一支由Google、xAI、Anthropic等顶尖科技公司前员工组成的豪华创始团队，正在用44.8亿美元估值冲击AI协作领域的想象边界。Humans&提出的『Human-Centric AI』理念，试图颠覆传统聊天机器人逻辑，打造具备组织记忆与主动协作能力的AI通信基座。本文将深入拆解这家初创公司背后的全明星阵容、差异化技术愿景以及与英伟达的深度捆绑故事，同时揭示其面临的责任归属与商业化挑战。

昨天一早刷新闻，就被一条标题吸引：成立4个月，种子轮融资4.8亿美元，估值 44.8亿，几乎打破了 AI 行业的融资记录。

迫不及待分享给大家。

出道即巅峰的原因分析

1. 极其显赫的“全明星”创始团队

在 AI 领域，投资人买的往往不是产品，而是顶级大脑。Humans& 的创始团队被认为是目前硅谷最豪华的配置：

• Georges Harik：他是 Google 的第 7 号员工，曾主导了 Gmail 的发布和对 Android 的收购，是技术界的传奇。
• Eric Zelikman：CEO，曾是 Elon Musk 旗下 xAI 的早期员工，参与了 Grok-2 和 Grok-3 的核心数据训练和强化学习研究。
• Andi Peng：来自 Anthropic，参与了 Claude 3.5 到 4.5 模型的对齐工作。
• Yuchen He：xAI的创始团队成员之一，直接参与了Grok-1和Grok-2的架构设计。
• Noah Goodman：斯坦福大学心理学与计算机科学教授，带来了对人类认知和 AI 交互的深刻理解。

这种融合了顶级大厂产品经验、最前沿模型训练能力以及学术研究背景的团队，是投资人愿意支付超高溢价的根本原因。

2. 差异化的技术愿景：从“替代人”到“连接人”

目前的 AI 市场已陷入“聊天机器人”和“自动化工具”的红海。

Humans& 提出的“Human-Centric AI”（以人为本的 AI）逻辑非常讨巧：

• 不仅仅是助手，而是“组织记忆”：他们致力于开发一种能够融入团队对话、具备长期记忆、并能主动询问缺失上下文的系统。
• 从 IQ 到 EQ：正如创始人 Eric Zelikman 所言，他们希望赋予 AI 更多的“共情力”和“协作力”，让 AI 成为连接团队成员的“结缔组织”，而非简单的单点替代工具。
• 长程规划与学习：他们的目标是解决当前大模型在长周期任务和复杂多智能体协作上的短板。

（Humans& 的官网，只放了简单的愿景和团队介绍）

3. “权力背书”：全球顶级资本的站台

本轮投资者的名单几乎涵盖了 AI 产业链的半壁江山：

• 算力巨头：Nvidia的参投不仅是给钱，更意味着 Humans& 在算力获取和底层硬件优化上将获得特殊待遇。
• 科技巨擘：亚马逊创始人贝索斯和GV（Google Ventures）的加入，证明了老牌科技大佬对该方向的认可。
• 风投传奇：由“硅谷教父” Ron Conway 创办的SV Angel领投，为公司贴上了“必看项目”的标签。

4. 融资性质的演变：种子轮即“算力竞赛”

现在的 AI 种子轮早已不是当年的“几个人、几台电脑”。

• 算力成本门槛：要训练能与 OpenAI、Anthropic 竞争的模型，门槛就是数亿美金的算力成本。
• 市场焦虑感：在大模型竞争白热化的2026 年，顶级资本宁愿冒着高估值的风险“抢位”，也不愿错过下一个可能的颠覆者。

总的来说：Humans& 的高估值是顶级人才红利、差异化叙事以及资本对算力密集型赛道恐惧性投资的综合产物。

高估值不代表公司已经取得了商业成功，而是资本在赌这群最懂 AI 的人能定义AI时代的协作新标准。

02 Humans& 主要研究方向和产品逻辑

这家公司的核心愿景可以概括为：不再做一个“只会回答问题”的聊天机器人，而是做一个“能融入团队”的协作层。

根据最新的行业披露和技术分析，Humans& 的研究方向和产品逻辑主要集中在以下三个关键维度：

1. 核心产品形态：AI Messaging Substrate（AI 通信基座）

Humans& 并不想开发另一个类似 Slack 或 Teams 的聊天软件，而是开发一个“嵌入式 AI 层”。

• 组织记忆：传统 AI 助手通常是“即问即答”的单次对话，而他们的系统旨在长期驻留在团队对话中。它能记住几个月前某个决策的背景、谁曾提出过异议，以及当前的进展。
• 主动补完：它的产品会主动观察团队讨论。如果发现某项任务缺少背景信息，它会主动提问：“上次讨论中提到的那份市场报告，谁能提供下链接？”或者“这个目标是否与上周制定的 OKR 有冲突？”
• 协作结缔组织：将凌乱的对话自动沉淀为持久的知识库。

2. 技术研究方向：下一代训练范式

为了支撑上述产品，他们在底层技术上做了不同于 OpenAI 的尝试：

• 长程强化学习：目前的模型在处理几分钟内的对话很好，但在处理跨越数周、涉及多步骤的任务时容易“迷路”。Humans& 正在研究如何让 AI 在长达数月的时间跨度内进行规划和决策。
• 多智能体协作：他们的模型专门针对“多对多”场景优化。不仅是 AI 与人协作，还包括AI 代理之间如何像人类团队一样分工、辩论和达成共识。
• 个性化与共情能力：创始人 Eric Zelikman 的背景（来自 xAI 和斯坦福）决定了他们非常重视“个性化”。他们正在开发一种新的训练范式，让 AI 能根据不同用户的偏好、语气和职能背景调整自己的交互模式。

3. 与英伟达的深度捆绑（算力与底层优化）

这也是他们产品力的一部分。由于他们的协作式模型对实时推理和动态记忆的要求极高，计算压力远超普通大模型。

他们与英伟达达成了软硬件协同优化协议。这意味着他们的产品在运行时，可能会直接调用针对“人类认知模型”优化的定制算力资源，从而解决目前大模型常见的“延迟高”和“记忆不可靠”的问题。

如果你把现在的 AI 比作一个“随叫随到的临时助理”，那 Humans& 想要做的是一个“深耕公司多年、了解所有内情、能协调各部门的首席幕僚”。

值得关注的一点是，这种路线避开了与微软 Copilot 或 Google Gemini 的正面硬刚（后者更倾向于工具集成），而是试图直接接管“人与人沟通”的中间地带。

03 商业化可能的风险分析

虽然Humans&拥有的全明星团队和“以人为本”的叙事非常动人，但在 2026 年这个 AI 商业化落地的深水区，这类产品面临的挑战也是极其严峻的。

要将一个能融入团队、具备组织记忆的 AI转化为可持续的商业模式，他们必须翻越以下四座大山：

1. 极致的隐私与信任边界

这是他们最大的悖论：为了让 AI 拥有“组织记忆”并成为“协作粘合剂”，它必须深度介入员工的私人对话、内部会议记录和敏感文档。

• 如果 AI 总是主动询问：“你上周提到的那个计划进展如何？”员工可能会感到被全天候监控。这种从“效率工具”到“数字化督导”的转变，极易引发职场反弹。
• 敏感信息污染：在企业环境中，不同层级的员工拥有不同的权限。AI 如何确保它从 CEO 对话中学到的“记忆”，不会在与普通员工交流时无意间泄露？

2. 责任归属的“黑盒”难题

Humans& 强调 AI 的“主动性”和“协作性”，但这也带来了麻烦：

• 谁为 AI 的建议负责？：如果 AI 作为一个“团队成员”参与决策，并建议放弃某个项目或调整预算，结果证明是错误的，责任在谁？
• 影子决策者：由于它具备强大的共情力和逻辑说服力，团队成员可能会产生“算法依赖”。一旦 AI 开始主导团队氛围，人类的独立判断力可能会萎缩，这是目前学术界和监管层高度关注的风险。

3. 极高的集成与迁移成本

企业级协作是一个极其碎片化的场景。

• 生态壁垒：微软（Teams）、Salesforce（Slack）和 Google（Workspace）绝不会轻易开放核心数据接口给一个潜在的竞争对手。Humans& 作为一个“插件层”，如果拿不到底层数据，其所谓的“组织记忆”就只是无米之炊。
• 部署周期：与通用的 GPT 不同，这种深度嵌入团队的产品需要漫长的定制化和学习期，AI 需要时间来理解这个公司的独特文化和术语，这对习惯了“开箱即用”的中小企业来说门槛很高。

4. 商业化的“幻觉”成本

• 长记忆的算力账单：维持一个具备长期、动态、多用户记忆的系统，其算力成本远高于单次生成的聊天机器人。这种高昂的成本能否换回同等比例的企业效率提升？
• 协作中的幻觉风险：在写诗时出现幻觉无伤大雅，但在团队协作中，如果 AI 记错了某位合伙人的意见，或者曲解了某次会议的结论，可能会导致重大的商业损失。

以上，祝你今天开心。