登顶国际榜首,清华团队连融4轮

投资界·2026年11月16日 11:36
中国原创基模国际登顶。

投资界获悉,数据基模公司稳准智能连续完成数亿元的A轮与A+轮融资。其中,A+轮投资方包括鼎晖投资、上海国投先导、徐汇科创投等一线机构;A轮由国科投资与和玉资本联合领投,高鹄资本担任独家融资顾问。至此,稳准智能自成立以来已连续完成四轮融资,此前还获得雄安基金与东方富海等知名机构的连续加注。

虽然一级市场融资迎来降温,但稳准智能的份额依旧抢手。投资界了解到,有机构在上一轮拿不到份额,这一轮早早预定;而某罕少出手的头部基金,此次更是锁定大笔份额。

如此逆势融资,稳准智能首席科学家崔鹏感触颇为深刻。这既是头部基金对一条由中国团队自己定义的技术路线的集体下注,也标志着LDM(Large Data Model,数据大模型)从以往的“冷板凳”走到了聚光灯下。

与全球都在追逐的LLM赛道不同,LDM瞄准实体经济海量结构化工业、科研数据,走出一条区别于通用大语言模型的原创技术路径。

而作为国内LDM赛道的开创者,稳准智能开始走到台前。技术圈外可能不知道,其新一代“极数”数据大模型LimiX-2在TabArena、TALENT、BCCO三项结构化数据基准的综合评测中,均取得参评模型第一的成绩。甚至,英伟达在官方技术文章中直接将稳准智能的LimiX-2纳入性能对比,以此为参照介绍新模型的推理效率。

这支清华师生团队的轮廓在投资人眼中清晰起来:他们在LLM之外,开辟LDM这条技术路线,补强中国基础模型体系面向科学发现与产业复杂决策的能力。如今在因果学习领域的重要学术会议和科研论坛上,这支团队都是绕不开的代表性力量。他们所开辟的这条原创技术路线,也正成为越来越多产业投资人关注与布局的焦点。

清华师生联手雄安国资给第一笔钱

在大多数投资人的印象里,稳准智能有着类似智谱的团队色彩——源于清华计算机系的师生创业。

还是先从首席科学家崔鹏说起。2005年,崔鹏考入清华大学计算机科学与技术系攻读博士学位,他将研究聚焦于人工智能与大数据分析,2010年博士毕业后留校任教。十余年间,崔鹏先后当选国家杰青、国际计算机协会(ACM)杰出科学家、IEEE Fellow等,于2018和2024年两次获得国家自然科学二等奖,在顶级国际会议和期刊发表论文200余篇,包揽国内外众多顶级奖项,学术引用量超3.4万。

稳准智能首席科学家 崔鹏

做研究,他更偏爱企业特别关注、学界却不甚关注的方向。在清华,崔鹏给组里学生的建议是远离热点,“一个方向如果很多人挤在里面,大概率只能做细碎的增量,没有条件去想底层、颠覆性的问题。”因果研究就曾经是这样一个冷板凳。

2016年起,崔鹏牵头的课题组开始专注于因果与人工智能的融合,在国际上首次提出并发展了因果启发的稳定学习理论方法体系,重点解决模型在未知环境中的泛化问题——纵深十余年的钻研,为稳准智能创业打下了技术理论基础。

自2022年,各领域AI研究提速,冷板凳也有坐热的一天,越来越多人开始注意到这里。2022年,崔鹏与因果科学领域颇具权威性的美国科学院院士、斯坦福大学教授Susan Athey在《Nature Machine Intelligence》发表观点论文,系统阐述稳定学习如何连接因果推断与机器学习;2024年,团队与国家蛋白质科学中心(北京)的研究人员合作,在同一期刊发表稳定生存分析研究,将因果启发的稳定学习进一步用于生命科学研究,也为团队面向科学数据的建模工作积累了依据。

随着学术上的阶段性目标一个个完成,经常着眼解决实体产业痛点的崔鹏发现,AI版图的一个缺口越来越明显——

如果说大语言模型对应语义空间,具身智能对应物理世界,那么实体产业里最庞大的结构化数据空间,始终没有一个通用基座模型来呈现其中规律和因果关联。这就导致大量表格、传感器时序、工艺台账等要“一个场景一套算法”“一张表一模型”“一个项目一个模型”。增删其中任何一个变量,都需要算法团队重新设计算法、训练模型,耗费数周甚至更长时间,交付重、复用差、费效比高。

这件事企业很关心,但在学界过于冷门,少有人投入时间精力。

崔鹏决定自己下场。

自2024下半年起,他带着学生正式筹备创业。崔鹏在脑海中用四个维度将创业团队拼凑起来:vision、depth、execution、distribution,分别对应着公司愿景(战略方向)、技术深度、执行交付和商业化拓展。

崔鹏自己负责vision;技术能力突出的博士后张兴璇担任CTO;另一名博士后何玥任COO。最难从实验室里长出来的是distribution,要会和人打交道,还要有marketing sense,于是他找来自己2018年毕业的博士、曾联合创办幂律智能的张天扬出任CEO。

2024年10月,稳准智能在雄安新区正式注册成立。作为央国企总部疏解的主要承载地,雄安正在集聚大批石油化工、能源、冶金领域的大型企业总部。公司落子雄安,与中国实体经济最核心的那批资产,从一开始就站在了同一片土地上。

雄安科技创新天使基金(雄安科创基金)成为第一个下注的投资方——双方自2024年秋天开始接触,从尽调、谈估值、到最后交割打款仅用了两个月时间,稳准智能也成为雄安科创基金投资的首个项目。这笔2000万元的天使融资,成为团队初创阶段启动研发的首笔资金。

此后融资打开了局面:稳准智能陆续获得了过亿元的Pre‑A轮和A轮融资,投资方包括东方富海、国科投资、和玉资本等。直到近日,数亿元A+轮融资完成,稳准智能估值在两年内翻了几番。

率先押注A轮投资的国科投资,专注于AI、智能制造等领域。“我们特别期待LimiX能成为国内工业及科研领域的核心基座大模型之一,为国家‘人工智能+’战略提供重要支撑。”国科投资表示,“早期押注这支队伍,主要看重团队在因果理论领域全球领先的研究成果和积累,以及团队能创造性地将因果理论与大模型通用训练方法结合,通过不断scaling up提升模型的泛化能力。”

长期布局前沿科技的和玉资本是A轮联合领投方之一,其在接受采访时表示:“稳准智能最打动我们的是选择了一条更难、但更贴近中国产业禀赋的原创路线。这支团队十余年在因果学习领域的积累,加上清华师生在技术深度、工程交付和商业化上的组合,让‘数据大模型’走向产业台前成为可能。他们有机会成为LDM赛道的定义者和全球竞争中的代表性中国力量。”

打破纪录中国原创基座模型登顶国际

崔鹏聊起一个关键时刻:2025年,稳准智能正式推出LDM概念,并上线“极数LimiX”基座模型。

LDM和熟知的LLM作为两种通用模型,有何不同?

最本质的差别在于通用性的来源。他举例,LLM的通用性来源于它是见多识广的经验模型,整个世界知识库都装在它的脑子里;而LDM的通用性来源于它是洞悉因果的能力模型——只要在预训练阶段,让模型具备抓取数据背后因果关系的能力,就可以在任何场景中通用,并完成预测和决策。

这背后是一套截然不同的训练范式。

在预训练阶段,稳准团队利用结构因果模型生成合成数据,覆盖不同的变量关系、生成机制与观测条件。模型通过恢复被遮蔽的数据,学习因果关系,依据已有信息推断未知量;针对结构化数据设计的架构,同时建模变量之间与样本之间的关系。

这种训练方式旨在让模型获得可以迁移的数据建模能力。面对新的研究任务,模型将当前数据作为上下文输入,在不重新训练新任务专用模型的情况下完成相应预测,为不同领域复用同一基础模型提供条件。在模型数据荒漠时代,这是一个结构性优势。

他打了一个比方:人对数字的敏感来自小时候做的各种数学题,题不是真实数据,却让人形成捕获规律的能力。“能力模型不需要真实经验,经验模型才需要”,题由浅到深、由易到难,模型自会涌现出更强的能力。“我们相当于用奥数训练(模型),最后(模型实战)参加的是高考”。

2025年8月,LimiX正式开源。多家大厂下载实测,在关键故障诊断、新材料研发、设备维护、电力交易等场景中,这套通用模型的成绩超过了客户用自有多年业务数据训练的专用模型。

随着LimiX开源,这个赛道在一年时间内热了起来。

2026年9月,新一代模型LimiX-2发布,在TabArena、TALENT、BCCO三大国际结构化数据榜单上呈现出“屠榜式”领先,均取得参评模型第一的成绩:同一个预训练模型,可以在不针对具体任务更新参数的情况下,拿到分类、回归与预测SOTA。

同月,英伟达发布Kumo Tabular,在官方技术文章中直接将LimiX-2纳入性能对比,并以其为参照介绍新模型的推理效率。这意味着稳准智能的模型能力,已成为国际头部技术企业的对标对象。

与此同时,技术突破开始进入国家科研体系。今年8月,稳准智能承担新一代人工智能国家科技重大专项“因果驱动的数据-知识双基座材料科学智能体”,将数据大模型与知识大模型的协同研发,推进到材料科学这一关键任务中。

这是路径的必然选择。大语言模型已显著增强知识获取、文献分析和任务规划能力;而科学发现进一步要求模型直接处理实验与观测数据,建立定量关系,并在研究条件变化后保持预测的可靠性——已有知识的推理能力,需要与面向未知数据的建模能力相结合。这一环节,关系到人工智能能否深入参与科学研究。

对中国而言,这项工作的意义在于,形成能够与既有大模型体系协同发展的原创基础能力,让人工智能进一步参与新知识的发现和关键技术的突破。

从更大的视角看,这不仅是稳准一家公司的创业叙事,更是中国AI立足完整工业体系禀赋,走出的一条适配本土产业国情的创新路线——从技术跟随走向了技术引领,也构建起与大语言模型互为支撑的另一极基座力量。

基础模型全球竞赛赢下这一战

方向被验证后,各方力量急切涌了进来。

正如我们感受到,今年结构化数据基础模型赛道变得热闹——国内科技企业推进同一方向,小米发布通用表格基础模型Xiaomi-TabLDM;蚂蚁研究人员参与提出RefineICL,探索表格基础模型的上下文学习机制。

目光移向海外,今年5月,SAP收购TabPFN开发Prior Labs;6月,Google把TabFM装进BigQuery;此后英伟达买下Kumo、亚马逊推出Mitra……而这些动作,大多发生在稳准智能2025年8月开源之后。

这条过去鲜少被讨论的赛道,正吸引着越来越多的创业者和投资人。

更具突破性的,则是产业领域逐渐闭环。目前,稳准智能已整体推进150多个场景的落地,并与国网北京客服中心、中网联合、中石油(北京)数智研究院、钢研国际新材料创新中心、东方国信、大唐数科、柳州钢铁、腾讯云等已陆续达成战略合作。基础模型的价值,最终是要在真实任务里建立。

在崔鹏看来,大语言模型这一局,中国是追赶者。但到了数据基座模型这一战,理论、开源基座和国家专项,都先从中国长出来,加上坐拥全球最完整的工业体系,中国手握王牌。

当然,这不是非此即彼的路线,所谓“双基座”,含义也正在这里。大语言模型之外,以LDM为代表的数据大模型,与LLM地位对等、发展天花板更高——一个负责理解语义、调用知识,一个负责分析实验与产业数据、识别变量关系。两者协同,才能支撑科学发现与实体产业的复杂决策。

“我们看好‘LLM+LDM’双基座协同发展的技术方向。在这个阶段加注结构化数据基础模型赛道,既契合国内产业升级的现实需求,也有助于推动原创技术与产业、科研场景深度结合。”某头部产业基金相关负责人表示。

换句话说,以原创的因果学习与数据建模方法,补强中国基础模型体系面向科学发现和实体产业复杂决策的能力。

正如鼎晖VGC所言:“人工智能正在从对数据相关性的学习,走向对数据背后因果规律的理解。大量工业与科学问题蕴藏在结构化数据中,如何从复杂数据中发现真正起作用的关键因素,并进一步支持预测与决策,是下一代基础模型值得探索的重要方向。稳准智能依托崔鹏教授团队十余年的因果学习研究积累,走出了一条具有鲜明技术特色的通用数据模型路线。LimiX在跨场景泛化、因果推理及真实工业场景中的表现,让我们看到了数据大模型的长期潜力。”

“国内AGI已经呈现出‘LLM+LDM’双基座协同发展的路线,上海、河北雄安等地在科学数据管理政策的完善度、产业政策和产业生态的联动性上具有独特区域优势,希望有技术创新引领性的团队能获得实战空间。”参与最新一轮融资的某基金负责人表示。

“大的核心逻辑,是通过LDM的加持,让中国AI赋能产业的能力得到系统性升级。”崔鹏总结说。在他的愿景里,LDM会很快迎来GPT-3时刻,而稳准智能最终要长成「LDM领域的OpenAI」。

某种程度上,这是中国在基础模型领域实现弯道超车的历史性机遇,决定了我们以怎样的姿态参与到这场全球竞争中。

大抵是,我们终将会赢下这场产业战役。

本文来自微信公众号“投资界”(ID:pedaily2012),作者:杨继云,36氪经授权发布。

+1
21

好文章,需要你的鼓励

参与评论
评论千万条,友善第一条
后参与讨论
提交评论0/1000
特邀作者

投资界:清科控股旗下创业与投资资讯平台

36氪AI测评

选靠谱AI,看真实评测
查看
36氪AI测评官方交流社区
加入

36氪项目推荐

咨询项目审核和入驻
联系
36氪项目推荐订阅号
关注

下一篇

虽然多数雪场还未正式开板,但许多滑雪爱好者已“闻雪而动”。从“等雪来”到“追雪去”,这个雪季的消费热潮正跑在开板时间表前。

3小时前

36氪APP让一部分人先看到未来
36氪
鲸准
氪空间

推送和解读前沿、有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚焦全球优秀创业者,项目融资率接近97%,领跑行业