2025 年 11 月 3 日，一则关于 AI 行业架构变革的消息引发关注：总部位于纽约、备受热议却仍保持低调的初创公司增强智能公司（Augmented Intelligence Inc，简称 AUI），完成了一轮过渡性 SAFE 融资，融资金额达 2000 万美元，估值上限为 7.5 亿美元。此次融资后，AUI 的总融资额已接近 6000 万美元。值得注意的是，这轮融资在不到一周内便完成，恰逢行业对确定性对话 AI 的关注度不断攀升，且 AUI 目前正在推进一轮规模更大的融资，现已进入后期阶段。
AUI 的核心技术方向区别于当前 ChatGPT、Gemini 等主流大型语言模型（LLM）所依赖的 Transformer 架构，它采用了 Transformer 技术与 “神经符号 AI” 这一新兴技术相融合的方案。AUI 联合创始人兼首席执行官奥哈德・埃洛（Ohad Elhelo）在近期接受 VentureBeat 采访时表示：“我们意识到，能够将 LLM 在语言处理能力上的优势，与符号 AI 的可靠性保障相结合。” 埃洛于 2017 年与联合创始人兼首席产品官奥里・科恩（Ori Cohen）共同创立了 AUI。
此次新融资的投资方包括 eGateway Ventures、New Era Capital Partners、现有股东及其他战略投资者。回溯过往，AUI 在 2024 年 9 月曾完成一轮 1000 万美元的融资，当时估值上限为 3.5 亿美元；同年 10 月，该公司宣布与谷歌达成市场推广合作关系。AUI 的早期投资者阵容亮眼，包括 Vertex Pharmaceuticals 创始人约书亚・博格（Joshua Boger）、UKG 董事长阿隆・艾因（Aron Ain）以及前 IBM 总裁吉姆・怀特赫斯特（Jim Whitehurst）。据 AUI 透露，此次过渡性融资是其后续更大规模融资的前奏，目前那轮融资已进入高级阶段。
AUI 的核心产品是名为 Apollo-1 的新型基础模型，该模型专为任务导向型对话设计。AUI 将这类对话称为对话 AI 的 “经济半边天”，与 ChatGPT、Gemini 等 LLM 所处理的开放式对话形成鲜明对比。AUI 认为，现有 LLM 缺乏企业（尤其是受监管行业的企业）所需的确定性、政策执行能力和运营可靠性，而 Apollo-1 正是为填补这一空白而生。红杉资本联合创始人、AUI 顾问克里斯・瓦雷拉斯（Chris Varelas）在发给 VentureBeat 的新闻稿中评价道：“我见过当今一些顶尖的 AI 领域领导者在与 Apollo-1 交互后，都惊叹不已。”
Apollo-1 最核心的创新在于其神经符号架构，该架构将语言流畅性与任务推理能力分离开来。如今大多数 LLM 和对话 AI 系统的核心技术，是 2017 年谷歌在开创性论文《Attention Is All You Need》中提出的 Transformer 架构，而 AUI 的系统则突破这一传统，整合了两个核心层级：
第一层级是神经模块，由 LLM 提供支持，主要负责 “感知” 环节，包括对用户输入进行编码处理，以及生成自然语言回复，确保与用户的交互流畅自然。
第二层级是符号推理引擎，该引擎经过数年研发而成，主要功能是解析任务中的结构化元素，如用户意图、实体信息和参数等，并通过确定性逻辑判断出下一步应采取的恰当行动。
这种混合架构赋予了 Apollo-1 多项 Transformer 架构智能体所不具备的关键能力：能够保持状态连续性，确保对话过程中信息不丢失、逻辑连贯；能够严格执行企业的组织政策，避免违规操作；还能可靠地触发工具调用或 API 调用，保障任务执行的稳定性。
埃洛透露，这一独特设计源于 AUI 多年的数据收集工作：“我们搭建了一个消费级服务平台，记录了 6 万名在线智能体的数百万次人机交互数据。基于这些数据，我们提炼出一种符号语言，这种语言专门定义任务型对话的结构，与对话涉及的特定领域内容相分离。”
对于那些已基于 Transformer LLM 搭建系统的企业，AUI 也考虑到了其转型需求，致力于降低新技术的采用门槛。埃洛在昨晚给 VentureBeat 的短信中表示：“Apollo-1 的部署方式与当今主流基础模型一致，无需专用或专有集群即可运行。它能在标准云环境和混合环境中运行，同时利用 GPU 和 CPU 资源，而且部署成本远低于前沿推理模型。此外，为提升安全性，Apollo-1 还可在所有主流云平台的隔离环境中部署。”
在通用性与领域适应性方面，Apollo-1 作为任务导向型对话基础模型，具有领域无关性，能够在医疗、旅游、保险、零售等多个行业垂直领域通用。不同于那些需要为每个客户构建定制化逻辑、依赖大量咨询服务的 AI 平台，AUI 允许企业在共享的符号语言体系内定义自身所需的智能体行为和工具。这种方式不仅加快了企业的上线速度，还降低了长期维护成本。据 AUI 团队介绍，企业借助 Apollo-1，不到一天就能启动一个可正常运行的智能体。
尤为关键的是，Apollo-1 的流程规则编码在符号层级，而非通过示例学习获得。这一特性使其在处理敏感或受监管任务时，能够实现确定性执行。例如，对于基础经济舱机票的退订请求，系统无需猜测用户意图，而是通过对预订舱位的符号化表示应用硬编码逻辑，直接拒绝该退订操作，确保符合企业政策和行业规定。正如埃洛向 VentureBeat 解释的那样：“当你需要确定性结果时，LLM 并非理想选择。更理想的状态是，你明确知道要向 AI 模型输入什么内容，并且每次都能稳定输入；同时，你也能确定模型会返回什么结果，以及该如何处理这些结果。”
在可用性与开发者访问方面，据最先报道 AUI 的《The Information》此前消息，Apollo-1 目前已进入封闭测试阶段，被部分《财富》500 强企业使用；预计在 2025 年底前，将推出更广泛的正式版本，向更多用户开放。企业可通过两种方式与 Apollo-1 集成：一是借助开发者平台，业务人员与技术团队可在此共同配置政策、规则和智能体行为；二是通过标准 API 接口，该接口采用与 OpenAI 兼容的格式，降低了开发者的适配成本。Apollo-1 支持政策执行、基于规则的定制化，以及通过防护机制对智能体行为进行引导。其中，符号规则让企业能够设定固定不变的智能体行为，而 LLM 模块则负责处理开放式文本解读和用户交互，二者协同实现高效、可靠的任务导向型对话。
在企业适配层面，尽管 LLM 在通用对话和创意生成方面取得了显著进步，但它们本质上具有概率性，这一特性成为其在金融、医疗、客户服务等领域企业部署的主要障碍 —— 这些领域对结果的确定性和可靠性要求极高。Apollo-1 正是瞄准这一市场空白，将政策合规性和确定性任务完成能力作为核心设计目标，打造更贴合企业实际需求的 AI 系统。埃洛直言不讳地表示：“如果你的应用场景是任务导向型对话，那么即便你正在使用 ChatGPT，也必须选择我们的产品。”
这一趋势不禁引发行业思考：随着神经符号 AI 等新型架构的崛起，是否标志着 Transformer 时代即将走向终结？AUI 的融资进展与技术突破，无疑为 AI 行业的架构创新注入了新活力，也为企业级 AI 应用提供了更可靠的新选择。未来，随着 Apollo-1 正式推向市场及更多神经符号 AI 技术的落地，AI 行业的技术格局或将迎来重大变革。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/transformer-shi-dai-huo-jiang-luo-mu-shen-jing-fu-hao-ai
