《科创板日报》10日讯，南京南芥智能科技有限公司（下称“南芥智能”）完成近亿元天使轮融资，投资方包括鼎信资本和南京市创新投资集团。

公司表示，本轮资金将用于底层技术研发、产品建设及市场拓展。

南芥智能于2026年在南京成立，定位为面向大模型算法及多智能体协作的AI基础设施企业。联合创始人孙腾仲担任CEO，刘建东担任CTO，两人均来自南京大学人工智能学院机器学习与数据挖掘研究所LAMDA团队。

公司的技术起点是南京大学团队提出的“学件”概念。传统软件通常由开发者编写明确的规则和程序，而学件主要指已经通过数据训练形成能力、可以在其他任务中继续调用的模型。它既可以是识别、预测等专用小模型，也可以是经过配置的大语言模型或智能体能力模块。

学件所要解决的问题，是大量模型虽然已经被开发出来，却很难被其他用户发现和复用。不同模型的输入输出格式、适用数据、评价指标和训练来源各不相同，用户往往无法仅凭名称判断某个模型能否解决自己的任务。

南京大学团队此前开发的Beimingwu学件坞系统，尝试为模型建立标准化描述，并根据用户需求检索、组合和调用模型。其基本思路不是把所有数据和能力集中到一个模型中，而是让已经存在于不同开发者和机构手中的模型能够进入统一的选择与复用流程。

这一模式的产业链位置介于模型开发者与企业用户之间。上游是拥有算法、模型和训练数据的高校、研发团队及软件企业，下游则是需要完成预测、识别、决策或智能体协作的行业客户。南芥智能需要提供的价值，是把分散模型转化为可管理的能力单元，并完成登记、检索、适配、组合、评估和运行监控。

这条路线与训练更大规模的通用模型并不完全相同。通用模型擅长处理开放式任务，但制造、医疗、能源等场景往往还存在大量依赖专业数据的小模型。若这些模型能够被准确描述和调用，企业可以在不重新训练所有能力的情况下组合现有资源，也可以降低部分模型部署成本。

但从研究系统走向商业产品，南芥智能仍需解决模型接口、数据格式、版本管理和评价口径不统一的问题。多个模型组合后，一个模型的误差还可能向后续环节传递，因此系统不仅要找到模型，还要能够判断模型在特定数据和任务上的可靠程度。

模型的知识产权及数据安全也是商业化前提。学件复用强调不直接交换原始训练数据，但实际部署仍需明确模型权属、授权范围、调用日志以及输出责任。企业客户是否愿意把内部模型接入第三方系统，也取决于私有化部署、访问权限和安全审计能力。

目前，南芥智能尚未公开正式产品名称、可接入模型数量、服务价格及付费客户。公开研究能够说明学件技术的理论基础，但不能直接证明公司已完成规模化产品交付。

本轮资金投向底层技术和产品建设，意味着公司现阶段仍处于把学术原型转化为工程系统的阶段。除模型检索准确率外，后续还需要观察复杂任务的组合成功率、系统运行成本、模型接入周期及真实客户环境中的稳定性。

对南芥智能而言，下一阶段的关键，是能否形成一套开发者愿意接入、企业愿意采购的学件平台，并通过具体行业项目证明组合调用比单独采购或重新训练模型更高效。首批付费客户、可重复部署场景及模型供应规模，将比单纯扩充技术概念更能检验其商业路径。