NEOCOGNITION
押注"专家型" Agent，而非更大的通用模型

NeoCognition 由俄亥俄州立大学（OSU）计算机科学与工程系教授 Yu Su 及其研究团队 Xiang Deng、Yu Gu 联合创立，是从 OSU 的 Σ-Research 实验室直接孵化的学术衍生公司。2026 年 4 月完成 4000 万美元种子轮融资，领投方为 Cambium Capital 与 Walden Catalyst Ventures，Vista Equity Partners 跟投，英特尔 CEO Lip-Bu Tan 作为天使投资人参与——这是 2026 年 Agent 赛道最大的研究性种子轮之一。

公司的核心命题是"Specialized Intelligence"：与其追求更大的通用模型，不如构建能在任意领域自学习成为专家的 Agent 系统。这一路线源于 Yu Su 团队长达数年的核心洞察——当前 LLM 在陌生专业领域的表现远不及人类专家，根本原因不是参数规模不够，而是缺乏系统性的领域专门化学习能力。

顾问团队汇集了 Dawn Song（UC Berkeley，安全 AI 领域标志性人物）、Ruslan Salakhutdinov（CMU，苹果 AI 研究主任，深度学习奠基人之一）、Luke Zettlemoyer（UW / Ai2，NLP 语言理解顶尖学者），显示出学术界对这一方向的高度认可。

Mind2Web（2023）：在 ChatGPT 爆红前就启动的前沿工作，第一个系统评估 LLM 作为通用网页 Agent 的综合基准，覆盖超过 137 个真实网站的 2350 条任务，把网页操作序列分解为可量化的行为链，为后续所有 Web Agent 研究建立了评估标准。

MMMU（2024）：Massive Multitask Multimodal Understanding，横跨 30 个学科（医学、法律、工程、艺术等）的 11,500 道专家级题目，每道题均含图像或图表。GPT-4V、Claude 3、Gemini 等顶尖多模态模型均以 MMMU 作为核心能力评估标准——它揭示了一个关键真相：即使最强的通用多模态模型，在专业领域的表现也显著低于人类专家。

Specialized Intelligence（2025 至今）：NeoCognition 的核心产品方向——构建能够在任意领域主动自学习的 Agent，类比人类从新手到专家的认知成长路径。与 RLHF 通用对齐不同，它让 Agent 针对法律、医疗、金融、工程等特定领域深度钻研，形成超越通用模型的专业能力，主攻企业 SaaS 中需要深度领域知识的工作流自动化场景。

差异化定位：OpenHands（CMU / All-Hands AI）聚焦软件工程 Agent，Cognition/Devin 专注代码生成，SWE-agent 定位软件工程自动化——NeoCognition 的差异化在于跨越代码边界，面向法律合规审查、医疗记录分析、金融风险评估、工程设计审核等非代码场景，这是一个竞品密度相对低、但执行难度极高的方向。

Mind2Web 和 MMMU 都是 Agent 评估领域的基础性工作——前者在 ChatGPT 发布前就已启动，后者成为全球多模态模型的标准测试台。Yu Su 在该领域有超过 5 年的系统性积累，这不是 2023 年 Agent 热潮后才入场的机会主义，而是真正的长期深耕，也直接转化为对"专家 Agent"问题的清晰认知。Vista Equity Partners 作为企业软件领域最有眼力的增长期投资机构之一参与早期轮，以及英特尔 CEO Lip-Bu Tan 作为天使投资人加入，都说明工业界对这一路线有具体、非学术自娱式的信心。

"专门化"而非"通用化"也是一个清醒的差异化战略：与其在 GPT-5、Claude 4 面前竞争通用能力——这场比赛几乎确定由资本雄厚的大公司赢得——不如在特定领域做到比任何通用模型都强。企业客户购买软件的核心逻辑是"这个工具能替代我某个具体职能"，而不是"这个工具什么都懂一点"，Specialized Intelligence 路线直击企业采购决策。

但最大的张力恰恰在于：Mind2Web 是极佳的学术成果，商业产品需要完全不同的执行能力——GTM 策略、企业销售、客户成功、合规体系、工程可靠性。历史上很多学术衍生公司都倒在了从"论文"到"产品"这一步。4000 万美元的种子轮给了充足的跑道，但方向正确不等于执行跟得上，"领域专门化自学习"在实际企业部署中的真实性能，目前仍是一个尚未被产品数据回答的开放问题。