商道创投网

《寻找白龙马》今日好项目>元策大模型：7×24小时持续进化的智能体，重新定义AI天花板

2026-06-15

来源：商道创投网·创投生态圈

《商道创投网》2026年6月15日从［白龙智创］微信公众号获悉：近日，《寻找白龙马》携各位专家一同调研元策大模型。投资人高度认可了公司的技术实力，但同时也指出公司应做平台型公司，将模型作为通用智能底座开放给多元生态，让各行业的数据、任务和反馈成为模型进化的“养料”，形成“越用越强、越强越多场景使用”的正向飞轮，并抓住与华为昇腾的已有合作，持续深化，做出标杆案例。

PART .01 项目介绍

企业简介

公司开发自进化智能体引擎，一个模型覆盖多个行业，部署后可持续进化。智能体可感知用户需求，7×24小时运行，每次进化产出更优方案，并交付回测结果。硬实力验证，路线优化，在全球权威排行榜第一。

投资亮点

1、稀缺标的：当前绝大多数大模型本质是“静态模型”——训练完成即固定，无法从后续的交互中学习成长。而该企业的智能体实现了7×24小时持续运行与在线进化，这意味着每一次推理、每一次与环境的互动，都会转化为模型自身能力提升的“养分”。这种架构使得模型具备自我反思、策略调整、经验固化的能力闭环，是真正意义上的“活模型”。

2、跨行业应用能力——通用底座+行业适配层的平台型路径：该企业采用“通用底座 + 行业适配层”的架构：核心模型保持通用，通过外挂的知识库、规则库或小规模适配器服务不同行业，例如算子优化、金融量化、科研论证、药物研发等。这也使得公司的估值逻辑从“软件公司”转向“平台型服务公司”。

3、硬实力认证：在国际知名的CVRP组合优化排行榜上，排行第一，领先$6000万融资竞对公司近 2 倍。

4、技术栈的完整性：该企业的三条技术路径（Agent自我优化、自我博弈、在线经验）都要求模型从有限但高质量的真实经验中快速学习。不做“合成数据自我训练”，一个差异化的战略选择，也更符合企业客户的合规要求。

产品与技术

一套引擎打穿多个行业 — 部署即进化，每天自动变强

1.智能需求建模：智能体感知用户需求感知，设定优化目标与约束。

2.模型自主进化：智能体7×24小时运行，每次进化产出更优方案，每天探索 10,000+ 种方案，知识可跨场景迁移 (skills)，解决新问题越来越快。

3.方案持续交付：智能体产出方案，7×24小时交付回测结果。

融资计划

本轮融资金额：1000万-2000万，释放10%

融资用途：

研发投入约800万，主要用于核心团队薪酬和后续人员扩充；

运营和服务约200万，包括计算服务器、GPU集群和大模型API费用

核心团队

郭平：创始人 / CEO兼CTO

·电子科技大学英才荣誉学院

·香港城市大学博士

·深圳宇翊首席AI科学家

·在自进化智能体领域以一作/通讯发表 10+ 篇顶级会议(NIPS, CVPR等)/期刊论文

·主导华为开源盘古智能体优化项目

·自进化智能体开源包 Evotoolkit 创始人，Github 100+ stars

张青富：学术顾问

·教育部长江学者

·IEEE院士

·香港城市大学讲座教授

·MOEA/D 论文引用 11,500+ (2007, 多目标进化计算领域两大主流框架之一)

·谷歌学术引用 51,900+

·科睿唯安(Web of Science)计算机科学领域高被引科学家连续八次入选

PART .02 专家点评

01、不聚焦在某个垂直领域，而要做平台型公司

自进化大模型的核心优势在于“通用性成长”——它能在与不同场景、不同用户的交互中持续汲取经验、优化推理策略。如果过早限制在单一垂直领域，模型接触到的环境反馈会趋于同质化，反而抑制了自我博弈与在线学习的效果。做平台型公司，意味着将模型作为通用智能底座开放给多元生态，让各行业的数据、任务和反馈成为模型进化的“养料”，形成“越用越强、越强越多场景使用”的正向飞轮。

垂直领域短期内确实更容易签单，但容易陷入“定制化陷阱”：每个客户要求微调专用模型，导致公司资源被碎片化需求耗尽，失去对自进化底层框架的迭代精力。建议采取 “平台底座 + 行业适配层” 架构：核心模型保持通用，通过外挂的知识库、规则库或小规模适配器（LoRA等）服务具体行业，而核心模型的进化始终以跨领域数据为主。这样既服务于行业，又不丢失平台属性。

02、在国产芯片算子优化方面，抓住与华为昇腾的已有合作，持续深化

自进化模型通常需要维持多个副本（如自我博弈时的两个对抗实例、在线经验收集时的行为策略与目标策略），推理与训练开销比普通模型高一个数量级。在目前国际环境下，长期依赖英伟达GPU存在供应链风险。与昇腾深度合作，不仅是“响应国产化号召”，更是为了获得可控、可定制、成本可预期的算力底座。建议成立专门的“昇腾适配小组”，与华为工程师共同攻克动态图执行、混合精度训练、多卡通信优化等关键算子问题。

华为昇腾正在大力建设开发者生态，如果你们能率先在其上跑通一套自进化模型的完整训练-部署-在线进化闭环，并开源部分算子优化代码或提供最佳实践，很可能被纳入昇腾官方解决方案列表，从而获得市场背书和商务渠道。建议主动与昇腾的“硬件使能团队”对接，争取共建联合实验室或标杆案例。

03、寻找付费意愿高的行业，先跑出数据

（1）“跑出数据”到底跑什么？不仅仅是技术指标，投资人最看重的数据有三类：

商业数据：客户的续费率、客单价、部署时间、替代人力成本。

进化有效性数据：模型在客户环境中经过一周/一个月的在线学习后，关键任务准确率提升了多少？错误率降低了多少？是否出现了“负进化”（即能力退化）？

运营成本数据：单次进化所需的算力成本、延迟时间、人工干预次数。

建议设计一张 “自进化仪表板” ，可以嵌入客户的管理后台，实时展示“模型昨日自我优化次数”“主要能力变化曲线”“建议人工复核的高风险案例”。这既能增强客户信心，也为你们自己的迭代提供依据。

（2）如何从测试阶段跨到付费阶段？三个务实策略

免费试用+POC 收费拆分：对大型客户提供2周免费POC，但需要对方配合提供真实数据反馈流；之后按“底座授权费+进化次数/算力消耗”收费。避免永久免费试用。

与现有工作流深度绑定：不要只提供API，要帮客户集成到他们已有的工单系统、数据库或BI平台中。一旦模型成为日常工作的一部分，替换成本就很高。

用“进化成果”作为续约谈判筹码：在合作合同中约定阶段性进化目标（例如“三个月内把某类异常检测率提升到95%”），达成后可启动第二阶段合作。这样将自进化的技术卖点转化为可量化的服务承诺。

（3）注意避开两个坑