去职五个月后，8月12日凌晨，林俊旸在X平台发了一条推文，宣布上海成立Pragmatik Labs（语用科技，以下简称“Pragmatik”），方向是“横跨数字世界和物理世界的下一代智能体”。

一同公布的还有融资细节。钛媒体援引知情人士消息，Pragmatik天使轮融资2.2亿美元，投后估值约20亿美元（约合人民币135亿元）。

高榕创投与红杉中国各出资约1亿美元共同领投，腾讯控股（00700.HK）通过旗下上海启善投资有限公司投资约2000万美元，上海未来产业基金同步参投，但老东家阿里巴巴（09988.HK/BABA.N，以下简称“阿里”）缺席。

因阿里转向商业化优先，林俊旸的全栈式技术路线被否，他五个月前愤而离职。如今，“粮草”到位的他要同时闯入数字Agent与物理Agent两条赛道，直面阿里、字节跳动、特斯拉（TSLA）等巨头。

阿里缺席

3月3日，阿里云CTO周靖人向林俊旸传达了团队拆分方案：Qwen（通义千问）团队从“垂直整合”拆分为预训练、后训练等独立水平团队，林俊旸的管理范围大幅缩小。

林俊旸坚持的“小团队、大闭环”全栈式打法遭到否决。当夜在钉钉群留下一句“无颜再带领大家”，次日凌晨，林俊旸在X发文：“我要卸任了。再见，我亲爱的qwen。”

这种剧烈的反应，表明阿里上述调整带给林俊旸的巨大落差。

3月5日，阿里巴巴CEO吴泳铭在内部邮件中回应：公司已批准林俊旸辞职，感谢其付出。邮件同时宣布成立基础模型支持小组，由吴泳铭、周靖人、范禹共同协调资源。

此次组织调整的大背景，是阿里AI战略从追求技术声望，转向追求商业变现与应用落地。

阿里是现实的，作为一个互联网大厂，持续高额的资本开支，需要为大模型搭建商业模式，无需指摘。吴泳铭多次表示，AI业务已跨越投入期，正式迈入商业化回报周期，目标是在2026年底AI模型与应用服务的年化收入突破300亿元。

有报道称，阿里内部有高管将林俊旸团队刚刚发布的Qwen-3.5称为“半成品”。在商业目标驱动下，公司需要的是能快速响应市场、灵活调配资源的组织架构。

这种来自上层的负面评价，无疑加剧了阿里和林俊旸的矛盾。对林俊旸来说，管理一个模块意味着他的技术理想被否定、个人权威被削弱、多年的努力的方向被质疑。

Pragmatik的天使轮股东，没有阿里及阿里背景资金入局，反而向腾讯敞开了怀抱。这足以说明林俊旸对这次离职的介怀之深，其执念甚至大到了他可能疏忽了，正是在阿里和Qwen平台上，他成长为AI俊彦。

变现难题

大模型及AGI（通用人工智能）当然是需要英雄洞见的长坡厚雪。但在当下的时间节点，当Anthropic、OpenAI估值逼近万亿美元，当豆包、DeepSeek月活用户1.5亿+，当kimi K3参数高达2.8万亿，强如林俊旸，梦想也必须落地，必须从小切口出发。

林俊旸的梦想，最终也要给资本提供变现可能。这可能也是林俊旸为何要妥协，选择了智能体而非AGI的创业方向。

据IDC数据，2024年中国企业级AI智能体市场规模为86亿元，2025年跃升至212亿元，预计2026年将增至449亿元；到2029年有望突破3320亿元。然而，在市场规模增长的背景下，整个行业变现仍不容易。

2026年世界人工智能大会（WAIC）期间，腾讯云副总裁吴运声表示，腾讯云不会采用按任务计费的商业化模式，核心原因是业务、任务边界难以精准界定。

一个成功的商业模式，必须让买卖双方都对“付多少钱来换什么服务”有清晰的预期。而对AI智能体，最直观的想法就是按任务计费。

但吴运声的回答直接点破了这个模式的致命缺陷，原因是任务太难精确定义了。生成的报告难度有高有低，处理数据有多有少，这就无法像水电费那样按“度”或“吨”来精确计量。

连腾讯这样的巨头都无法精确定价的市场，初创公司的变现难度可想而知。Gartner在2025年6月预测，到2027年底，超过40%的代理型AI（Agentic AI）项目将被取消，主要原因有三个：成本失控、业务价值不清、风险管控不足。

Gartner高级总监分析师Anushree Verma指出，许多组织低估了将Agentic AI系统从试点扩展到生产的复杂性。目前大多数项目仍处于早期试点或概念验证阶段。

再看其他大厂，OpenAI将Operator纳入200美元/月的Pro订阅，但转化率从未公开。Manus被Meta（META.O）以20亿美元收购；但在被收购前，其独立融资时估值仅约5亿美元。愿意委身Meta，某种程度上恰恰说明独立变现的难度。

也是基于上述种种现实考量，一家天使轮公司拿到百亿元级估值、起步就是独角兽，表明市场愿意相信林俊旸，愿意为其愿景买单。但A轮、B轮、C轮，每次融资续命，投资人都要看到产品、用户、营收，以及清晰的商业化路径。

案例并不遥远。光年之外、百川智能，高光期的意气风发，低沉期的关停并转，转换可能就在一瞬间。Pragmatik当然与此不同，其不过是刚刚起步；创业的苦，林俊旸可能还尚未及深入体会。

双线实验

在下一代智能体的总括愿景之下，Pragmatik官网明确将研究方向分成两个板块，即Digital Agents（数字Agent）和Physical Agents（物理Agent）。

图片来源：Pragmatik官网

数字Agent面向知识工作与企业运营，物理Agent则将智能带入真实环境，执行长周期任务。但在这两条赛道上，林俊旸周遭可谓是群狼环伺。

2026年作为Agent元年，互联网大厂在数字Agent领域的争夺已全面铺开，涉及生产力场景、企业级服务、开发者生态和基础设施等维度。

生产力场景方面，腾讯WorkBuddy凭借微信、企业微信的生态优势领跑，2026年6月月访问量达2097万次。其产品矩阵还包括编程助手CodeBuddy、系统级PC操作Agent Marvis等。

字节跳动通过整合豆包和飞书，主打“买豆包送飞书”的策略，强化文档、会议等全链路智能联动。林俊旸老东家——阿里将QoderWork、MuleRun、悟空整合为千问办公， 深度适配钉钉组织体系。百度集团（0988.HK/BIDU.O）推出了通用智能体百度搭子(DuMate)，360推出纳米Work等。

同时，各家又在企业级服务领域展开激烈竞争。阿里云发布“Agent Native Cloud”， 其瓴羊AgentOne主打“数据+智能”，旨在成为深入业务流的数字员工。腾讯云推出全栈Agent能力矩阵，字节跳动的火山引擎发布面向政企、工业的集群Agent行业解决方案。

代码智能体（Coding Agent）更是各领风骚。Anthropic、智谱（02513.HK）、月之暗面等均位列其中。

Pragmatik在数字Agent领域要面对如此多的强大对手，且资金、资源方面远不如大厂，如何才能在激烈的市场竞争中分得一杯羹？

物理Agent的竞争同样激烈，且壁垒更高，行业竞争甚至已超出单台机器人的性能比拼。

特斯拉是典型案例之一。Optimus的优势不在于本体，而在于背后那套已被自动驾驶验证过的AI基础设施。特斯拉有着数十亿英里的FSD真实道路数据、长期积累的视觉感知和世界模型训练经验、自研AI芯片和超算体系。有报道认为，特斯拉做机器人，是在搭建AI如何进入物理世界的底层基础设施。

国内大厂也在加速布局。京东集团（09618.HK./JD.O）已开源JoyAI系列模型，围绕真实世界的感知、交互和行动构建技术体系。腾讯展示Robotics X具身智能布局，明确不造机器人本体，只造大脑。

更重要的是物理智能本身的难度。智元机器人姚卯青在WAIC上指出，物理智能规模化必须突破三道墙，即数据墙、表征墙和闭环墙。物理AI的竞争已超出单台机器人的性能，真正拉开差距的，是数据、模型、终端与场景能否形成持续迭代的闭环。

大厂的壁垒在于它们有真实的物理场景去部署、验证和迭代。特斯拉有工厂，京东有仓库和物流网络，腾讯有丰富的生态场景。而Pragmatik作为一家初创公司，既没有现成的物理场景，也没有积累多年的真实交互数据。

这就意味着双线作战的Pragmatik需要同时面对数字Agent和物理Agent两类巨头，也意味着Pragmatik必须同时投入两套资源体系。

而至少创业初期，这两套资源复用空间甚少，Pragmatik目前的2.2亿美元天使轮融资，分到两条赛道上，是否明智之选？

值得指出的，算力正变得越来越贵。据SemiAnalysis数据，英伟达H100一年期GPU租赁合同价格已从2025年10月的每GPU每小时1.70美元飙升至2026年3月的2.35美元，涨幅近40%。到2026年8月，H100的小时租赁价格已较年初上涨约50%，由不足2美元升至接近3美元。

对一家需要从零开始搭建训练集群的创业公司来说，这直接推高了入场门槛。据Epoch AI估算，GPT-4的训练成本约为8000万美元。斯坦福大学报告及行业分析更称，谷歌Gemini Ultra的训练成本约为1.91亿美元。

36氪称，算力和云服务的支出，已占国内AI初创公司总支出的60%-80%。而Pragmatik要做的远不止训练一个模型，林俊旸要在数字和物理两条赛道上同时推进研发、采集数据、迭代模型。

与此同时，Pragmatik还要面临战略层面的错位风险。数字Agent的竞争已经进入产品化和规模化阶段，需要快速响应市场、持续迭代；物理Agent则处于早期探索期，需要长期投入和耐心等待技术突破。

Pragmatik的选择，既是差异化定位的勇气，也让林俊旸自己在两条赛道上腹背受敌。加油，林俊旸。