苏煜，一个想让AI学会学习的清华人

4000万美元。

种子轮。

2026年4月21日，一家叫NeoCognition的AI公司从隐身模式走出来, 拿下了这笔钱。联合领投方是Cambium Capital和Walden Catalyst Ventures，参投方包括Vista Equity Partners等机构，天使投资人和创始顾问名单里有一堆让人倒吸凉气的名字，英特尔CEO兼Walden创始管理合伙人陈立武, Databricks联合创始人Ion Stoica，还有宋晓冬、Ruslan Salakhutdinov这些AI圈的顶级学者。

image

image

而这家公司的创始人, 是一个在俄亥俄州立大学当教授的中国人。

他叫苏煜。

一个清华计84班的人

苏煜的履历放在任何地方都算得上漂亮。2008年进清华计算机系，计84班, 2012年拿到学士学位。然后去了加州大学圣塔芭芭拉分校读博, 博士期间就在微软研究院实习，毕业后加入微软Semantic Machines担任高级研究员，做对话式AI，前后和微软打了多年交道。

2020年，他去了俄亥俄州立大学当助理教授。从那之后, 他的学术产出可以用炸裂来形容。

Mind2Web，一个让AI学会操作网页的基准测试，被OpenAI、Anthropic、Google的前沿模型广泛采用。MMMU, 一个多模态理解的评测集，拿了CVPR 2024最佳论文Finalist。SeeAct，让普通人一键使用GPT-4V驱动的网页智能体。HippoRAG, 从生物智能中获得灵感，给AI装上一个类似海马体的记忆系统。

ACL杰出论文奖, COLING杰出论文奖，CVPR最佳学生论文奖，NSF CAREER Award，2025年斯隆研究奖。

斯隆奖素有诺奖风向标之称，历史上58位斯隆奖得主后来拿了诺贝尔奖。清华计算机系历史上拿过这个奖的人，屈指可数。

但苏煜没有停在这些荣誉上。

image

image

AI的50%困局

2026年的AI行业有一个公开的秘密。

Claude Code, OpenClaw, Perplexity，这些名字响当当的AI工具, 在实际执行任务的时候，成功率大约只有50%。你交给它两次任务，就可能搞砸一次。整理会议纪要漏掉关键信息, 写的代码跑不通还得人手动修，安排行程把时间搞混。

企业用户每次用AI, 都像在开盲盒。

苏煜对这个问题想了很久。他在OSU带着团队做了好几年智能体研究，从感知到记忆，从规划到评估，从安全到基准测试, 智能体拼图的每一块他都摸过。他比大多数人更清楚，问题出在哪里。

通才型AI什么都懂一点，但什么都不精。它们缺乏对特定环境的深度理解, 无法像人类一样快速适应新场景。每次换一个任务，换一个领域，就得重新调教, 重新定制。成本高，效果差，扩展性几乎不存在。

苏煜的判断很直接。真正的智能，关键在于在特定领域能成为可靠的专家。

人类之所以高效，是因为进入一个新环境后，能迅速构建起对这个环境的认知模型。理解规则，理解关系，理解什么能做什么不能做。然后越做越熟, 越做越快，最终变成这个领域的专家。

他想让AI也做到这件事。

NeoCognition的赌注

2026年4月，苏煜和他在OSU的两位同事邓翔、谷雨一起创办了NeoCognition。

邓翔，中科大本科, OSU博士，在谷歌做过Research Engineer, 在Scale AI当过Senior Research Scientist。谷雨，南京大学本硕，OSU博士, 在微软研究院实习过，专攻语言智能体。

三个人都是做智能体研究的，都在OSU的NLP组待过，彼此知根知底。

NeoCognition做的事情, 用一句话概括就是，让AI学会在工作中学习。

他们的智能体进入一个新环境后，不会依赖静态的训练数据，也不会等人反复给提示。它会自己观察环境，理解工作流程和约束条件, 逐步建立一个微观世界模型。这个模型里不光有数据，还有流程、规则、反馈机制。智能体通过不断和环境互动, 积累经验，调整行为，最终在特定领域达到专家级别。

这跟现在主流的做法完全不一样。现在行业里做垂直AI，基本是一个场景一套定制方案, 单独开发，反复调优。NeoCognition想做的，是一个通用的自我学习机制，放到任何领域都能快速专业化。

听起来很美好, 但也很冒险。

image

image

为什么有人愿意押注

4000万美元的种子轮，在2026年的AI投资热潮里算不上天文数字。2026年第一季度全球初创企业投资额达到3000亿美元，AI赛道更是卷到飞起。但NeoCognition拿到的，是一笔超额认购的融资，投资方阵容也相当讲究。

Cambium Capital的 managing partner Landon Downs说, NeoCognition的核心是一种全新的学习机制，能让智能体非常快速地专业化。Walden Catalyst Ventures的创始管理合伙人陈立武，同时也是英特尔CEO，他说苏煜的团队已经覆盖了智能体拼图的每一块, 从感知到记忆到规划到评估到安全，他们有信心NeoCognition能解决智能体AI中最难的问题。

Databricks联合创始人Ion Stoica的判断更直白。他说通用智能体正在变成标配，AI接下来的关键挑战是实现专家级智能。NeoCognition让智能体通过学习成为专家的路径, 有潜力达到高风险应用所需的可靠性、效率和成本效益。

还有一个人值得关注。Vista Equity Partners，全球最大的软件领域私募股权公司之一, 也参与了这轮融资。Vista手里有庞大的企业软件投资组合，这意味着NeoCognition不仅拿到了钱，还拿到了一条直接接触大量潜在客户的通道。

苏煜自己也说, Vista的参与会极大加速NeoCognition的产品落地和行业渗透。

大约15个人的团队

NeoCognition目前团队规模大约15人，大多数拥有博士学位。

创始技术成员尹达，北大本科, UCLA博士, Meta博士后，研究方向是智能体训练中的合成数据与环境、智能体奖励建模。负责业务与增长的Surbhi Agarwal，在Google Cloud管过价值12亿美元的AI与数据产品组合，主导过AutoML、BigQuery ML等产品的上市。

这是一支典型的研究型创业团队。核心是学术出身的技术人，配上少数有实战经验的商业人才。小而精，博士密度极高。

这种团队结构的好处是技术深度够, 坏处是商业化能力未经验证。不过考虑到NeoCognition瞄准的是企业级SaaS市场，Vista的投资组合能提供不少现成的客户资源，这个短板未必是致命的。

一条更难的路

说实话, NeoCognition选了一条不好走的路。

让AI自主学习、持续进化，听起来是正确的方向，但技术挑战巨大。动态环境中的行为可控性怎么保证, 持续学习过程中的灾难性遗忘怎么解决，在金融、医疗这些敏感行业里的合规风险怎么应对，每一个都是硬骨头。

苏煜自己也清楚这些困难。他在公开场合说过，AI在执行需要深度专业知识的实际工作时，根本上是不可靠的。他的解法是模仿人类获取专业能力的方式，通过构建微观世界的结构化模型来消除当前模型所需的大量手动定制。

但模仿归模仿，人类大脑经过了几百万年的进化，才具备了这种快速学习和专业化的能力。AI要在几年内走完这条路, 谁也不敢打包票。

而且，大厂也不是吃素的。OpenAI、Anthropic、Google，这些公司每年烧掉几十上百亿美元, 也在往智能体方向发力。NeoCognition作为一个15人的小团队，能不能在巨头碾压下活下来，本身就是一个问号。

但这正是让人好奇的地方

苏煜这个人, 有一个特点。

他跟那些追热点的创业者完全不同。他在ChatGPT爆火之前就在做智能体研究了，OSU的NLP组是美国最早一批开发基于大语言模型的智能体的团队之一。他的很多工作，比如Mind2Web，比如MMMU，后来都成了整个行业的基石。

他也跟纯学术的人不一样。在微软做过实际产品，知道技术落地是怎么回事。他写的博客文章里经常引用生物学的研究，对自然选择和生物智能有很深的兴趣，HippoRAG这个项目直接从海马体的记忆机制中获得灵感。

这种既懂前沿理论又关心实际落地，既扎根计算机科学又从生物学中汲取营养的人，在AI创业圈里并不多见。

2025年，他拿到了终身教职，升了副教授，获得了NSF CAREER Award和斯隆研究奖。学术上可以说是功成名就。但他选择在这个时候出来创业，放下安稳的教授生活，去赌一个可能成功也可能失败的未来。

这需要一种特别的勇气。

从通才到专家

NeoCognition的出现, 其实折射出一个更大的趋势。

过去几年，AI行业痴迷于打造通才型大模型，试图让一个模型回答所有问题、完成所有任务。但通用和可靠之间，存在一道巨大的鸿沟。什么都会一点的东西，往往什么都不精。

苏煜选择了一条更务实的路。让AI先学会学习，再成为专家。如果这条路走通了，AI就不再只是一个回答问题的工具，而是一个真正能独立完成工作、值得信赖的协作者。

当然，这条路能不能走通，现在下结论还太早。4000万美元的种子轮能撑多久，技术路线能不能跑通, 商业化能不能落地，这些问题都需要时间来回答。

但有一点是确定的。在所有人都往更大的模型、更多的参数、更通用的能力狂奔的时候，有一个人选择停下来想一想，也许方向本身就需要调整。

这个人叫苏煜，清华计84班，俄亥俄州立大学教授，NeoCognition创始人。

他赌的是, AI的下一步进化，关键在于变得更专注。