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。
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。
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”，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。一个名字浓缩了他从学术到产业的全部路径。
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。