初创公司 humans& 认为当前 AI 只是单用户助手，缺乏处理团队协作的社交智能。为此，该公司筹集了 4.8 亿美元，旨在打造一款以社交智能为核心的新型基础模型。他们的目标是开发一个“人机协作中枢系统”，通过长时程和多智能体强化学习进行训练，让 AI 能够理解并协调团队动态，从而重塑协作工具市场，并与大型 AI 公司展开竞争。
当前 AI 的局限：单人模式的助手
目前的 AI 聊天机器人在回答问题、总结文档和解决计算方面表现出色，但它们本质上仍然是为单个用户服务的助手。它们并未被设计来处理现实协作中的复杂情况。
- 缺乏协调能力： 无法管理拥有不同优先级的团队成员。
- 短期记忆： 难以追踪长期的决策过程。
- 单点互动： 无法在团队中保持信息同步和目标一致。
“我们正处在第一个发展阶段的末期，即问答模型在特定领域变得非常聪明。现在，我们相信正进入第二波浪潮，普通用户试图弄清楚如何使用所有这些工具进行协作。” - Andi Peng, humans& 联合创始人
humans& 的愿景：打造协作的“中枢神经系统”
humans& 的核心理念是构建一个全新的基础模型架构，其核心是 社交智能，而不仅仅是信息检索或代码生成。这个模型的目标是成为人机协作经济的“中枢神经系统”。
它旨在充当任何组织（无论是万人公司还是一个家庭）内部的“结缔组织”，理解每个成员的技能、动机和需求，并平衡这些要素以实现整体利益。
新模型的训练方式
为了实现这一目标，需要重新思考 AI 模型的训练方式。humans& 的方法侧重于让模型学会协作，而不仅仅是提供一次性的完美答案。
- 长时程强化学习 (Long-horizon RL): 训练模型进行长期规划、行动、修正和跟进，而不是只生成一个即时答案。
- 多智能体强化学习 (Multi-agent RL): 针对有多个人类或 AI 参与的环境进行训练，优化协作结果。
- 提升记忆与理解： 模型需要记住关于自身、关于用户的信息。记忆力越好，用户理解能力就越强。
公司创始人 Eric Zelikman 解释说，新模型将被训练成像朋友或同事一样提问，真正试图去了解你，而不是像现有聊天机器人那样为了正确回答问题而机械地提问。
挑战与未来：与巨头争夺协作层
尽管 humans& 的团队背景强大且愿景宏大，但前路充满挑战。
- 资金压力： 训练和扩展新模型需要巨额且持续的资金投入。
- 资源竞争： 需要与已有的行业巨头争夺计算资源等稀缺资源。
- 直接竞争： humans& 的竞争对手不仅是 Notion 和 Slack 这类协作工具，更是 AI 领域的顶级玩家，如 OpenAI、Anthropic 和谷歌。这些公司也在积极探索如何在其平台上更好地支持人类协作。
尽管面临被收购的风险，humans& 的团队表示已拒绝了潜在买家。他们相信，他们的方向有潜力从根本上改变人类与 AI 模型的互动方式，并致力于将公司打造成一个时代性的企业。