南芥智能完成近亿元首轮融资，鼎信资本与南京市创新投资集团联手押注AI基础设施

南芥智能（SinapisAI）近日宣布完成近亿元人民币首轮融资，本轮融资由鼎信资本与南京市创新投资集团共同投资。这一融资消息在创投圈引发关注，不仅因为融资金额在早期项目中颇为可观，更因为其背后所代表的“学件”技术路线正在尝试为海量模型时代的AI能力组织方式提供一条不同于“训练更大模型”的新路径。在基础模型能力持续攀升、模型生态日益多元的背景下，南芥智能所瞄准的“模型协作基础设施”定位，恰好切中了一个正在浮现的市场空白：当企业与开发者面对的不再是一两个通用大模型，而是数以万计、能力各异、格式不一的模型资产时，如何让这些分散的能力被有效发现、理解与组合，正在成为一个真实的工程难题。

本轮融资的投资方组合颇具看点。鼎信资本是江苏省首批规范备案的创投管理机构之一，成立于2009年，总部位于南京，旗下管理多支创投基金，管理规模达数十亿元人民币，长期专注于生物医药、互联网及低碳等领域的股权投资与并购。南京市创新投资集团则由南京市委市政府于2018年批准组建，注册资本150亿元，受托管理的市级政府引导基金和市场化基金已累计在南京设立100余支子基金，总规模超2000亿元，合作子基金和直接投资科技创新项目超2000个。两者的联手，既体现了南京本地资本对本土AI原创技术团队的持续关注，也反映出投资方对“学件”这一学术概念商业化前景的认可。根据公开信息，本轮融资将主要用于底层技术研发、产品建设和市场拓展。

南芥智能的核心团队来自南京大学人工智能学院LAMDA实验室，联合创始人孙腾中担任CEO，刘建东担任CTO。公司的技术根基是中国科学院院士、南京大学副校长周志华教授提出的“学件（Learnware）”范式。与当前主流的大模型技术路线不同，学件理念的核心不在于训练一个更大、更强的通用模型，而在于让已经训练好的模型——无论是专用小模型还是配置后的大语言模型——能够被标准化描述、检索、复用与组合。通俗地说，学件试图解决的是模型世界的“发现与复用”问题：当一个制造企业需要一个缺陷检测模型时，它不必从头训练，也不必盲目猜测哪个开源模型适用，而是可以通过统一的描述规范找到已经具备该能力的模型，并按需调用。这一思路的产业链位置介于模型开发者与企业用户之间，上游是高校、研发团队和软件企业手中的算法与模型，下游是医疗、制造、能源等行业的具体场景需求。

从行业趋势来看，南芥智能所切入的时机有其合理性。过去几年，AI能力的提升主要依赖单个模型的规模扩展，参数量的增长确实带来了能力的跃升。但与此同时，模型世界正走向多元：通用大模型擅长开放式任务，而大量依赖专业数据的小模型在垂直场景中仍不可替代。不同模型的输入输出格式、适用数据、评价指标和训练来源各不相同，用户往往无法仅凭名称判断某个模型能否解决自己的问题。南芥智能CTO刘建东对此的判断是：“近年来，AI能力的提升主要依赖单个模型的规模扩展；未来，海量模型的汇聚与协作，也有望成为智能增长的新路径。” 这一判断如果成立，意味着在基础模型与应用之间，一个负责模型能力理解、组织、调度与协作的基础设施层将成为必要环节。

当然，从学术原型到可规模化交付的商业产品，南芥智能仍需跨越诸多工程与商业门槛。模型接口、数据格式、版本管理和评价口径的不统一是首先需要解决的技术问题；多个模型组合后误差传递的风险，则要求系统不仅能够检索模型，还要能判断模型在特定任务上的可靠程度。商业化层面，模型的知识产权归属、数据安全、私有化部署能力以及企业客户对第三方系统的信任度，都是决定“学件”模式能否落地的关键变量。目前，南芥智能尚未公开正式产品名称、可接入模型数量及付费客户情况，这也意味着公司仍处于将学术积累转化为工程系统的早期阶段。首轮近亿元融资的到账，为这一转化过程提供了必要的资金支撑。对于鼎信资本和南京市创新投资集团而言，这笔投资所押注的不仅是一家初创公司，更是一个关于AI能力组织方式的判断：当模型数量从“百模大战”走向“万模生态”时，让模型之间彼此“认识”并协同工作，或许将成为智能持续增长的一条重要路径。