原标题：AI 创投圈的「林俊旸现象」

没有任何意外，久违露面的林俊旸宣布新公司 PragmatikLabs 正式亮相。

虽然还没有任何的产品演示和发布时间安排，但这家注册在上海的公司，已经被高榕与红杉中国联合领投，腾讯和上海未来产业基金跟投，天使轮估值摸到了 20 亿美元。

从境内运营主体语用（上海）科技的工商结构看，三家外部机构合计投入约 2.2 亿美元，只拿走 12% 的股权。创始人林俊旸及关联主体持股 88%。

这个股权结构透露的信息可能比融资金额更丰富。创始人及团队牢牢掌握控制权，财务投资人持股有限，战略投资者各占一席。从这个角度来看，更像是资本在争抢一个稀缺标的的入场券，以高价换取少量股权，是典型的 " 人才溢价 " 交易结构。

但 20 亿美元还只是资本提前给出的价格。一位知情人士透露，融资刚走完交割流程，团队已开始寻求下一轮融资。另有消息称新一轮估值可能已上探 50 亿美元。产品尚未亮相，估值已经在路上继续攀升。

01、开源生态的操盘手

1993 年出生的林俊旸走了一条非典型路径。他本科就读于国际关系学院英语系，硕士考入北大外国语学院学外国语言学及应用语言学，硕士期间转向计算语言学，由此进入 NLP 领域。他精通六门语言，这种人文底色后来深刻影响了他对大模型的理解。

2019 年毕业后，林俊旸以校招身份加入阿里达摩院，在杨红霞带领的 M6 团队做预训练模型研发。2022 年底，阿里组织调整成立通义实验室，林俊旸被任命为 Qwen 技术负责人，那年他 29 岁。

后面的故事已被反复讲述。

2023 年 8 月 Qwen 首次开源，此后以近乎激进的节奏发布模型：从 0.5B 到 72B 全尺寸覆盖，从语言模型到 Coder、Math、视觉多模态，再到推理模型 QwQ。到 Qwen3 时代，Qwen 已形成完整产品矩阵。

截至今年初，Qwen 衍生模型突破 20 万个，全球下载量超 10 亿次。阿里自 2023 年以来发布了超过 400 个 Qwen 开源模型。Hugging Face 2026 年春季报告显示，中国开源模型下载量已占全球总量 41%，Qwen 是最重要的贡献者之一。它和 DeepSeek 一起，构成中国开源大模型的两根支柱。

那个时候，林俊旸在其中扮演的角色远不止技术负责人。他是开源战略的主要推动者，也几乎是 Qwen 在全球开发者社区的代言人。面对开发者追问 QwQ-Max 是否开放，他直接回复 "we will opensource the models"。

一位接近 Qwen 团队的人士回忆，林俊旸的管理风格是设定明确 " 靶子 "，让团队快速迭代。他不追求每个细节完 美，更看重事情能不能先跑起来。他认为负责人不必精通代码每一行，但必须理解底层的 " 物理逻辑 "，知道为什么这样运转，如何抓大放小。

在资源远少于对手的情况下，Qwen 选择了一条差异化路线：用全尺寸、全模态的开源矩阵覆盖最广泛的开发者群体。小模型能跑在手机甚至单片机上，大模型对标 GPT-4，开发者总能找到适合自己的那一个。

但这条路线在 2026 年初遇到拐点。

2 月底，阿里对大模型业务做架构调整，战略重心向商业化倾斜。据多家媒体报道，林俊旸主张的 " 极 致开源、商用零成本 " 与集团商业化诉求产生结构性冲突。3 月一场内部会议后，林俊旸离开会场并提交辞呈。后训练负责人郁博文、核心贡献者李凯鑫等人随后确认离职。

当时林俊旸在朋友圈写道：" 不是这几天，我都不知道这世界这么多人爱我。" 他说自己至少内心觉得做到了 " 为兄弟们好、为阿里云好、为集团好 "。

这场离职风波的本质，是技术理想主义与大公司商业逻辑的碰撞。阿里需要 AI 投入产生回报，3800 亿投资不能只换社区口碑；林俊旸则相信 Qwen 的核心竞争力恰恰来自开源生态，过度商业化会伤害开发者信任。

二者的选择没有对错，但有一点是确定的：完整操盘过一个全球级开源模型家族，经历预训练、后训练、多模态、开源生态和大规模工程化的人，整个行业屈指可数。

模型可以重新训练，算力可以采购，数据可以积累。但一个人从 0 到 1 带起 20 万衍生模型、10 亿下载量的生态经验，无法速成。

这就是资本在 3 月那个夜晚看到的东西。

02、人才的乘数效应

林俊旸刚离职时，投资圈的反应非常直接。据说有投资人四处托人 " 求对接 "，有人放话 " 无论创不创业，先抢到他再说 "。关注 AI 投资的庄明浩当时判断，这个级别的人才如果创业，" 第 一圈就被吃掉了 "。

AI 领域资深猎头聂伟曾用 " 乘数效应 " 解释头部 AI 人才的高溢价。企业重金引入顶 尖   人才，购买的远不止一个人的直接产出。" 一个年薪数千万元的人才，可能比十几人的团队创造更大收益。"

头部人才本身就是磁石，可以吸引同领域优秀人才继续聚集。" 人才池就这么大，你不抢就是别人的。"

这种稀缺性在 AI 创业市场被进一步放大。根据 PitchBook 官方 Q1 AI VC Trends 报告，2026 年第 一季度，全球 AI 初创企业共筹集 2555 亿美元，超过 2025 年全年总和。月之暗面半年内估值从 43 亿美元涨到 315 亿美元，DeepSeek 一级市场谈判价约 450 亿美元。

国外 AI 圈子里，Thinking Machines Lab 在产品同样早期时完成 20 亿美元融资，估值 120 亿美元，后又与英伟达签署协议，将部署至少 1 吉瓦的 Vera Rubin 系统，总投资可能达 600 亿美元。Essential AI 在没有收入的情况下以 86 亿美元估值融资，投资人下注的逻辑同样围绕稀缺性。

在这样的情况下，传统 DCF 估值模型在这些案例面前完全失效。一家 pre-revenue 的 AI 公司值多少钱，取决于三个变量：创始人履历的可信度、团队对技术范式的判断力，以及战略投资人对生态位的争夺。

林俊旸的履历恰好同时满足这三个变量。Qwen 的成功证明他能带团队打大仗，3 月发表的长文证明他对下一阶段有清晰判断，资金的入局则带有明确战略意图。

腾讯近年连续投资智谱、MiniMax、月之暗面，此次下注 Pragmatik 延续了通过资本锁定外部前沿 AI 能力的策略。有分析师这么解释：如果 Pragmatik 首先在数字 Agent 方向突破，微信、企业微信、腾讯文档、腾讯会议构成的生态将提供天然试验场。

四家外部股东都投资过月之暗面。这个细节暗示资本对 AI 人才的定价已形成共识：顶 级技术负责人的信用可以跨项目迁移，投过一个杨植麟的机构，不会错过下一个林俊旸。

距离官宣还有十天的时候，林俊旸在 X 发了四个字：" 适度利润。" 这四个字像对自己在阿里经历的回应，也像给新公司定下的商业基调：

不做赔本赚吆喝的开源原教旨主义，也不做唯利是图的商业公司。AGI 最终应该 pragmatic，真正解决问题、创造价值，利润应当适度。

Pragmatik 这个名字本身就是宣言。它来自语言学中的 " 语用学 "（Pragmatics），研究语言如何在特定语境中产生真实意义。

林俊旸解释，他当年学语言学就是因为朋友推荐了语用学，后来一路走到计算语言学、NLP 和大模型，兜兜转转又回到这个名字。同时它也代表实用主义（Pragmaticism）。一个名字浓缩了他从学术到产业的全部路径。

03、Agent 的壁垒在哪里

资本为林俊旸的过去买单，Pragmatik Labs 的未来则押注在一个判断上：AI 正在从训练模型进入训练 Agent 的阶段。

这个判断在林俊旸那篇《From "Reasoning" Thinking to "Agentic" Thinking》中已完整阐述。

他的核心观点是：推理模型在封闭上下文里寻找最 优解，Agent 必须为行动去思考。

解数学题条件是静态的，模型可以通过延长思维链换取正确率；现实世界的任务动态开放，信息会缺失，工具会报错，网页会改版，一个早期小错可能在几十步后被无限放大。

" 智能体式思考，就是通过行动来推理。" 他写道。

文章里有一个关键词：Harness Engineering（智能体脚手架工程）。Harness 原指软件测试中运行测试所需的基础设施，林俊旸用它描述 Agent 时代的核心能力：模型周围的工具、记忆、环境、权限、验证机制以及多 Agent 协作范式，将和模型本身一起决定最终效果。

下一代 AI 公司的壁垒，正在从模型参数转向模型与环境构成的整个系统。

而这个判断正被行业数据验证。前段时间 XLANG Lab 发布 OSWorld 2.0 基准测试，把电脑操作任务扩展到 108 个真实长程工作流，结果显示，表现最 好的 Claude Opus 4.8 在最严格的全任务完成指标下只能做到 20.6%，GPT-5.5 约为 13%。

对于 Agent 的瓶颈，研究者总结了五类典型失败：信息遗漏与追踪失败、感知与行动时序错位、领域知识与工作流缺失、验证与反思不足、长程状态漂移。

模型会忘记最初的指令约束，会在几十步操作后偏离目标，会在异常时无法自我修复。这正是 Pragmatik 官网四个动词对应的问题。推理解决 " 想什么 "，使用工具解决 " 做什么 "，从反馈中学习解决 " 怎么改 "，协调行动解决 " 如何完成长任务 "。

真正值得玩味的是 Pragmatik 同时布局 Digital Agents 和 Physical Agents 的决定。

数字 Agent 以浏览器、代码库、SaaS 为舞台，数据天然数字化，试错成本低，迭代按天计算。物理 Agent 要面对机器人本体、传感器、复杂控制系统和不确定的物理定律，一次错误可能损坏硬件，迭代周期长且资本开支巨大。

多数创业公司会选择单点突破。林俊旸选择两条线同框推进。在他的技术框架里，数字与物理只是 Agent 面对的两种环境形态。

操作电脑的 Agent 需要感知屏幕、调用软件、根据反馈调整计划；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。输入输出不同，核心瓶颈一致：如何在长跨度时间内维持目标、处理不确定性、从环境反馈中持续学习。

不过，野心和风险向来一体两面。20 亿美元估值对应的不只是一款 Agent 应用或一家机器人公司，它必须证明自己有机会成为下一代基础平台。

数字 Agent 要和 Manus、Devin、OpenAI Operator 竞争，物理 Agent 要面对特斯拉 Optimus、Figure、Agility 等已经抢跑的玩家。从大厂技术负责人到创业者，林俊旸面对的考验也从模型研发延伸到团队、产品和商业化。

Qwen 的成功有阿里的算力、数据和品牌背书，Pragmatik 需要在独立环境下重建这一切。

但他已经做对了一件事：在模型能力逐渐商品化的节点，没有选择再做一个 " 千问 "，把战场引向了系统和环境。这和他当年推动 Qwen 开源的逻辑一脉相承：当所有人都在堆参数时，找到真正决定胜负的下一个维度。

AI 行业的价值迁移总以出人意料的方式发生。2023 年比模型参数，2024 年比推理链长度，2025 年比开源生态，2026 年焦点转向谁的 Agent 能真正完成工作。每一次范式迁移都会重新分配行业话语权，也会重新定义什么资产最值钱。

林俊旸恰恰是这种价值迁移在市场的投影。随着算力和数据成为标配，模型能力趋于同质化，真正稀缺的是那种既懂技术又懂生态、既做过研究又带过大规模工程、对下一个范式有清晰判断并且能组团队执行的人。

资本为他们提前定价，因为他们知道，错过这几个人，很可能就错过下一个时代的入场券。