超衍智能获近4亿元天使轮融资，自进化大模型受关注

发布时间：2026-09-17 04:01 更新时间：2026-09-17 04:01 阅读量：0

9月中旬，清华系AI公司超衍智能对外披露完成两轮早期融资：天使轮与「天使+」轮累计金额近4亿元人民币。其中天使轮由IDG资本、星连资本、晶泰科技联合领投，「天使+」轮则由中关村科学城基金、深创投、上海未来产业基金联合领投。对于一家2026年才成立的公司来说，这样的融资节奏在当下的大模型赛道中并不多见。

自进化方向，与大模型训练路线有何不同

公开信息显示，超衍智能由清华大学人工智能学院助理教授陈勇超创立，技术定位是「自进化基础大模型」。所谓自进化，可以理解为让模型在训练与推理环节具备一定的自主迭代能力，而不是完全依赖人工标注数据与固定训练流程——模型在持续使用中积累经验、优化自身表现。

按照公司的表述，其技术路线是从基础模型层面构建「发现原生」能力，即模型不只是回答已知问题，还能参与发现新规律、新结论。这一方向与当前主流的「堆参数、堆数据」路线有所区别，更强调模型在科研场景中的自主探索能力。

需要说明的是，自进化目前仍处于研究探索阶段，具体效果如何、能否规模化落地，还需要看后续的公开评测与产品表现，以官方公告为准。

首款产品Apex Research：面向科研场景

超衍智能的首款产品名为Apex Research，定位科研辅助。据公开信息，该产品已展现出一定的自主科研能力，其中两篇论文在评测中超过99%人类研究员水平，并在数学领域完成了优超猜想的完整证明。

这类成果听起来很亮眼，但站长和运维读者可以换个角度理解：科研场景对模型的要求，和日常建站、写代码、做客服并不完全一样。科研任务往往需要长链条推理、多步验证，容错空间小；而企业日常使用更看重响应速度、调用成本和稳定性。所以短期内，这类「科研型」大模型的能力未必能直接平移到网站运营场景中。不过从技术演进的角度看，如果模型真能在推理链条上自我纠错、自我优化，未来在复杂运维排障、代码生成与审核这类任务上，也可能带来新的工具形态。

大模型融资热，中小团队的机会在哪里

把超衍智能的融资放到整个9月来看，会发现国内大模型赛道的资本动作相当密集：智谱完成约50亿美元融资，用于下一代GLM模型研发与算力建设；智象未来完成C+轮融资，三个月累计融资超21亿元；MiniMax在7月也完成了约20亿美元再融资。与此同时，DeepSeek正在推进登陆资本市场，月之暗面被报道在研究香港和上海两地上市的可能性。

资本向头部集中的趋势很明显，但这并不意味着中小团队没有空间。超衍智能的案例说明，只要技术路线有差异化、团队背景清晰，早期阶段依然能拿到可观的资金支持。对于关注AI行业的站长来说，值得留意的信号是：大模型竞争正在从单纯的「参数规模」转向「能力密度」和「场景落地」，谁能把模型能力转化成具体产品、具体收入，谁才更有机会走得更远。

继续阅读