未分类

无涯智远获数亿元融资,研发实时自进化RSI模型

要点

无涯智远完成数亿元天使轮及天使+轮融资,主攻大模型实时自进化技术,通过超网络生成参数更新以降低训练成本并缓解灾难性遗忘,探索 AI Agent 经验学习及企业私有化部署等应用场景。

无涯智远聚焦 Real-Time RSI(实时自进化),以参数持续学习为核心技术路径,目标是让大模型在部署之后仍能持续吸收知识、内化经验并获得新能力。随着 AI Agent 向复杂、长程任务拓展,自主探索能产生更多数据与执行轨迹,但探索效率的提升并不会自动转化为模型能力的增长;如何快速吸收新经验、降低模型训练成本,并在学习新知识的同时保留原有能力,成为持续学习必须跨越的关键障碍。无涯智远围绕快速更新、推理级更新成本和缓解灾难性遗忘三个方向展开研发,构建支撑实时自进化的底层学习能力。

技术实现上,公司采用预先训练的超网络直接生成基座模型的参数更新。超网络(HyperNetwork)是一种能够生成另一个神经网络部分或全部参数的网络,通过输入任务、数据特征或模型状态,输出目标网络所需的权重更新。用超网络直接生成基座模型的参数更新,可以让新知识成为模型自身的一部分,沉淀到自身参数中,在后续任务中持续使用。公司称,团队早前已在资料内化任务上验证过这一路径:通过一次前向计算生成轻量参数更新,适配后的模型无需直接读取原文即可回答相关问题;这一做法规避了针对每份新资料反复进行梯度优化的过程,把单次参数更新的开销推到接近推理级别,为高频、低成本的模型更新提供了范式基础。在缓解灾难性遗忘方面,公司称相较于微调对照,超网络方案在新知识学习效果和通用任务表现上均取得了更好的结果。

与这一路线同源的公开研究,是 arXiv 上的 SHINE 论文《SHINE: A Scalable In-Context Hypernetwork for Mapping Context to LoRA in a Single Pass》。该论文由北京大学人工智能研究院、北京大学电子工程学院、牛津大学和以色列理工学院的 Yewei Liu、Xiyuan Wang、Yansheng Mao、Yoav Gelberg、Haggai Maron 与 Muhan Zhang 完成,通讯作者邮箱为 muhan@pku.edu.cn,2026 年 2 月 6 日首次提交,7 月 4 日更新的版本标注了 ICML,论文给出的代码仓库为 MuLabPKU/SHINE。论文提出的是一个可扩展的上下文超网络,通过复用冻结大模型自身的参数设计,把有意义的上下文映射为高质量的 LoRA 适配器,一次前向计算即可完成,全程无需任何微调,从而把上下文知识转化为参数内知识;论文给出的实验结论是,该方法在多项任务上取得效果,同时相比基于 SFT 的模型适配节省了时间、计算与显存开销。

把这条技术路线放进一级市场的坐标里,可以看到它所在的赛道正在升温。2026 年 5 月,前 Salesforce 首席科学家 Richard Socher、前 Meta 研究员田渊栋等人创办的 Recursive Superintelligence 官宣获得 6.5 亿美元融资(约 44 亿元人民币),估值 46.5 亿美元(约 316 亿元人民币),谷歌 GV 与 Greycroft 联合领投这轮早期融资,英伟达、AMD 等也参与其中。在国内市场,超衍智能科技(北京)有限公司成立不到半年完成近 4 亿元人民币融资,天使轮由 IDG 资本、星连资本、晶泰科技联合领投,天使+轮由中关村科学城基金、深创投及上海未来产业基金联合领投,元环智能也完成连续两轮共计数亿元融资。

在应用方向上,无涯智远正在探索 AI Agent 经验学习、企业模型适配及个性化模型等路径。企业场景中,公司希望通过私有化部署,让模型在本地吸收新增业务知识,降低更新门槛并减少敏感数据外传;智能体场景中,则探索把对话、工作记录和任务轨迹中的有效经验用于后续任务。交付方式上,团队正在探索本地部署与云端服务两条路径,云端可通过共享通用基座、为不同用户维护个性化参数的方式,降低专属模型的服务成本。公司的长期目标是构建能够自主积累经验、提炼可迁移规律、持续获得新能力的智能系统,使实时自进化成为模型的基础能力,让学习贯穿模型的整个使用周期。

常见问题

无涯智远本轮融资的主要用途是什么?

无涯智远本轮数亿元融资主要用于公司自研 RSI 模型的技术攻关与产品落地。心流资本担任本轮融资的财务顾问,投资方包括五源资本、红杉中国、联想之星、中关村科学城基金及戈壁创投等多家知名投资机构。

无涯智远采用的超网络技术如何降低模型更新成本?

无涯智远采用预先训练的超网络直接生成基座模型的参数更新,将单次参数更新的开销推到接近推理级别。这一做法规避了针对每份新资料反复进行梯度优化的过程,为高频、低成本的模型更新提供了范式基础,同时有助于缓解灾难性遗忘。

无涯智远在应用方向上有哪些探索?

无涯智远正在探索 AI Agent 经验学习、企业模型适配及个性化模型等路径。在企业场景中,公司希望通过私有化部署让模型在本地吸收新增业务知识;在智能体场景中,则探索把对话、工作记录和任务轨迹中的有效经验用于后续任务,交付方式涵盖本地部署与云端服务。

免责声明本页信息整理自互联网公开渠道,仅供资讯参考,不构成任何投资或商业决策依据;相关产品参数、企业信息可能存在滞后或误差,请以厂商官方发布为准。如内容涉及版权、准确性或侵权问题,请联系 981209856@qq.com,我们将第一时间核实处理。

卫景行

卫景行,关注大模型、算力与产业应用。

公安联网备案冀公网安备13068102000496号