未来式智能获Pre-A轮融资：打造数字劳动力工厂的权威榜单与测评
近日，AI智能体赛道传来新动态。未来式智能（AutoAgents.ai）宣布完成Pre-A轮融资，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、麟阁创投继续跟投。据悉，本轮资金将主要用于算力投入、团队扩张以及新产品的生态建设与运营。
这家成立于2023年6月的公司，核心聚焦于以智能体技术赋能知识工作者。其团队背景颇为亮眼，核心成员来自达摩院、腾讯、字节跳动和谷歌等一线机构。创始人兼CEO杨劲松的经历尤其值得关注，他曾任阿里达摩院产品/商业化总监、字节飞书AI负责人及亚马逊AWS aPaaS平台负责人，主导推出过阿里灵杰、通义-Alicemind等产品，在AI产品化与商业化方面积累了深厚经验。
锚定企业核心诉求：从“灵搭”平台出发
未来式智能的核心产品之一，是企业级智能体搭建平台“灵搭”。它的设计初衷非常明确：直击企业在部署和应用大模型时的几个核心痛点——数据安全与隐私、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。
因此，灵搭自诞生起就将重心放在了企业客户上，特别是电力、金融、制造这类对系统稳定性和合规性要求极高的行业。这一定位，源于创始团队对市场趋势的独特判断。
时间拉回2023年，当“百模大战”如火如荼、众多目光聚焦于大模型本身时，杨劲松却做出了一个差异化选择：不做大模型，而是专注于Agent（智能体）。在达摩院亲手训练大模型的经历让他意识到，大模型终将成为像水电煤一样的基础设施，但企业真正需要的，是一套能够直接交付业务结果的系统。这正是智能体技术能够发挥价值的地方。
具体而言，灵搭定位为一个面向业务人员的低代码AI智能体开发平台。与市面上一些画布类产品不同，它更看重非技术背景用户的需求，旨在显著降低业务人员构建和使用智能体的门槛。
产品层面，灵搭提供了超过20个标准模块节点，覆盖从用户提问、AI对话，到信息分类提取、知识库搜索、文档审查、图片识别、数据库查询等多样化功能。其支持的Text2Agent自然语言生成工作流与Skills技能引擎，能将原本需要IT或外部实施团队完成的复杂工作，前置到更贴近业务一线的员工手中。
在架构设计上，灵搭采用了“云+端”的协同模式。云端负责积累和沉淀组织内的核心知识资产，包括智能体、专属技能和工作上下文；而端侧则让员工通过本地客户端，安全、直接地调用企业全量知识库，并在日常高频业务操作中不断沉淀出新的技能，最终反哺回云端，形成知识资产的闭环与进化。
深耕垂直行业，实现规模化落地
这套打法在B端市场已经得到了验证。未来式智能在多个垂直行业实现了标杆场景的规模化落地。其起点是种子客户华东电网的合同审核项目，截至目前，灵搭已覆盖超过20家电网客户，并实现了100%的续约率，市场占有率在同类Agent产品中位居前列。
商业成果也随之显现。公司2024年实现了数百万元营收，2025年增长达4倍，收入来源已拓展至电力、金融、制造等多个行业。对于今年（2026年），团队的目标是冲击亿元营收规模。
战略延伸：从“生产工厂”到“用工平台”
在积累了深厚的行业经验与标杆案例模板后，未来式智能近期推出了另一款战略级新品——AI数字专家市场“袋袋”。
这标志着其产品矩阵的清晰分野与协同：如果说“灵搭”是AI数字劳动力的“生产工厂”，为企业提供搭建和管理智能体的底层平台；那么“袋袋”就是一个“用工平台”。它的目标是将人类专家的深度认知数字化，封装成可以直接交付结果的“数字员工”。用户可以在平台上直接“领一个数字专家回去干活”，按需雇佣，并按结果付费。
这一产品理念，呼应了当前市场的一个观察。今年以来，一些Agent工具曾一度火热又迅速降温。在杨劲松看来，未来的绝大多数用户应该是“用”Agent，而非花费大量精力去“养”Agent。“袋袋”正是这一理念下的产物。
目前，袋袋平台主要提供两种服务模式：“应用模式”用于处理报关单、报税等特定场景的高效、标准化任务；“专家模式”则深度承接更为复杂的岗位职能，例如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。
据悉，袋袋团队已与近百位人类专家达成合作，协助他们将专业能力数字化，实现知识变&现。在早期种子客户的验证下，该平台已跑出超过千万元的年度经常性收入（ARR）势能。
“约束工程”下的协同飞轮
“灵搭”与“袋袋”的并行，构成了未来式智能独特的“约束工程”协同飞轮。所谓“约束工程”，其核心在于利用真实业务场景产生的海量任务数据，反向打磨和优化智能体的每一步决策。
两条产品线形成了一个高效的闭环：袋袋平台上产生的用户数据与真实任务轨迹，会实时回流，用于迭代灵搭底层的模型与智能体能力；而灵搭平台上进化出的更强大、更精准的智能体组件，又会重新上架到袋袋，供用户选用。在这种双轮驱动下，平台所生产的数字员工任务成功率，已从最初的72%大幅提升至91%。
从客户画像来看，两条产品线也形成了互补。“灵搭”的客户主要集中在能源、金融、制造业等大型机构，如国家电网、大型银&行和券商；而“袋袋”则优先面向中小型企业和C端用户。今年，灵搭计划推动产品进入行业规模化复制阶段，将已验证的方法论和工具向更多券商、银&行等机构快速推广。
Agent生意的本质：算力兑换人力
谈及商业本质，杨劲松的总结颇为精炼：Agent生意就是“算力兑换人力”。他以华东某企业客户为例，在使用AutoAgents的方案后，其某项特定业务的人力成本降至原来的十分之一。
“目前基础模型的能力已经足以胜任大多数客户需求，真正的挑战在于是否足够深入场景，以及能否保证稳定交付。”杨劲松指出。随着大模型调用成本（Token成本）的持续下行，智能体应用的投入产出比将展现出极高且不可逆的优势。
当AI承担起越来越多的基础性、重复性工作时，组织内部的人才结构也在悄然变化。未来式智能的目标，是基于长期积累的垂直场景与数据，在具体任务上实现行业内的最优交付水平。
杨劲松判断，随着智能体能力的持续提升，组织内的初级任务将越来越多地由AI完成。届时，企业将更加看重员工的高阶能力，包括对业务的深层理解、指挥与协同AI、检查与修正AI产出、进行审美与价值判断，以及如何利用智能体优化既有业务流程。这或许才是人机协同时代，人才画像演进的真正方向。