文｜王欣逸

编辑｜邓咏仪

36 氪获悉，未来式智能（AutoAgents.ai）近日完成 Pre-A 轮融资，新进投资方包括凡创资本、中关村资本、探元资本，老股东东证创新、麟阁创投跟投，本轮融资主要用于算力投入、团队扩张以及新产品的生态建设运营。

未来式智能成立于 2023 年 6 月，专注于以智能体技术赋能知识工作者。核心团队来自达摩院、腾讯、字节跳动和谷歌。创始人兼 CEO 杨劲松曾在达摩院担任产品 / 商业化总监，曾任字节飞书 AI 负责人、亚马逊 AWS aPaaS 平台负责人，主导推出阿里灵杰、通义 -Alicemind，在 AI 产品和商业化方面有着多年经验。

作为核心产品之一的企业级智能体搭建平台 " 灵搭 "，旨在解决企业部署和应用大模型时的核心诉求：数据安全隐私、权限分级管理、复杂系统集成，以及智能体在真实业务场景中的交付稳定性。

" 灵搭 " 从诞生之初便一直把重点放在企业客户，尤其是电力、金融、制造等对稳定性和合规要求极高的行业。

时间回到 2023 年，当 " 百模大战 " 正酣、大多数创业者和投资人涌向大模型赛道时，杨劲松做出了一个与众不同的决定——不做大模型，做 Agent。

在阿里达摩院亲手训练大模型的经历让他看到：大模型会成为基础设施，但并非最终消费形态，企业需要的是一套能交付结果的系统，这正是 Agent 所能解决的问题。

灵搭定位为面向业务人员的低代码 AI 智能体开发平台。区别于 Coze、Dify 等画布类产品，灵搭更看中非技术背景用户的需求，目标是降低业务人员构建和使用 Agent 的门槛。

在产品能力上，灵搭提供 20+ 标准模块节点，涵盖用户提问、AI 对话、信息分类提取、知识库搜索、文档审查、图片识别、数据库查询等，并支持 Text2Agent 自然语言生成工作流与 Skills 技能引擎，将原本需要 IT 团队或外部实施团队完成的繁琐工作，转到更接近业务现场的人手里。

在架构层面，灵搭采用了 " 云 + 端 " 的设计：云侧积累、沉淀组织内的核心知识资产——包括 Agent、专属 Skill 和工作上下文等；端侧让员工通过本地客户端直接安全调用企业的全量知识库，并在日常高频的业务摩擦中沉淀出新的 Skill，最终回流至云端知识库。

在 B 端战场，未来式智能已在多个垂直行业实现标杆场景的规模化落地。从种子客户华东电网的合同审核项目开始，灵搭已覆盖超过 20 家电网客户，续约率 100%，市场占有率位居 Agent 产品前列。

2024 年未来式智能实现数百万元营收，2025 年增长达 4 倍，全盘收入已来自电力、金融、制造等多个行业，今年（2026 年）的目标是冲击亿元。

在 B 端大客户上积累了深厚的行业经验与典型模板后，未来式智能于近日正式推出了另一款重量级战略新品—— AI 数字专家市场 " 袋袋 "。

如果说 " 灵搭 " 是 AI 数字劳动力的生产工厂，为企业提供搭建、管理 Agent 的底层平台；那么 " 袋袋 " 就是 Agent 用工平台，将人类专家的深度认知数字化，封装为可以直接交付结果的数字员工，用户可以直接在平台上 " 领一个数字专家回去干活 "，按需雇佣并按结果付费。

今年以来，OpenClaw 等 Agent 工具一度火热又很快降温。杨劲松认为，未来绝大多数用户应该是 " 用 "Agent 而非 " 养 "Agent，袋袋正是这一理念的产物。

袋袋平台目前提供两种模式：应用模式用于处理报关单、报税等特定场景的高效任务；专家模式则深度承接 AI 视频生产、电商营销素材生成、自媒体运营、投资尽职调查等复杂岗位职能。

据悉，袋袋团队目前已和近百位人类专家达成合作，帮助专家将能力数字化以实现知识变现。在早期种子客户的验证下，袋袋已跑出超千万元的 ARR 势能。

" 灵搭 " 与 " 袋袋 " 的并行，构成了未来式智能独有的 " 约束工程（Harness Engineering）" 协同飞轮。  这一概念的内涵是：用真实场景产生的海量任务数据，反向打磨 Agent 的每一步决策。

两条产品线将形成协同闭环——袋袋产生的用户数据与任务轨迹，实时回流以迭代灵搭的底层模型与 Agent 能力；而灵搭上进化出的更强智能体组件，则重新上架至袋袋供用户使用。在这种双轮驱动下，平台生产的数字员工任务成功率已从最初的 72% 大幅跨越至 91%。

从客户画像来看，" 灵搭 " 的客户主要集中在能源、金融和制造业等行业，如国家电网、大型银行和券商等头部机构；" 袋袋 " 则把早期客户优先框在小 B 端和 C 端客户。今年，灵搭希望推动产品进入行业规模化复制的阶段，将已有的方法论和工具向券商、银行等机构快速推广。

杨劲松表示，Agent 生意的本质是 " 算力兑换人力 "。以华东某企业客户为例，在使用 AutoAgents 的方案后，某项业务的人力成本降至原来的十分之一。

" 目前的基模能力已经远可以胜任客户需求，问题在于是否足够深入场景和稳定交付。" 杨劲松告诉《智能涌现》。随着 Token 成本下行，Agent 的 ROI 将展现出极高且不可逆的趋势。

当 AI 承担了越来越多的基础工作，组织的人才画像也在随之改变。未来式智能将基于长期积累的场景和数据，在具体垂直任务上实现行业内的最优交付水平。

杨劲松判断，随着 Agent 能力持续提升，组织内的初级任务或将由 AI 完成，企业会更看重员工的高阶能力——对业务的深层理解、指挥 AI、检查 AI 结果、审美判断，以及如何利用 Agent 优化既有业务流程。