作者｜宋思杭

編輯｜苗正卿

虎嗅獨家獲悉，截至目前，小冰的所有創始團隊成員已全部離開公司，而曾擔任小冰 CEO 的李笛，也已悄然開啟他的下一段創業旅程——一家名為 Nextie 明日新程的新公司。

據了解，Nextie 已于 12 月 7 日在奇績創壇的支持下成立，并正在啟動第二輪融資。對此，虎嗅了解到，最新一輪融資金額預計達到數千萬美元，估值暫未確定。

同一天，他帶著他的新成果，以第 54 號項目亮相在奇績創壇 Demo Day 的路演現場。但他并未像多數創業者那樣長篇展示產品，也沒有給出完整敘述，整場亮相看上去更像一次提前放出的預告。

但就在奇績路演的幾天前，李笛非常激昂地對虎嗅談及了他做大模型的夢想、初衷，以及在他設想中，大模型應該是什么樣子。他對虎嗅呈現出來的是，他正在構建一個完全不同于當前行業敘事的 AI 體系。

外界普遍以為，在經歷組織動蕩和公司治理風波后，他會選擇暫時離開 AI 舞臺。但交流中的他并沒有表現出任何疲態，反而像是回到了自己長期被擱置的原始命題前。

他提到，Nextie 想做的，不是把小冰繼續做下去，而是走小冰沒能走完的那條路。“未來也許有一天，會把小冰收回來。”他說得異常平靜。

李笛的團隊也再次聚攏，目前Nextie創始成員包括小冰聯合創始人、前微軟首席研發總監曾敏，小冰大模型與算法負責人、前英特爾架構師王文瀾，都加入了 Nextie。

與當下的AI創業項目不同，Nextie 并不打算推出一個更大的大模型，也不希望再做一款對話式 AI。在李笛看來，Chatbot 已經成為一種誤導：它的底層邏輯——依賴海量知識、依賴超長上下文、依賴單一模型的輸出——從一開始就與“真正的智能”并無關聯。大模型學習的是知識，但知識本身已經過載；上下文變長，噪音就會變多；讓模型讀更多文本，并不能讓它學會決策。“智能不會來自某一個更大的模型。”他說。

他真正想構建的是一種“認知模型”。這套模型的核心不是知識，而是認知結構；不是讓模型掌握更多信息，而是讓不同認知體在有限信息下做出更清晰的推理。他將這套體系稱之為“群體智能”。

這是一個在當前國內大模型語境下仍然相對陌生的概念：真正能解決復雜問題的，不是一個參數更大的模型，而是一群認知路徑不同的智能體，在同一問題下協同工作。在 Nextie 的系統里，每個 agent 都擁有不同的思維方式和任務邊界，不再是為了扮演角色，是為了提供真正異構的視角。他們會彼此挑戰、互相復審、展示推理鏈路，最終共同構成一個“認知網絡”。

李笛說：“我們做的不是一個更聰明的 AI，而是讓一個人擁有一個決策團。畢竟每個人之所以會做錯決策，根本上源于認知不夠”。

這套理念最終落成了面向 C 端的產品“團子”。它不是一個聊天機器人。在李笛看來，聊天框這種表達方式天然受限，它將思考壓縮成線性的問答，既無法容納多視角，也無法展示推理過程。他認為，未來 AI 的界面應該更像白板、像思維導圖，是一種能夠并行呈現多種思考路徑的空間。“團子”將圍繞用戶的問題，調動不同智能體共同構建答案。

這種做法在當前行業敘事下顯得不合時宜。過去兩年，行業幾乎形成一個共識：更大參數的模型、更長的上下文、更強的知識覆蓋，是通往“更智能”的唯一道路。但在與虎嗅的交流里，李笛明顯站在另外一側。他不斷強調“知識背后的認知”，強調“答案背后的過程”和“群體結構”，這些反共識的表達幾乎全部指向同一個判斷：目前的大模型并沒有觸及智能的本質。

當前狀態下的李笛，似乎并不急于證明什么。現在的他，正在構建的是一個未來可能與人類并行思考，而不是為人類回答問題的系統。而 Nextie，只是這件事的起點。

智能拐點未到達前，反共識路線出現了

如今的大模型行業正走到一個新的臨界點。過去三年，情緒與節奏都經歷了急轉：2023 年是百模大戰，企業比拼的是規模、速度與參數堆疊；到了 2024 年，資本開始收緊，模型公司從發布會和測試榜單退回到現實的交付現場；進入 2025 年，行業第一次出現明顯的“斷層”，有人悄然離場，有人依舊徘徊在商業化入口，而真正跑出穩定路徑的公司寥寥無幾。

但問題從來不只是商業模式有多難，或者說，與其探討商業模式的不成功，還不如探討更本質、更深層的矛盾，即技術本身。

目前行業內的現狀是，大模型依靠知識規模獲得“智力”，但知識規模與推理能力之間的張力正在被不斷放大，即上下文越長，噪音越大；參數越多，模型越難解釋；數據越豐富，系統越難以做出穩定決策。現在海內外已經有越來越多公司意識到，“能回答問題”已經不構成競爭力，真正的難關是“能否參與決策”“能否給出結構化推理”。當底層智能還處在半成熟階段時，商業化自然會呈現反復。

也正因為行業還沒完全對，不同的聲音才顯得格外必要。

共識有時會讓賽道看上去整齊劃一，但真正值得追問的是：我們是否在用錯誤的方式想象智能？是否誤把知識規模當成能力本身？是否把“大模型的強大”誤解為“智能已經足夠強大”？這些問題在大模型最繁榮的階段被忽略。但今天的行業已經開始反思。

在這樣的背景下，李笛正在做的事情就顯得格外“反共識”。他并未加入算力軍備，也未執念于參數規模；在外界聚焦“對齊”“一致性”時，他討論的是認知結構、視角差異和群體推理。他試圖繞開“大模型 = 智能”的主流假設，重新回答一個更基礎的問題：如果單體模型無法跨過智能拐點，能否通過另一種結構抵達？

當然，海外已經有團隊在探討另一種結構。而在國內，李笛希望能成為團隊另一種結構可能的創業團隊。

盡管技術仍處在早期階段，也難以預見最終形態，但行業本身或許正需要這種“不那么一致”的探索。然而，對李笛來說，這條路并不容易。

他所說的“認知模型”在國內幾乎沒有先例，這也意味著他必須同時面對三道門檻：

其一是資本市場的接受度。在國內的資本市場環境下，投資人仍然習慣看參數、看速度、看短期可交付，那么是否會有人真正愿意押注一條未經驗證的路線？其二是技術成熟度，因為群體智能的結構遠比堆疊模型復雜，這也意味著它需要跨越多個尚未成形的技術段落；

第三是 C 端商業模式的壓力。目前，國內破億月活的C端應用僅有兩個，都還沒有實現成功的商業路徑。那么一個全新范式到底如何以消費者能夠理解的方式落地，并形成持續價值？

在這些挑戰的縫隙里，反共識與堅持之間的張力，顯得尤為突出。

野心在前，耐心在后

如果只從外部視角去理解李笛的選擇，這條路徑確實容易被貼上“折騰”的標簽：

剛退出一家成熟體系，又迅速投入一個幾乎沒有行業共識的方向，沒有現成做法，也沒有明確參照物。但真正接觸下來，我發現了一種與前者截然相反的氣質，他非常清楚自己在尋找什么，甚至會讓人覺得，他過去幾年所有的停頓，都只是這次重新啟程的鋪墊。

在談到“群體智能”時，他的表達沒有任何渲染或鼓動，不試圖把它包裝成“下一代 AI”，也不刻意把它放到行業競爭框架中。更多時候，他像是在陳述一個被內部推演無數遍的基本前提：真正的復雜問題，從來不是靠單個模型解決的。和許多創業者熱衷于講“能力提升多少倍”、“推理速度更快”不同，他更在意的始終是三個問題：過程是否透明、認知是否獨立、不同視角之間能否真正發生挑戰。

當虎嗅問道，不同智能體之間互相debate（爭論）的過程，用戶能否看到？李笛回答說，這與現在大模型的推理鏈路不同，群體智能的所有推演、爭論與協作都會以各自的方式被呈現，而不是被隱藏在系統內部。

他還舉了兩個例子，無論是此前引發廣泛爭議的俞敏洪公開信信、還是西貝的公關危機等等事件，未來當類似事件再次出現時，群體智能或許都能作為輔助系統，為個體和組織提供更清晰的判斷依據，幫助人類做出更可控、更聰明的決策。

在他的構想里，這個系統更像一個被抽象后的組織：有人負責提出反駁，有人負責驗證細節，有人做結構化整理。每個智能體都有自己的邊界、偏置和認知方式，而不是統一模版下的角色扮演。他說這些時語氣平靜。

在筆者看來，他并不急于確定界面或形態，而是更專注于底層邏輯是否自洽、是否值得沿著這條路徑繼續往前推。

這種狀態同時包含著野心與耐心。野心在于，他試圖回答的不是“如何讓模型更強”，而是“如何讓一個普通用戶獲得一個團隊的智能”；耐心在于，他幾乎已經接受這件事不會在短時間內被理解，也不會立刻獲得市場驗證。有些技術路線確實需要慢慢長出生命力，而不是在商業壓力下迅速定型。

在當下的大模型行業，這樣的姿態并不常見。