ChatGPT 不靠谱？AUI 说：“我来补短板。”这家纽约初创用神经符号模型 Apollo-1，一周拿下 2000 万融资，一天部署、直接落地，还被《财富》500 强抢着测试。这场硬刚 OpenAI 的操作，你服不服？

“如果用户应用场景是任务导向型对话，那么即便正在使用ChatGPT，也必须选择神经符号型AI”。

总部位于纽约、备受关注却仍处于保密阶段的初创公司 Augmented Intelligence Inc（AUI），近日完成了一轮过渡性 SAFE 融资，融资金额 2000 万美元，估值为 7.5 亿美元。

至此，该公司累计融资金额已接近 6000 万美元。AUI 致力于突破当前 ChatGPT、Gemini 等主流大型语言模型（LLM）所采用的 “Transformer” 架构，探索更先进的 AI 技术方向。

此次融资仅用不到一周便完成，正值业界对确定性对话式 AI 的关注度不断攀升之际。与此同时，AUI 新一轮规模更大的融资已进入后期阶段，此次过渡性融资是其前期铺垫。

AUI 的技术核心是将 Transformer 技术与一种名为 “神经符号型 AI”（neuro-symbolic AI）的新兴技术相融合，具体细节将在下文展开说明。

AUI 联合创始人兼首席执行官 Ohad Elhelo 在近期接受采访时表示：“我们意识到，完全可以将 LLM 在语言处理能力上的优势，与符号型 AI 在结果确定性上的保障结合起来。”

Elhelo 于 2017 年与联合创始人、首席产品官 Ori Cohen 共同创办了 AUI。

新一轮融资的投资方包括 eGateway Ventures、New Era Capital Partners、现有股东及其他战略投资者。此前在 2024 年 9 月，AUI 曾完成 1000 万美元融资，当时估值为 3.5 亿美元；同年 10 月，该公司宣布与 Google 达成市场化合作，二者时间节点相近。AUI 的早期投资者包括 Vertex Pharmaceuticals 创始人 Joshua Boger、UKG 董事长 Aron Ain，以及前 IBM 总裁 Jim Whitehurst。

据 AUI 透露，此次过渡性融资是为后续一轮规模显著更大的融资做准备，目前该大规模融资已进入后期阶段。

AUI 旗下核心产品是名为 Apollo-1 的新型基础模型，该模型专为任务导向型对话设计。AUI 将其定义为对话式 AI 的 “经济价值核心”—— 这与 ChatGPT、Gemini 等 LLM 所擅长的开放式对话形成鲜明区别。

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、政策执行能力及运营稳定性。

Redwood Capital 联合创始人、同时担任 AUI 顾问的 Chris Varelas 表示：“我见过当今多位顶尖 AI 领域领导者在体验 Apollo-1 后，都对其表现惊叹不已。”

01 独特的神经符号型架构

Apollo-1 的核心创新在于其神经符号型架构，该架构将语言流畅性与任务推理能力拆分开来。目前绝大多数 LLM 及对话式 AI 系统的核心技术，都基于 Google 在 2017 年发表的开创性论文《Attention Is All You Need》中提出的 Transformer 架构；而 AUI 的系统则突破这一常规，整合了两个独立层级：神经模块：由 LLM 提供技术支持，主要负责 “感知” 功能，包括对用户输入信息的编码处理，以及生成自然语言回复。符号推理引擎：经过数年研发而成，主要用于解析任务中的结构化元素（意图、实体、参数等），并通过确定性逻辑判断下一步应执行的操作。

这种混合架构使 Apollo-1 具备了三大关键能力：维持状态连续性、执行企业政策要求、可靠触发工具或 API 调用 —— 而这些都是纯 Transformer 架构智能体所欠缺的。

Elhelo 表示，这一架构设计源于一项持续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 万名在线客服与用户之间的数百万次互动。基于这些数据，我们提炼出一种符号语言，专门用于定义任务导向型对话的结构，使其与对话中的领域特定内容相分离。”

不过，对于已基于 Transformer 架构搭建系统的企业，无需担心技术衔接问题 ——AUI 正努力降低新技术的采用门槛。

Elhelo 透露：“Apollo-1 的部署方式与当前主流基础模型一致，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部署，同时支持 GPU 和 CPU 运算，且部署成本远低于当前推理模型。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。”

02 泛化能力与领域灵活性

Apollo-1 被定义为 “任务导向型对话基础模型”，这意味着它具有领域无关性，可在医疗健康、旅游、保险、零售等多个垂直领域灵活应用。

目前市面上部分 AI 平台需要大量咨询服务支持，且需为每个客户单独搭建定制化逻辑；而 Apollo-1 则允许企业在共享的符号语言框架内，自主定义 AI 的行为模式与工具配置。这种模式不仅能加快企业的上线速度，还能降低长期维护成本。

据 AUI 团队介绍，企业借助 Apollo-1，不到一天即可部署一个可正常运行的智能体。

关键在于，Apollo-1 的流程规则是在符号层级进行编码设置的，而非通过示例学习获得。这一特性使其在处理敏感任务或受监管任务时，能实现确定性执行。

例如，在处理 “基础经济舱（Basic Economy）机票退票” 请求时，系统无需猜测用户意图，而是通过硬编码逻辑对机票预订等级的符号表示进行判断，直接拦截退票操作。

正如 Elhelo 所言：“当你需要结果具有确定性时，LLM 并非理想选择。更可靠的方式是，明确知道要向 AI 模型输入什么内容（且每次输入都保持一致），同时能确定输出结果会是什么、以及该如何处理这些结果。”

03 可用性与开发者访问渠道

Apollo-1 目前已进入封闭测试阶段，部分《财富》500 强企业正在使用；预计到 2025 年底前，该模型将正式全面开放。

企业可通过以下两种方式与 Apollo-1 集成：

• 开发者平台（Developer Playground）：业务人员与技术团队可在此共同配置政策规则、行为模式等参数。
• 标准 API：采用与 OpenAI 兼容的格式，便于快速对接现有系统。

该模型支持三大核心功能：政策执行、基于规则的定制化配置、通过防护机制（Guardrails）实现行为引导。其中，符号规则可帮助企业设定固定行为模式，而 LLM 模块则负责处理开放式文本解析与用户互动。

04 企业适配性：当可靠比流畅更重要

尽管 LLM 在通用对话与创意生成领域已取得显著进步，但它们本质上仍属于 “概率性模型”。这一特性成为其在金融、医疗健康、客户服务等企业场景中大规模应用的障碍。

Apollo-1 正是瞄准这一市场空白，其系统设计的核心目标之一便是确保政策合规性与任务执行的确定性。

Elhelo 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，也必须选择我们的技术。”（VentureBeat）