论文预测了患者远期肾衰退风险，为高度依赖经验的手术决策提供了可量化支撑。

维纳智能在医疗这样最难容错的场景中，完成了一次 AI 预测的公开检验。这也指向了柳崎峰接下来要讲的 AI 预测的另一面——预测其实是大模型的底层机制，用预测下一个 Token 的方式生成答案，天生 " 善答 "。而维纳智能的聚焦点，是更进一步——让 AI 不仅善答，更要 " 善问 "。要让 AI 有 " 学问 "，既要 " 学 " 得进去，更要 " 问 " 得出来。

港科大教授创业

联想创投领投第一轮

" 别人是火什么，做什么。而他是做什么，火什么。" 身边的朋友聊起对柳崎峰的过往印象。

这句话并非夸张。早在 2001 年，柳崎峰进入中国科学院自动化所模式识别国家重点实验室，师从谭铁牛院士——国际模式识别领域最高奖 - 傅京孙奖 2022 年得主。此后他先后任 Samsung Lab 研究员、Yahoo! Lab 数据科学家、平安集团 Gamma AI Lab 主任、中国科学院香港创新研究院 AI 总监等职。2018 年，他与杨强院士联合发起香港人工智能与机器人学会，2021 年，他便极具前瞻性地为港府撰写了 " 香港云脑 " 和 " 香港基础大模型 " 建议书，成为香港 AI 超算建设与大模型训练的早期推动者。

看似分散的经历，都指向同一件事：让机器从复杂信息中找到模式并形成判断。

真正的转折发生在 ChatGPT 开始火爆的 2023 年。彼时柳崎峰在特区政府和学校领导的大力支持下，在香港科技大学联合 6 大高校，与郭毅可院士联合发起香港生成式人工智能研发中心，带队建成世界首个千卡 H800 SuperPod AI 超算集群，2024 年，完成中国第三家千亿 MoE 大模型预 / 后训练。对于香港 AI 发展来说，这是一个关键节点。

也正是这段经历，他看见了下一道缺口：大模型越往深处走，越依赖高质量数据，永远是 " 数据为王 "，尤其是千行百业的推理问答数据，于是让大模型能够高质量地 " 提问 "，就成了首要关键。

柳崎峰把大模型发展拆成三个阶段：先是" 从数据到模型 "，用互联网大数据做预训练；再是" 从模型到 Token"，大模型开始输出 Token 生成内容或执行任务；接下来，是从"Token 到数据 "——让大模型系统主动提问、分步思考、校对回答，即推理问答数据生成。如此形成" 数据→模型→ Token →数据 " 的反馈大闭环，从而使 AI 具备自主学习能力。

AI 自主学习的目的是获取 " 学问 "，而" 学问 " 就是 " 学 " 习训练 + 提 " 问 " 回答。清代学者刘开在《问说》中写道：" 君子之学必好问。问与学，相辅而行者也。非学无以致疑，非问无以广识。"

2024 年 7 月，香港维纳智能正式成立。公司名取自诺伯特 · 维纳——控制论的创始人。柳崎峰看重的，正是控制论里的反馈闭环。维纳智能的使命，就是让 AI" 问 " 得准、" 答 " 得对，进而实现 " 数据→模型→ Token →数据 " 的大闭环，从而让 Agentic AI 在专业领域自主演化。

维纳智能的任务，是要解决一个反直觉的问题，即一方面大模型发展一日千里，另一方面，大模型在企业落地依然非常难。原因很简单，就是准确度低。用学生备考来类比——光有教科书（专业文档），缺少习题集（推理问答数据），考试成绩不可能高（系统准确度低）。因为背教科书获取的是死的知识，而做习题集练的是活的解题能力。维纳智能在做的事，就是帮千行百业补上这本 " 习题集 "，让 AI 不仅 " 学教材 "，而且 " 做习题 "，从而解决当下 Agent 泛滥所面临的测不准、优化难、答不准的瓶颈问题。

当下有一种流行说法：大模型问答已过时，执行任务才是关键。这未免流于表面。执行能力取决于两大支柱：单智能体在专业领域的准确度，与多智能体间的协同能力。可现实是，当前执行能力远未可靠。症结之一便在于单体问答准确率往往不足 70% ——连 " 可信 " 的门槛都迈不过，更遑论 " 协作 "。

" 习题 " 的具体定义是 cQrA：context、Question、reasoning、Answer。context 是任务现场，Question 是生成的问题，reasoning 是推理过程，Answer 是校验后答案。换言之，维纳智能要让模型在一个具体行业语境里，同时生成问题、答案和推理过程。

这也拉开了与传统数据标注的距离。传统数据标注严重依赖人工甚至专家，成本高、难规模化，只给答案，缺少推理，专家经验被重复劳动消耗。维纳智能则让Agentic AI 化身不知疲倦的智能专家团队，自动生成带完整思维链的 cQrA 数据，彻底突破人力瓶颈。比省钱更关键的是，闭环机制使每一轮生成的数据反哺生成和评价模型，驱动下一轮迭代在精度与逻辑上持续跃升——由此实现从 " 手工作坊 " 到 " 自我进化知识工厂 " 的质变。

维纳智能很快进入产业界和投资人视野。公司刚成立不久，便完成 5000 万港元种子轮融资，由联想创投领投。联想创投一直沿 AI 三要素赛道下注：算力投了沐曦、寒武纪等，模型投了智谱、阶跃星辰等，数据这一环，落到了维纳智能。同时，沐曦和维纳智能深度合作，在即将到来的 " 数据→模型→ Token →数据 " 的大闭环时代，一个提前为未来范式设计了算力平台，一个提前为未来范式定义了工作负载。

AI 下一程

" 让我们生成这个世界 "

商业化验证，先从两个灵魂拷问开始。

拷问一：在没有大规模专家标注的情况下，生成的数据是否有专业机构买单？

拷问二：是否可以做到跨行业、可复制？

为此，维纳智能顶住压力，打破了传统 2B 科创公司 " 深度优先 " 原则，即一定先要 " 击穿某个行业 "，而是采用了" 广度优先 "，故意选了四个看似毫不相干、但准确度要求很高的行业：价值观安全、政务、保险、赛马，且每个行业都落地了头部客户。

" 我们证明了可以用小团队、无行业专家、低成本实现跨行业复制。" 柳崎峰表示，如今实现了 "0 到 4" 的验证，下一步就是 "1 到 M x N" 的推广（M 个行业，每个行业 N 个头部客户）。

这背后，是对数据价值的长期判断。

在柳崎峰看来，中 美 AI 的差距，很大程度上源于对数据的认知差异——数据长期被视为 " 脏活累活 "，数据工程师的薪酬普遍低于算法与模型工程师。

但格局正在扭转。随着数据生产从人工标注走向推理、交互与闭环反馈，大模型公司在数据侧的投入持续加码，推理交互数据生成决定了大模型能力上限，已是业内共识。

而未来最核心的，不是模型，甚至不是数据本身，而是那个 " 大闭环 "。正如进化的关键既非男人也非女人，而是交配与自然选择——染色体复制、交叉、变异和适者生存的机制。数据蒸馏只是借力外部的一种路径，真正的护城河，是建立起模型训练与数据生成相互驱动的自主学习闭环，用模型协同与反馈机制持续生成高质量数据。

这个判断也延伸到当下最热的具身智能。

传统方式训练具身智能，基于对人类的模仿。而真正智能应像婴儿学步 " 摸爬滚打 "：在持续跌倒与尝试中自主生成动作数据，再通过闭环反馈迭代优化决策模型。

柳崎峰说，数字世界的闭环训练逻辑，已经延伸至物理世界。无论是 Agent 进入行业，还是机器人走向现场，都离不开提前自主生成的海量高质量推理交互数据。相应地，cQrA 演进为 cTrA ——场景（context）、任务（Task）、推理（reasoning）、执行（Action），这既是训练的新燃料，也是评测的新标尺。

路刚刚开始，柳崎峰给出的答案，指向那个不远的未来：" 让我们生成这个世界！"

文章来源：投资界原创 ｜ 作者：王露

原文地址：https://news.pedaily.cn/202608/567596.shtml

【本文为投资界原创，网页转载须在文首注明来源投资界（微信公众号 ID：PEdaily2012）及作者。微信转载请在原文评论区联系授权，违者必究。免责声明：本文不构成任何投资建议。市场有风险，投资需谨慎。】