前千问负责人林俊旸杀回 Agent：为什么最懂大模型的人，都不再卷预训练了？

前千问负责人林俊旸杀回 Agent：为什么最懂大模型的人，都不再卷预训练了？

距离深夜留下那句「bye my beloved qwen」仅仅过去 5 个月，前阿里通义千问（Qwen）核心负责人林俊旸就官宣了自己的新创业项目：Pragmatik Labs（语用科技）。红杉中国与高榕创投领投，腾讯和上海未来产业基金跟投。

更值得关注的是新公司的定位：Agents for digital and physical worlds（面向数字世界和物理世界的智能体）。

一个曾带出全球顶尖开源大模型家族的技术大牛，创业第一天既不造全能大模型，也不卷基座参数，而是直奔跨数字与现实世界的 Agent 而去。

这不仅是一个大员离职创业的故事，更是大模型下半场风向标的彻底调转。

为什么大模型大神都不再卷预训练了？

如果放在两年前，像林俊旸这种级别的科学家创业，投资人闭着眼睛也会砸钱让他再去炼一个千亿参数的基础大模型。但到了 2026 年，情况彻底变了。

首先，基础模型的垄断高墙已经筑起，纯预训练的边际收益在锐减。 烧几万张 H100 出来的基座模型，在能力上可能只比开源社区高了 5% 到 10%，但商业门槛和算力成本却呈指数级暴涨。对于创业公司来说，继续在基座预训练上死磕，无异于拿手枪去冲巨头的机枪阵地。 其次，大模型必须走向「实用主义」（Pragmatic）。 Pragmatik 这个名字源于语用学，也源于 Pragmatism（实用主义）。当行业过了晒 Benchmark 的自嗨期，大家发现：能写诗、能答题的基座模型并不能直接解决实际生产力问题。真正能产生商业价值的，是能够独立规划、工具调用、长期执行任务并具备容错能力的 Agent。

当最懂预训练的人都不再卷预训练，说明整个行业的技术栈重心已经不可逆转地向应用编排层（Harness / Agentic Systems）转移。

数字与物理的双轮驱动：Agent 终局在真实世界

林俊旸的新公司提出了两个核心维度：Digital Agents（数字智能体） 和 Physical Agents（物理智能体）。

这手棋落得非常犀利。

纯粹的数字 Agent（比如代写代码、自动跑报表、自动化运维）目前正在应用层杀得一片血海。但绝大多数数字 Agent 都卡在同一个死穴上：长程任务（Long horizons）的成功率太低。 一旦流程超过 10 个步骤，错误累积就会导致整个 Task 崩溃。

而引入 Physical Agents（物理智能体/具身智能），则是将 Agent 的决策中枢延伸到了物理世界。AI 不能永远隔着屏幕纸上谈兵，它必须能接管机器人、控制设备、在物理空间里处理长流程作业。

从研究到产品（Research to Product），再到长程任务（Long Horizons），这套组合拳表明：未来的竞争不再是看模型记住了多少知识，而是看 Agent 能在复杂多变的真实环境中连续工作多久不出错。

开发者与从业者该看清什么？

林俊旸的创业给所有 AI 开发者和产品经理敲响了警钟：

1. 别再沉迷于「套壳 API」和单纯的 Prompt 工程。 真正的 Agent 系统需要深厚的控制工程、反馈机制和长任务编排架构，简单的链式调用在复杂生产环境中脆弱得像一张纸。 2. 软硬结合是终极战场。 仅仅懂得代码和文本处理已经不够了，未来高价值的 Agent 将大量涉及物理世界感知、多模态交互和具身设备调配。 3. 警惕概念反噬。 Pragmatik 官网直接挂出了超级智能（superintelligence）的招聘口号，听起来极其宏大。但对于任何 Agent 项目来说，用户最终只看一个指标：给它一个复杂任务，它能不能不用人盯着、真正干完？

总结

林俊旸用 Pragmatik 的成立给 5 个月前的离职风波画上了句号。

「Bye my beloved qwen」的下半句，不是再造一个 Qwen，而是重新定义 Agent。大模型作为引擎的时代已经确立，现在到了建造飞船的时刻。

基础模型的狂欢属于巨头，而 Agent 落地与真实世界的重构，才是所有真正聪明人的新战场。