DeepSeek之后，中国AI「自己出题」杀进Nature通讯！全球仅4家

新智元报道

一家成立不足两年的香港 AI 企业，未陷入参数竞赛或依赖人海战术进行数据标注，却在 Nature 主要期刊上留下了中国数据生成公司的印记。其技术横跨价值观安全、金融保险、政务及体育竞赛等高异质领域，并交付了工业级精度的成果。

该技术的核心逻辑并非单纯扩大基座模型或构建向量数据库，而是让大模型自动生成高精度推理数据，利用闭环反馈驱动专业 Agent 自主演化。

2026 年 5 月 28 日，Nature Communications 发表了题为《Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy》的论文。维纳智能负责 AI 部分，中山大学肿瘤医院等机构负责医学部分。王雅田为共同第一作者，由维纳智能柳崎峰与港科大罗文寒联合指导。

据统计，过去三年影响因子大于 10 的 Nature 主要期刊共 60 本，累计收录论文 74,145 篇。维纳智能成为中国首个、全球第四个登上 Nature 主要期刊的数据生成科创公司。此前，DeepSeek 和面壁智能也曾在此类期刊发文。

临床两难：从单模态短期估算升级为多模态长期风险分层

在复杂肾癌手术中，医生常面临两难抉择：

• 部分肾切除术（PN）可最大限度保留肾功能，但手术难度高、术后并发症风险大；
• 患肾全切术（RN）操作更稳妥，但牺牲整个肾脏，大幅增加术后慢性肾脏病风险，严重影响患者长期生存质量。

团队思路是利用 AI 术前预测 RN 术后对侧肾脏的长期功能衰退趋势：若对侧肾代偿能力强，倾向于 RN；反之则倾向于 PN 以保留更多肾单位。

然而，AI 预测任务普遍面临多源异构、样本极度稀疏、设备偏差、信号噪声及时间跨度大等挑战。为此，作者提出 RDPM（快速 GFR 下降预测模型），将优化目标从「短期术后 eGFR 点估计」提升为「长期肾功能快速衰退风险分层」，并采用多模态多头交叉注意力机制，实现 3D 影像与临床变量的双流异构信息融合。对侧肾脏的皮质和髓质由 UNest 模型自动分割并经医生审查获取。

该模型在15 家多中心医疗机构、1621 例患者队列中完成训练与验证。外部多中心测试 AUC 达 0.788～0.873，为个体化手术决策提供了稳定可量化的证据。

模型层面优化：从预测进化到推理数据生成

预测是大模型训练与推理的底层机制，分为三个层面：

• Token 语义层：大模型根据前文预测下一个 Token 的概率分布；
• 回答语义层：大模型根据人类提问预测最优回复序列；
• 提问语义层：大模型根据上下文预测人类潜在的真实需求与追问方向。

「生成」比「判别」更难，「提问」比「回答」更难，因为前者需要预判人类所想所需，具备足够的合理性、逻辑性与多样性。

所谓推理数据生成，即大模型根据上下文，既生成提问又生成回答，同时给出思维链和推理过程，其输出为四元组：cQrA = (Context, Question, Reasoning, Answer)。

维纳智能专注于推理数据生成。大模型的高质量学习不仅需要「教科书」式的结构化知识，更必须有「习题集」式的问答推理数据。习题集本质上是一种对抗式、强因果的知识组织形式：以问题驱动思考，以答案形成反馈，以推理强化因果。

维纳智能的目标是训练大模型不仅会回答，更善于提问，成为具备主动学习能力的智能体。高质量推理数据生成面临两大难点：一是行业「习题集」极度匮乏，知识尚困于文档和专家经验中；二是原始数据多源异构、样本稀疏且噪声大，严重干扰知识重构与因果组织。医疗领域对精度要求最为严苛，正是检验这一技术的最佳试炼场。

系统层面优化：构建「数据→Token→数据」大闭环

1948 年，诺伯特·维纳创立控制论，强调「反馈控制 + 信息度量」是系统优化的关键。现代人工智能从反向传播、强化学习到 RLHF、Agentic AI 的重大进展，均印证了这一核心作用。

反馈即闭环。目前大部分工作集中在「数据→Token」，即消耗算力用数据训练大模型并输出 Token 应用。而维纳智能专注另一半：Token→数据，即用大模型自动生成专业高精度推理数据，不再依赖有限的人类专家标注。

维纳智能的使命是实现「数据→Token→数据」的大闭环，从而让 Agentic AI 在专业领域自主演化。从技术角度看，搭建该闭环旨在优化以下参数：

• 内参数：模型经预训练和后训练得到的参数；
• 外参数：除提示词外，还包括因果锚定（Causal Anchoring）所需的基于上下文的 Few-shot。当前企业业务应用大模型若缺乏此类数据，降本增效并不明显。

数据即参数。这些上下文相关的 Few-shot 正来自于高精度推理数据生成，其包含业务知识和对抗式因果，对最终推理结果影响巨大。

破解 Agent 泛滥三重困局：测不准、优化难、答不准

Vibe Coding 催生了 Agent 的井喷，但也迅速暴露出三大系统级瓶颈：

• 测不准：传统软件测试方法对 Agent 几乎失效。实际应用中提问灵活多样且时效性强，即便大企业也极度缺乏相关问答数据；
• 优化难：缺乏有效的动态测试，系统处于「无反馈」状态，结构优化与超参数调优无从下手；
• 答不准：在专业领域，经典 LLM+RAG 架构准确度通常仅约 70%（难题更差）。不准便无法落地，这是当前大模型难以帮助企业降本增效的根本原因。

维纳智能的推理数据生成技术可自动生成各行业高质量 cQrA 数据集（规模可达几十万条，每小时上千条），直击三大痛点：

• 动态多维测试：通过持续生成新 cQrA，既测时效性，又防「作弊」；
• 闭环反馈优化：测试提供反馈，进而对整个系统的结构和超参数进行优化；
• 因果锚定推理：离线生成海量 cQrA，为在线推理在锚定范围内注入逻辑先验（类似考前刷题、面试前准备）。

这一演进与互联网早期逻辑惊人相似：1991 年 HTML 协议催生网页爆发式增长，随后质量评估和相关性排序成为信息检索效率的关键。如今 Agent 指数级涌现，对 Agent 的评估与排序，正是维纳智能着力构建的下一代基础设施。排序即效率。

维纳智能：不烧钱不堆人，连续击穿硬核行业

2024 年 7 月，香港科技大学柳崎峰教授带队完成了全球首个千卡 H800 AI 集群建设及中国第三家千亿 MoE 大模型的全流程预训练与后训练。在补齐算力和模型两块拼图后，最后一块拼图「造数据」促成了维纳智能的诞生。

维纳智能定位为：高精度推理数据生成，为企业提供工业级 Agentic AI 系统。其底层技术栈为闭环反馈多智能体协同框架，涵盖知识重构、因果推理、任务分解、多重检验等关键模块。

过去一年，在几乎没有行业专家参与传统数据标注的前提下，维纳智能凭借核心技术，连续击穿四个截然不同且对精度高度敏感的领域：价值观安全、金融保险、香港政务、体育竞赛，客户均为头部机构。

以推理数据生成为核心，以国产 GPU 沐曦为底座，维纳智能构建了系列 2C 及 2B 创新产品，验证了专业精准度和跨界通用能力：

• 首发出海价值观大模型系统：具备外交官级政治智慧，出海及「一国两制」价值观一致性超 99%（当今中外主流大模型仅为 9%～21%），打破海外闭源模型价值观话语权垄断；
• 首发实时 Agent 测试系统：动态生成问答数据，定期出具评估报告，解决企业对 Agent「不敢用」、「用不好」的落地难题；
• 首发保险大模型数据生成和问答系统：复杂保险问答生成准确率超 95%（Gemini Search 约为 59%）；
• 首发赛马大模型系统：统计问答准确度超 94%，分析预测 Top-3 准确度超 59%；
• 首发香港大模型写作及改错系统：改错准确度超 90%。

融资方面，除两年前获得联想创投领投的 5000 万港币种子轮融资外，迄今未再融资。公司提倡精英特种兵文化，贯彻 Harnessing Engineering，追求单兵作战高效造血。凭借高毛利产品和复制能力，今年业务快速增长，营收预计超 4000 万港币。

上述成果已吸引人民日报、新华社、中央广播电视台、中联办公众号、紫荆期刊、凤凰卫视等权威机构深度报道，被誉为「香港人工智能产业发展好风正起」。

核心团队：大模型超算训练的先行者

创始人柳崎峰教授，2005 年博士毕业于中科院自动化所，师从人工智能泰斗谭铁牛院士（国际模式识别领域最高奖 - 傅京孙奖 2022 年得主）。曾任香港生成式人工智能研发中心（HKGAI）总经理、平安集团加马 AI 研究院院长、Yahoo! Lab 研究科学家、Samsung Lab 先任研究员等职。他还担任中国人工智能学会理事，港科大 - 沐曦先进 AI 计算联合实验室发起人及学术委员。

他是香港大模型超算与训练的最早发起者和建设者之一。2018 年与杨强院士联合创立香港人工智能与机器人学会；2021–2022 年为港府撰写「香港云脑」与「香港基础模型」建议书；2023 年与郭毅可院士联合 6 大知名高校发起建立香港生成式人工智能研发中心；同年带队建设全球首个千卡 H800 AI 超算系统；2024 年带队预训练及后训练中国第三家千亿 MoE 大模型。

他拥有丰富的研发及管理重大科研项目经验（累计超 1 亿美元），在清华大学、港科大、牛津大学、哥伦比亚大学等建立联合实验室（累计超 500 万美元）。仅近两年，便在 Nature Communications 等顶刊发表论文 2 篇，AI 顶会论文 17 篇。

首席营收官（CRO）兼合伙人封小韵女士，前思科大中华区副总裁，香港、澳门及中国南区总经理。她曾掌舵粤港澳大湾区这一多语、多币、多法律的超级复杂市场，率先洞察中企全球化浪潮，在思科内部首创出海支持战略及服务体系，并统领大中华区海外业务。2024 年出版新浪财经畅销书《出海战略》，亦荣膺世界互联网大会青年领军者。

结语：闭环反馈是引擎，推理数据是燃料

当业界热捧大模型榜单和 Agent 自动化时，Vibe Coding 的发明者 Karpathy 近日给出忠告：别再逼你的 Agent 什么都干，先把底层机制做对。

维纳智能选择的路径恰是对这句话的工程化回应：让 AI 先学会「问对问题」，再学会「答对问题」，在多步分解与多重校验中，将大模型的推理能力沉淀为工业级数据资产，即实现「Token→数据」。

其核心方案清晰而克制：用推理数据生成替代人工标注，用闭环反馈驱动系统持续优化，用因果锚定为在线推理提供稳定逻辑支点。

测得准、能优化、答难题，这或许就是企业走出大模型落地困境的关键一跃。