Prague Technology

1.1 身份与创立

Prague Technology 是林俊阳 2026 年中在中国上海创立的 AI 实验室英文商号。公司通过多个法律实体运营：上海卜拉格科技有限公司（Shanghai Bulage Technology Co., Ltd.）于 2026 年 5 月 27 日注册，林俊阳持股 99%，并担任执行董事、总经理和财务负责人；语用（上海）科技有限公司（Yuyong Shanghai Technology Co., Ltd.）于 2026 年 5 月 13 日注册，林俊阳持股 100%。第三个实体上海格物致用管理咨询合伙企业由卜拉格科技控制。命名是有意的语言双关：卜拉格（Bulage）是 “Pragmatics” 的音译，语用（Yuyong）是 “Pragmatics” 的中文意译——两者都指向语用学，也呼应林俊阳的学术背景。公司总部位于上海徐汇区。截至报告日期（2026 年 7 月），公司没有官方网站、没有披露产品，也没有报告收入。公司公开披露的重点方向是世界模型，以及面向物理 AI 系统的「具身大脑」。林俊阳在 2026 年 3 月 3–4 日因内部重组会议离开 Alibaba，并在社交媒体发布 “me stepping down. bye my beloved qwen”。经过短暂复盘和战略规划后，他在 2026 年 5–6 月成立创业实体。[CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人与领导层

林俊阳（Justin Lin）是 Prague Technology 唯一公开可知的创始人和负责人。他出生于 1993 年，本科毕业于国际关系学院英语专业，硕士毕业于北京大学外国语学院语言学与自然语言处理方向。2019 年，他以应届毕业生身份加入 Alibaba DAMO Academy，最初负责搜索和推荐场景中的 NLP，以及包括 M6 在内的早期多模态项目。2022 年底，Alibaba 将 AI 团队重组为通义实验室体系，林俊阳出任通义千问（Qwen）大语言模型系列技术负责人。在他带领下，Qwen 从内部项目成长为全球下载量最高的开源 LLM 家族之一：到 2026 年初，全球下载量超过 10 亿次，衍生模型超过 200,000 个。他也成为 Alibaba 史上最年轻的 P10 级技术高管；P10 代表个人技术贡献者的最高等级。2026 年 3 月 3 日，他得知拟议重组将把 Qwen 团队拆分为预训练、后训练、文本、图像和语音等独立团队，团队组织独立性将被取消。次日上午，他宣布离职。在后续文章《From Reasoning Thinking to Agentic Thinking》中，他提出下一代 AI 范式将围绕 agentic systems 展开——AI 不只是思考，还要行动。仍在 Alibaba 任职时，林俊阳已于 2025 年 10 月组建一个小型内部团队，聚焦机器人和具身智能，提前押注这一方向。除林俊阳外，创始团队规模很小，最初约 1 至 10 人，成员来自 ByteDance、Tencent 和国际背景。公司尚未公开披露其他具名高管或董事会成员。[CO008, CO009, CO010, CO011, CO012, CO013]

1.3 融资历史与投资方联盟

Prague Technology 于 2026 年 6 月完成首轮外部融资，融资约 $220 million，投后估值约 $2 billion（人民币 135 亿元）。按绝对美元金额计算，这是中国 AI 初创公司天使或种子阶段的纪录级估值。The Information 最先报道该轮融资，多家中国和国际信源随后确认。领投方为高榕创投和 HongShan Capital（红杉中国，原 Sequoia China），各投资 $100 million。Tencent 作为战略联合投资方出资 $20 million。据两名熟悉交易的人士称，公司刚完成该轮融资后，已在寻求启动新一轮后续融资。融资轨迹反映出顶级中国 VC 之间的激烈竞争：在正式产品里程碑出现前，先锁定顶尖 AI 创始人的早期股权。高榕创投是总部位于上海的主要 VC，管理资金超过人民币 300 亿元，覆盖 300 多家公司，重点投向 AI 和机器人，过往案例包括 Moonshot AI、XYZ Robotics 和自动驾驶公司。HongShan（原 Sequoia China）管理资产 $55 billion，覆盖 1,500 多家被投公司，曾投资 DeepSeek、Pony AI、X Square Robot，以及 OpenAI、Anthropic 等全球 AI 龙头。Tencent 几乎投遍中国头部 AI 初创圈，包括 DeepSeek、MiniMax 和 Zhipu。该投资联盟传递的信号是，机构已形成共识：林俊阳在世界模型和具身智能上的创始人-市场匹配度，足以支撑一个尚未有产品公司的数亿美元下注。[CO016, CO017, CO018, CO019, CO020, CO021]

1.4 关键里程碑与当前状态

Prague Technology 的里程碑集中在很短的创立窗口。林俊阳带领 Qwen 团队完成 Qwen 3.5（3970 亿参数 MoE 架构）后，于 2026 年 3 月 3–4 日离开 Alibaba。2026 年 3 月 26 日，他发布战略文章《From Reasoning Thinking to Agentic Thinking》。2026 年 5 月，The Information 首次报道他正以 $2 billion 估值融资。2026 年 5 月 13 日至 6 月，他注册了公司实体。到 2026 年 6 月中旬，天使轮已经交割。截至 2026 年 7 月 23 日报告日期，公司没有披露产品、路线图、网站或商业合作。公司没有报告客户或收入。团队仍处于早期组建和招聘阶段。公司没有公开演示，也没有以 Prague Technology 或卜拉格品牌申请任何专利或发布任何技术研究。公司的成熟度画像是前产品阶段的 AI 研究实验室：创始团队履历顶尖，资本已经到位，技术命题也已提出，但新品牌之下还没有经过验证的技术产出。没有公开网站或新闻稿，说明公司可能刻意保持隐身，符合研究优先的策略。林俊阳 2026 年 3 月在社交媒体称「多模态基础模型正在转向基础智能体，借助工具和记忆，通过强化学习做长期序列推理」，这是其技术方向最清晰的公开表述。[CO025, CO026, CO027, CO028, CO029, CO030]

1.5 展示要点

2.1 市场定义与范围

与 Prague Technology 相关的市场是具身智能——AI 系统借助人形机器人、工业机械臂、自动驾驶车辆、服务机器人等硬件载体，在物理环境中感知、推理并行动。它不同于纯软件 AI（部署在云端的大语言模型），也不同于按固定规则运行的传统预编程工业机器人。相关支出边界包括：（1）面向具身智能体的 AI 基础模型和世界模型软件；（2）完整人形机器人和移动操作机器人系统；（3）上游零部件（伺服电机、传感器、电池、执行器）；（4）系统集成和部署服务；（5）用于模型训练的数据采集与仿真基础设施。Prague Technology 及其可触达客户需要替代的现状方案包括固定程序工业机器人、制造业人工劳动力，以及早于世界模型出现的 VLA（vision-language-action）模型。相邻市场包括自动驾驶汽车和无人机智能，两者存在技术交集，但监管制度和买方不同。中国具身 AI 行业由硬件公司主导，约 85% 的公司为民营，国资参与约 4% 的实体。软件 / AI 大脑层——Prague Technology 的目标位置——是公认瓶颈：全球只有约 100 家公司在积极开发具身大模型，而上游硬件供应商超过 8,000 家。中国国内市场区域集中度很高，广东、浙江、江苏、上海和北京合计占全部公司三分之二以上；2026 年 1–5 月，仅广东就贡献了行业总销售收入的 78.7%。[CM001, CM002, CM003, CM004, CM005, CM006]

2.2 市场规模：TAM、SAM 与 SOM

全球和中国具身 AI 市场有多套测算口径，结论差距很大——这反映的是定义分歧，而不是预测错误。最保守的自下而上估算基于当前人形与具身机器人部署，认为 2025 年全球具身 AI 市场规模为 $4.44 billion，并以 39% CAGR 增长，到 2030 年达到约 $23 billion。最宽口径来自 IDC：其将全球具身 AI 市场广义定义为包括自动驾驶汽车、工业自动化软件、智能制造等所有物理 AI 相邻类别，并预测 2030 年将达到 $1.5 trillion。中国国务院发展研究中心预测，仅中国国内具身 AI 市场到 2035 年就将超过 ¥1 trillion（$140 billion）。这些估算无法直接比较：IDC 数字包含 EV 软件、制造业 IT 等多数从业者不会归为具身 AI 的支出类别。投资活动是市场动能最及时的指标；仅 2026 年第一季度，中国机器人与具身 AI 风投融资就达到 $3.3 billion，覆盖 126 笔交易，创下单季度历史新高。2026 年上半年，中国具身 AI 与机器人融资总额超过 ¥46 billion（$6.4 billion），覆盖 288 起事件、226 家公司。全球范围内，2025 年机器人风投总额为 $13.8 billion；人形机器人专项投资在四年内增长约 143 倍。Prague Technology 的可服务可触达市场，是 AI 大脑和世界模型软件层。该层目前几乎没有披露的独立收入，但头部分析师将其描述为新兴栈中的主要瓶颈和价值最高节点。类比软件 AI 的基础模型——模型 API 提供商可捕获下游应用价值的 10–15%——到 2030 年，中国世界模型授权的非常粗略 SOM 估算为 $4–8 billion；但这个数字带有推测性，缺乏信源支持的确认。[CM008, CM009, CM010, CM011, CM012, CM013]

2.3 买方与细分格局

中国具身 AI 买方生态按产品类型和部署场景切分。工业机器人仍是收入最大细分，约占中国市场 45%，主要付费方是汽车 OEM（BYD、NIO、SAIC）和电子制造商。服务机器人约占 25%，面向零售、酒店和养老场景，预算权通常在设施运营或 IT 层级。人形机器人目前收入占比最小，约 5%，但增速最高，也吸引最具投机性的资本。Prague Technology 最相关的买方，是需要授权或集成 AI 大脑模型的人形机器人 OEM——因为 Prague Technology 没有直接面向消费者或企业的产品，必须依靠 OEM 合作触达终端用户。长三角——上海、江苏、浙江——占中国具身 AI 公司和融资的 50% 以上，是自然的地理重心。已经在该领域运营的关键人形 OEM，包括 AgiBot（BYD 支持，按 2025 年人形机器人出货量全球第一）、Unitree Robotics（2025 年出货 5,500 多台，2026 年 6 月 IPO 获批）和 UBTECH（香港上市，2025 年人形机器人收入 ¥821M）；如果 Prague Technology 成功商业化世界模型，这些公司会是自然的首批可触达客户。仓储和物流运营商（JD.com、SF Express、Amazon China）是第二层买方，劳动力成本 ROI 更具体，采购周期也快于工业自动化。AI 大脑模型采购的预算所有者位于 OEM 的 CTO 或研发负责人职能内，采购决策主要由模型性能基准和集成可行性驱动，而不是单价。[CM019, CM020, CM021, CM022, CM023, CM024]

2.4 增长驱动因素与采用约束

中国具身 AI 市场由政策指令、软件成熟度和供应链能力三者强力汇合驱动。中国「十五五」规划（2026–2030）将具身 AI 列为量子技术、生物制造等六大未来产业之一，既给出明确政策背书，也带来资金优先级。2026 年 MIIT-SASAC 联合行动计划目标是在年底前部署 10,000 多台机器人。北京、上海、深圳的产业基金规模达到 ¥100 billion（$14.5 billion）量级。软件前提——大语言模型成熟——已经由中国本土实验室满足：Alibaba Qwen3.5、DeepSeek V4 和 ByteDance Seed 1.6 展现出世界级推理能力，可被改造成机器人控制逻辑。中国制造供应链覆盖全球工业机器人零部件约 70%。ByteDance 已将世界模型列为 2026 年最高 AI 优先级，并配套 ¥200 billion（$29.4 billion）资本开支预算。约束侧，sim-to-real 迁移鸿沟——把仿真中训练的 AI 转化为物理机器人行为的难度——仍是活跃研究问题，但正通过域随机化、数字孪生流水线和神经辐射场收窄。具身模型训练的数据稀缺是根本瓶颈：不同于用互联网文本训练的 LLM，具身 AI 模型需要大规模物理交互数据，采集成本高、速度慢。美国对先进 AI 芯片（NVIDIA H100/H200）的出口管制，给所有中国 AI 开发者带来持续硬件采购风险，Prague Technology 也不例外。资本强度极高——大规模训练世界模型所需算力预算，即便资金充足的初创公司也难以长期维持。独立分析师给出的基准情形是，可靠通用人形自主能力的现实商业部署窗口在 2028–2030 年；这意味着即便按乐观假设，Prague Technology 的商业收入时间线至少也要延后 2–3 年。[CM028, CM029, CM030, CM031, CM032, CM033]

2.5 展示要点

3.1 竞争格局概览

Prague Technology 面临三个重叠战场：（1）中国全栈具身 AI 公司，同时开发硬件和 AI 大脑；（2）全球纯软件世界模型初创公司；（3）内部建设具身 AI 能力的大型科技公司。围绕 Prague 的世界模型 / AI 大脑定位，直接竞品范围更小，但资金极其充足：TARS AI 已在两轮融资中筹集 $697 million，Spirit AI 融资 $435 million、估值 $1.5 billion，AMI Labs（Yann LeCun）融资 $1.03 billion、估值 $3.5 billion，World Labs（Fei-Fei Li）融资超过 $1 billion，目标估值据报为 $5 billion。Prague Technology 融资 $220 million、估值 $2 billion，在这组同业中按融资额居中，但按隐含收入倍数处在高端——这是风险评估的重要差别。ByteDance 的在位者威胁可能是 Prague 面临的最大结构性竞争风险：ByteDance 已将世界模型列为最高 AI 优先级，并配套 ¥200 billion 资本开支预算，算力、数据和分发能力都比 Prague 高出几个数量级。Prague 必须替代的替代品和现状方案包括：（a）为机器人控制改造的微调 LLM（目前足以胜任窄任务）；（b）OpenVLA、RT-X 等开源项目的 VLA（vision-language-action）模型；（c）硬件 OEM 自研 AI——AgiBot 和 Unitree 都在投入自有 AI 模型，降低对外部大脑供应商的依赖。潜在进入者包括任何将算力预算转向具身 AI 的中国主要互联网公司（Baidu、NetEase、Xiaomi），以及任何延伸到物理 AI 的全球 AI 实验室（Anthropic、xAI）。[CP001, CP002, CP003, CP004, CP005, CP006]

3.2 直接竞品画像：世界模型与 AI 大脑层

TARS AI（它石智航）由前 Huawei 自动驾驶 CTO 陈亦伦和前 Baidu Apollo 总裁李震宇于 2025 年 2 月创立，是 Prague Technology 最直接的中国竞争对手。TARS 采用全栈策略：自研硬件（A 系列轮式工业机器人和 T 系列双足人形机器人）与 AWE 3.0 通用具身大模型结合。TARS 两次刷新中国具身 AI 融资纪录——先是在 2025 年第二季度完成 $242 million 天使轮，随后在 2026 年 4 月完成由 Hillhouse 和 Sequoia China 领投的 $455 million Pre-A 轮。其投资人覆盖战略股东（Meituan）、财务资本（Hillhouse、HongShan）、产业资本（TCL）和国资基金（北京机器人基金、上海国资）。相较 Prague 的纯软件定位，TARS 的全栈路线是关键差异点——TARS 靠硬件部署采集自有具身训练数据，形成数据飞轮；Prague 必须靠 OEM 合作复制这一机制。AMI Labs（Advanced Machine Intelligence Labs）由图灵奖得主 Yann LeCun 于 2025 年末创立，并在 2026 年 3 月以 $3.5 billion 估值融资 $1.03 billion，创下欧洲史上最大种子轮。AMI 基于 LeCun 的 JEPA（Joint Embedding Predictive Architecture）框架构建世界模型，并明确将自己定位为商业化前、研究优先的实体。AMI 的近期应用是医疗健康（通过 Nabla 合作），不是机器人；不过其投资方包括 NVIDIA、Samsung 和 Toyota Ventures，说明工业应用已有规划。AMI 目前不直接竞争中国市场。World Labs（Fei-Fei Li）融资超过 $1 billion，其中包括 Autodesk $200 million 战略投资，目标估值据报为 $5 billion。其首款产品 Marble 聚焦面向娱乐和设计的 3D 环境生成，不是工业机器人。在全球世界模型领导者中，World Labs 与 Prague 目标场景的直接竞争性最低。Spirit AI（精灵智能）已从 Chaos Ventures 和 YF Capital 融资 $435 million，估值 $1.5 billion，明确瞄准通用机器人大脑市场，而 Prague 也在中国追逐同一市场——因此它是直接国内竞争对手，且领先 12 个月、拥有更深的中国本土投资人关系。[CP007, CP008, CP009, CP010, CP011, CP012]

3.3 OEM 平台竞争者与在位 AI 巨头

AgiBot 和 Unitree 是中国按出货量计最大的两家人形机器人 OEM，构成 Prague Technology 必须面对的关键「自建还是外购」动态。AgiBot 由 BYD 支持，2025 年人形机器人出货 5,168 台、全球第一，正在积极开发内部 VLA 和世界模型能力；AgiBot World Challenge 2026 吸引了来自 27 个国家的 526 支团队，展示了这一进展。AgiBot 的数据护城河直接来自其在 BYD 和 SAIC 的制造部署，提供 Prague 需要依靠合作才能获得的具身交互数据。Unitree 已开源其 vision-language-action 模型 UnifoLM-VLA-0，释放出另一种策略信号：把 AI 大脑层商品化，推动硬件采用和开发者生态。如果 Unitree 跑通这一策略，所有独立 AI 大脑供应商都会承受定价压力。ByteDance 在 2026 年宣布世界模型为最高 AI 优先级，并配套 ¥200 billion（$29.4 billion）资本预算，这代表压倒性的在位者资源优势。ByteDance 的 Doubao 平台拥有 2 亿多日活用户，让其可以获取规模上任何初创公司都无法匹敌的多模态用户交互数据。虽然 ByteDance 尚未聚焦机器人专用世界模型，但其算力和分发能力意味着它随时可能入场。Alibaba 的 Qwen 团队——林俊阳的前雇主——仍在活跃：Qwen3.5 于 2026 年 3 月发布，Alibaba 也披露了对具身 AI 的持续研发投入。关键风险在于，Alibaba 可能基于开源 Qwen 基础，利用林俊阳离职后留下的架构创新，开发直接与 Prague 竞争的机器人专用世界模型。Google DeepMind 的 RT-X（Open X-Embodiment）联盟和 Gemini Robotics 提供了所有具身 AI 初创公司都必须超越的开源基线，才能证明授权费合理。企业买方评估 AI 大脑软件「买还是自建」时，开源替代方案（OpenVLA、RT-X）就是关键替代威胁。[CP021, CP022, CP023, CP024, CP025, CP026]

3.4 护城河评估与竞争风险

Prague Technology 设想中的护城河——来自 Qwen 的 LLM 架构经验、具身 AI 世界模型先发优势、顶尖创始人可信度——每一项都有被侵蚀的风险。架构经验护城河在 18–24 个月窗口内最耐久，但随着行业转向开放架构和基准，竞争会加剧。林俊阳在 transformer 扩展和 MoE（mixture-of-experts）架构上的专长确实稀缺，Qwen3.5 的 397B 参数 MoE 模型已经证明这一点，并可能在早期世界模型训练中带来数据效率或算力效率优势。不过，TARS AI 的创始团队（Huawei 自动驾驶 + Baidu Apollo）同样履历强，且拥有运营级 AI 部署经验；相较学术 LLM 扩展，这种经验或许更贴近真实机器人落地。数据飞轮是任何具身 AI 模型提供商最关键的长期护城河：谁能收集最多样、最高质量的具身交互数据，谁就能训练出更好的模型。截至 2026 年 7 月，Prague Technology 没有已部署机器人，因此没有数据采集优势。TARS、AgiBot 和 Unitree 都有活跃硬件部署，正在生成自有数据。相对全栈同业，这就是 Prague 最显著的结构性竞争劣势。分发和商业化路径是 OEM 集成型竞争者的中期护城河：AgiBot 的 BYD 分发能力和 Unitree 的开发者生态，为下游 OEM 客户制造转换成本，Prague 必须靠更强模型性能来克服。商品化风险真实存在：如果到 2027–2028 年，Google DeepMind 的开放 RT-X 生态，或 OpenVLA、Pi0 等开源 VLA 框架，对多数工厂任务已经「足够好」，授权 AI 大脑模型的市场就会压缩到专业应用。Prague Technology 的价值主张依赖一个假设：面对复杂多步骤任务，世界模型显著优于 VLA 模型。这个假设在技术上有前景，但尚未在商业规模上得到经验证实。[CP032, CP033, CP034, CP035, CP036, CP037]

3.5 展示要点

4.1 收入模式与商业策略

截至 2026 年 7 月，Prague Technology 没有当前收入、没有商业产品，也没有披露客户，明确处于商业化前的研究阶段。结合林俊阳公开表述和公司披露方向推断，其目标收入模式是 B2B AI 模型授权和 API 访问业务：人形机器人 OEM 授权 Prague 的世界模型，为自己的 AI 大脑层提供动力，并支付经常性 API 费用或按模型运行次数计费。次级收入流可能包括面向 OEM 特定硬件配置的定制模型训练或微调服务，也可能包括数据标注或仿真基础设施服务。Prague 的纯软件策略（不做硬件制造）一旦产生收入，理论上可形成高毛利商业模式，类似规模化后达到 70-85% 毛利率的基础模型 API 提供商。但这一理论毛利率假设有大量 OEM 客户在生产环境部署 Prague 模型。最接近且已验证的可比公司显示，商业化时间线需要数年：AMI Labs 的 CEO 明确承认，世界模型商业应用需要 “years, not months or quarters”；Physical Intelligence 的 π0 已展示多任务操作，但没有披露大规模商业收入。Prague 的产品路线图、开发时间线、定价结构和商业化路径完全未披露，因此无法做出除最粗略定性边界以外的任何财务建模。截至 2026 年 7 月，公司没有任何技术白皮书、模型基准或公开原型，这意味着收入建模的基础——产品会有效的证据——也无法独立验证。[CI001, CI002, CI003, CI009, CI010, CI011]

4.2 单位经济与成本结构

Prague Technology 的单位经济无法评估，因为公司没有披露收入或成本。不过，世界模型开发公司的结构性成本驱动因素，从行业可比公司已经很清楚。最主要成本是 AI 算力：训练前沿世界模型所需算力预算，可比甚至超过前沿 LLM 训练，每轮训练从数千万美元到数亿美元不等。达到 Qwen3.5 的 397B 参数 MoE 模型规模时，单次训练成本以数千万美元计。由于具身 AI 训练需要多模态物理仿真，世界模型可能需要更多算力。人才获取和留存是第二大成本驱动因素——头部实验室的前沿 AI 研究员年薪包在 $500K 到 $3M 之间，组建一支 50–100 人的竞争性研究团队，按市场价格每年需要 $50-150M 薪酬。基础设施和云算力费用（或 Prague 如果采购硬件，则为自有 GPU 集群）构成重大资本开支。正向成本结构论点是，Prague 没有硬件 COGS、没有制造开销、没有库存、没有实体分销；如果产品是纯软件授权，规模化收入下毛利率可能超过 80%。反向成本论点是，算力成本受 GPU 出口管制影响，中国公司获取 NVIDIA H100/H200 受限，被迫依赖国产替代（Huawei Ascend、国产 GPU），而后者价格性能比可能更差。美国已对输往中国的 NVIDIA H200 AI 芯片加征约 25% 关税，显著推高所有中国 AI 模型开发者的训练成本通胀。[CI017, CI018, CI019, CI020, CI021, CI022]

4.3 资本充足性与融资

Prague Technology 在约 2026 年 6 月交割的天使轮中融资约 $220 million：高榕创投 $100 million，HongShan（Sequoia China）$100 million，Tencent $20 million。投后估值约 $2 billion。按保守月烧钱 $5 million（覆盖约 50 人团队和有限算力）计算，$220 million 可提供约 44 个月（3.7 年）跑道；如果开发按计划推进，足以在 2029 年前达到概念验证。按激进月烧钱 $12 million（建设 200+ 人团队并投入高强度算力）计算，跑道压缩到约 18 个月，需要在 2027 年底前完成后续融资。多家信源称，Prague Technology 在天使轮刚交割后就已寻求后续融资——这说明公司预期目标开发时间线需要的资本超过 $220 million。Tencent 的战略投资可能带来现金以外的价值：Tencent Cloud 的 GPU 集群、Tencent 企业生态分发，以及通过 Tencent 平台业务形成的潜在数据合作，都可能降低 Prague 的有效算力成本和上市时间。$2 billion 投后估值意味着价格 / 资本比约 9x（$2B / $220M），高于 AMI Labs（3.4x），也符合 2025-2026 年市场对顶级 AI 创始人的溢价。只有当 Prague 产品按期落地并被 OEM 强势采用时，这一溢价才站得住。反向财务风险场景是，世界模型开发时间线拖过 2029 年，Prague 在达到商业验证前触发降估值融资或被迫战略转向。S&P Global 和 Morgan Stanley 都曾提示，AI 行业投资风险来自资本集中投向开发周期长的前收入公司。[CI004, CI005, CI006, CI007, CI024, CI025]

4.4 财务结论与关键尽调阻碍

Prague Technology 的财务画像是高估值下的极端前收入投机——一家零收入、零产品、只有一名公开员工（林俊阳）的公司，估值 $2 billion。这在 2025-2026 年 AI 市场并非没有先例：AMI Labs（$3.5B）和 World Labs（$5B 目标）在商业进展同样有限的情况下估值更高。不过，9x 的 P/Capital 比率在世界模型初创公司中处于最高区间之一，本质上是对林俊阳架构能力和具身 AI 时点的纯押注。财务命题只有在以下条件同时成立时才成立：（a）Prague 在 2027-2028 年成功训练并发布世界模型；（b）模型性能超过开源替代和 TARS AWE 3.0；（c）多个 OEM 客户以商业可行的授权费采用该模型。任何一项失败，估值都会坍缩到人才收购（acqui-hire）或归零结果。Forbes 曾记录 AI 初创公司正在基于氛围和叙事而非经验证指标「放大估值」；Prague 正好符合这一原型：投资命题完全建立在创始人声誉，以及世界模型会成为下一代 AI 范式的结构性论点上。承销 Prague 财务风险时，最关键未知数是月度现金消耗率：如果公司因激进算力支出，烧钱已经超过 $8-10M/month，就可能需要在 2027 年底前融资，而届时市场条件未必更有利。正式投资决策前必须解决的财务尽调阻碍包括：（1）交割时经验证的现金余额和月度烧钱；（2）资本分配计划（算力、人才及其他）；（3）与 Tencent Cloud 的任何数据共享或收入分成安排；（4）是否存在与 OEM 客户签署的任何 LOI 或合作 MOU。[CI035, CI036, CI039, CI040]

4.5 展示要点

5.1 产品愿景与架构

Prague Technology 的产品愿景，是面向具身 AI 的世界模型——一个 AI 大脑层，让人形机器人和物理系统能够以足够高的保真度感知、建模并预测物理世界，从而自主执行灵巧、多步骤任务。不同于通过模仿学习把感知输入直接映射为运动动作的 VLA（vision-language-action）模型，Prague 设想的世界模型路线处在更高认知层：它学习物理世界如何运转的内部表征，让机器人在执行前先通过心理仿真规划未来状态。这正是 LeCun 为自动驾驶提出、AMI Labs 为通用具身 AI 追逐的同一种认知路径。Prague 的差异化在于专注中国 OEM 机器人产业，以及创始人从 Qwen 积累的多模态、大规模模型架构深度经验。林俊阳曾带领 Qwen 多模态架构开发，使其具备视频理解、图像推理和跨模态检索能力；这些都是世界模型开发的基础能力。用客户工作流来定义产品：OEM（机器人制造商）把 Prague 的世界模型作为认知层集成进机器人计算栈，用一个可跨多种操作任务工作的通用 AI 大脑，替代或增强自有感知-规划模块，而不需要针对每个任务重新训练。价值主张是降低每个新任务的集成成本，提高跨环境泛化能力，并接入一个由多家 OEM 数据训练、持续改进的基础模型。截至 2026 年 7 月，Prague Technology 尚未公开发布产品演示、白皮书、架构博客或基准结果。[CE001, CE002, CE003, CE004, CE005]

5.2 技术栈与 AI 架构

Prague Technology 的技术架构目前只能从 Lin Junyang 过往负责 Qwen 的经历，以及更广泛的世界模型研究版图中推断。Lin Junyang 曾主导 Qwen 2.5 和 Qwen 3.5 模型家族，其中有几项与具身 AI 世界模型直接相关的架构创新：（1）Mixture-of-Experts（MoE）架构，让计算在专门子网络之间按需分配，降低复杂多模态推理的推理成本；（2）混合思考模式，把快速反应和慢速深思结合起来（类似 System 1/System 2 认知）——这直接适用于机器人控制：有些响应必须低于 100ms，有些则需要多步规划；（3）用于视觉和空间理解的多模态编码器；（4）可训练 3970 亿参数模型的大规模分布式训练基础设施。这些能力正好对应世界模型的核心技术要求：多模态编码器（视觉 + 本体感知 + 语言输入）、内部状态模型（物理世界动力学）、规划模块（目标条件轨迹生成）和机器人控制接口（动作输出）。Physical Intelligence 的 π0 证明，30 亿参数 VLA 模型只要用多样化机器人数据训练，就能在 68+ 项任务上做到一次样本泛化——但它仍依赖短时域动作预测，而不是物理世界模拟。DeepMind 的 Genie 2 显示，100 亿参数世界模型用视频训练后，可以从单张图像生成一致的 3D 交互环境，证明世界模型路线可用于物理模拟。Prague 的技术路线很可能同时借鉴这两个先例，但目标是专门面向中国 OEM 机器人数据、制造场景和灵巧操作任务优化的模型。关键技术风险包括：（a）世界模型需要比 VLA 大得多的训练数据多样性——这要求尚未建立的 OEM 数据合作；（b）机器人控制要求 30-100Hz 的实时推理，放在世界模型规模上计算压力很高，现有硬件可能撑不住；（c）物理系统的安全与可靠性带来超出软件 AI 基准的新技术要求。[CE006, CE007, CE008, CE009, CE010, CE011]

5.3 关键依赖、差异化与知识产权

Prague Technology 的关键技术依赖既带来战略优势，也埋下实质脆弱性。优势在于，Lin Junyang 的架构能力、来自 Alibaba/Qwen 的团队人才网络，以及他与中国 OEM 机器人生态的深度关系，让公司更容易拿到执行世界模型战略所需的人才和数据合作。脆弱性则集中在三项关键技术依赖：（1）GPU 算力受美国对 NVIDIA H100/H200 芯片出口管制限制——Prague 必须依赖 Huawei Ascend NPU 或国产替代方案，而这些方案的每美元 FLOPs 表现更差；（2）与机器人 OEM（AgiBot、Unitree、UBTECH 等）建立真实世界具身 AI 训练数据合作——没有多样化机器人-环境交互数据，世界模型会过拟合仿真，迁移到真实环境时失效；（3）大规模生成合成训练数据的仿真基础设施——自建或授权一个可比 NVIDIA Isaac Sim 或 Genesis 的高保真物理仿真环境，本身就是一项重大技术工程。知识产权方面，截至 2026 年 7 月，Prague Technology 没有已知专利，也没有公开技术论文。如果有知识产权护城河，主要会来自：（a）基于 MoE 的多模态世界模型架构创新，（b）从 OEM 合作中积累的专有具身训练数据，（c）多个 OEM 用训练数据换取持续改进模型后形成的数据飞轮。Anthropic 安全框架和 OpenAI 的 Sora 系统卡都记录了大型生成模型进入物理或高后果领域后的安全考量；Prague 从研究走向部署时，也会面对类似的安全与对齐要求。物理 AI 系统的信任、安全和合规，需要鲁棒性测试、安全认证（工业机器人 ISO 10218、嵌入式系统 IEC 62443），并遵守中国生成式 AI 监管（2023 年 8 月生效的 MIIT《生成式 AI 服务暂行办法》及后续更新）。[CE016, CE017, CE018, CE019, CE020, CE021]

5.4 路线图、开发阶段与尽调缺口

截至 2026 年 7 月，Prague Technology 没有发布正式产品路线图、开发时间表或里程碑目标。公司成立于 2026 年 5 月，本报告撰写时还不到三个月。参照可比世界模型的开发周期——DeepMind 的 Genie 2 从概念到发布约用了 2 年；Physical Intelligence 的 π0 约用了 18 个月；AMI Labs 目标是在 2027-2028 年推出首个产品——Prague 最早可信的里程碑，是 2027 年中展示概念验证模型，2027 年底或 2028 年初完成首次 OEM 试点集成，并在乐观情景下于 2028-2029 年实现商业可用。公开可识别的团队成员只有 Lin Junyang；团队构成、来自 Alibaba 或学术机构的关键招聘、组织结构均未披露。这个阶段没有技术博客、预印本论文或基准结果并不异常，但也意味着外部几乎没有任何技术证据可用来评估 Prague 的架构路线、训练方法，或攻克关键技术难题的能力。对比基准公司：Physical Intelligence 在成立 6 个月内发布了 π0 论文；Google DeepMind 创建后不久发布 Genie 2；AMI Labs 已发布初步模型卡和博客。Prague 的技术不透明造成完整尽调缺口。关键技术尽调问题包括：（1）架构白皮书或技术备忘录，证明团队的世界模型路线；（2）仿真到现实迁移研究或数据证据，说明团队理解领域鸿沟；（3）现有或计划中的 OEM 数据合作协议；（4）算力策略——Prague 使用 NVIDIA 还是国产芯片，效率差距有多大。[CE025, CE026, CE027, CE028, CE029, CE030]

5.5 图表

6.1 客户基础：零客户与市场机会

截至 2026 年 7 月，Prague Technology 没有客户、没有已签署的 LOI、没有试点协议，也没有披露任何客户对话。因此，本章分析的是潜在客户需求和商业牵引缺失，而不是已经实现的客户指标。对一家 2026 年 5 月成立、产品尚未存在的公司来说，这并不意外。但客户尽调缺口不只是时间问题，而是根本商业不确定性：Prague 必须把 OEM 机器人制造商变成客户，而这类买方在生产硬件中采用未经验证的 AI 组件时出了名保守。潜在客户机会很大：中国人形机器人行业在 2026 年 H1 获得 ¥46 billion（$6.4B）投资，更广泛的具身 AI 生态中有 10,000+ 家公司，AgiBot、Unitree、UBTECH、ESTUN、SIASUN 等主要 OEM 品牌都在主动开发或采购 AI 大脑能力。全球范围内，Physical Intelligence 的 π0 已证明，只要能力被可信展示，OEM 制造商会试用 AI 大脑集成。International Federation of Robotics 预计全球服务机器人市场到 2030 年将达到 $68 billion，其中 AI 驱动的认知组件预计会占据重要份额。反面观点是，Prague 面临结构性的启动难题：OEM 客户在承诺数据合作前要求看到可用产品演示，但世界模型的构建又需要 OEM 数据——这形成了一个必须在拿下首个客户前解决的鸡生蛋问题。多位中国 AI 观察者指出，向 OEM 销售世界模型组件，必须证明任务周期时间、错误率下降或替代工人的可量化 ROI；没有产品，Prague 无法给出这些指标。[CU001, CU002, CU003, CU004, CU005, CU006]

6.2 潜在客户细分与买方分析

Prague Technology 的目标客户细分，可以从公司的世界模型论点和中国人形机器人 OEM 市场结构中推断。首要目标细分是中国 OEM 人形机器人制造商，特别是面向制造、物流和工业应用造机器人的公司，它们需要用通用世界模型替换自有 AI 规划模块。该细分包括：AgiBot（行业领军者，2026 年 AgiBot World Challenge 吸引 526+ 支全球团队，已在汽车制造中商业部署）、Unitree Robotics（2026 年 IPO 审核获通过，H1 收入约 ¥500M，正在扩展企业自动化）、UBTECH Robotics（面向制造和酒店业的企业人形机器人），以及数十个较小品牌。次要目标细分是正在采用具身 AI 的中国制造业：电子制造商（PCB 组装、元件放置）、汽车制造商（点焊、装配线协作）和家电制造商（质检、总装）。第三层细分是全球市场：中国以外的 OEM 制造商，包括 Boston Dynamics（Hyundai）、Agility Robotics（Amazon）和 Apptronik（Samsung），代表更长期机会，但需要解决跨语言和监管障碍。付款方是 OEM 公司；买方（技术决策者）是 VP Engineering 或 Chief Robotics Officer；用户则是机器人本身（在端侧运行 Prague 世界模型）。这种 B2B 企业销售周期从首次接触到签约通常需要 6-18 个月，相对 Prague 的资金续航期偏长。Prague Technology 没有披露目标客户名单或销售策略，也没有宣布与任何 OEM 客户建立关系。[CU007, CU008, CU009, CU010, CU011, CU012]

6.3 客户验证与采用轨迹

截至 2026 年 7 月，Prague Technology 没有客户验证。没有生产部署、没有试点项目、没有标杆客户、没有客户证言，也没有已签署的意向书。客户验证缺口是完全的。不过，第三方需求信号显示，市场确实对用于具身 AI 的世界模型方案感兴趣：AgiBot 的 World Challenge（2026 年 6 月，ICRA Vienna）吸引了来自 38 个国家的 526 支团队，说明 OEM 客户需要 AI 研究者开发操作方案。Unitree 的 IPO 审核获通过以及 2026 年 H1 的 ¥500M 收入，证明中国 OEM 市场真实存在并在增长。TARS AI 在客户验证上走得最远：据称 TARS 的 AWE 3.0 世界模型已集成进 Foxconn 产线，并在中国吸引 20+ 个企业客户试用——这为 Prague Technology 树立了必须复刻的蓝图。反方视角很尖锐：即便 TARS AI 已融资 $697M 且拥有生产系统，也只拿到试用，而不是长期生产合同。Prague 还没有产品，即使按乐观时间表，也很可能离首笔收入还有 2-3 年。curionic.net 竞争分析指出，中国机器人 OEM 客户评估 AI 大脑时看四项指标：（1）操作成功率（生产要求 >95%），（2）延迟（工业任务要求 <200ms），（3）跨 SKU 泛化，（4）与现有硬件的集成成本——Prague 目前都无法证明。Physical Intelligence 的 π0 很有参考意义：尽管展示了 68+ 项任务泛化能力，截至 2026 年中，其 OEM 客户管线仍处于“早期试用”，说明世界模型 AI 大脑的商业采用周期按年计算，而不是按月。[CU014, CU015, CU016, CU017, CU018, CU019]

6.4 留存、集中度与扩张风险

Prague Technology 的留存、集中度风险和扩张路径分析完全是前瞻性的——没有可留存的客户，没有客户集中度，也没有扩张指标。不过，世界模型授权业务的结构特征会带来可预判的未来动态，现在就可以分析。留存方面，一旦 OEM 机器人制造商把 Prague 的世界模型集成为 AI 大脑层，切换成本会很高——模型会用 OEM 专属数据微调，集成 SDK 会嵌入机器人固件，迁移到竞争对手平台还需要大量工程资源重新训练。这会自然形成有粘性的经常性收入模式，有利于留存。集中度方面，最初 3-5 个 OEM 客户按结构就会贡献 100% 收入；这种极端集中，是 B2B 企业 AI 初创公司商业化前 12-24 个月的常态。缓释办法不是押注单一垂直行业，而是在汽车、电子和物流等垂直领域拿到多元化 OEM 客户。扩张方面，世界模型授权的“先落地再扩张”路径会从（1）单一工厂中 1-2 款机器人型号的初始 API 试用，推进到（2）在某个 OEM 机器人全产品线全面部署，再到（3）扩展至新的 OEM 制造工厂，最后到（4）签署数据共享协议，推动跨 OEM 模型改进。结构性挑战在于，扩张模式需要积累多样化训练数据，而这又需要更多 OEM 伙伴，形成奖励早期市场领导者的自我强化动态（中国的 TARS AI、美国的 Physical Intelligence）。如果 TARS AI 在 Prague 上线前成功成为中国 OEM 的主导世界模型标准，Prague 面对的就是已被竞争对手生态锁定的市场——这是本章的负面情景。[CU022, CU023, CU024, CU025, CU026, CU027]

6.5 图表

7.1 风险概览与严重性排序

Prague Technology 的风险画像由五个结构性特征塑造：（1）截至 2026 年 7 月仍无产品，所有商业和运营风险都只是前瞻性的；（2）估值溢价极端，成立 3 个月、只有 1 名具名员工却估值 $2B，这为后续融资设置了很高门槛；（3）作为一家在中美科技脱钩环境中开发前沿技术的中国 AI 公司，地缘政治暴露很高；（4）公司高度依赖单一创始人 Lin Junyang 的架构能力和人脉；（5）收入前开发周期长达 2-4 年，公司必须在没有商业验证的情况下靠 $220M 活下来。最严重的风险，是 GPU 出口管制（NVIDIA H100/H200/H20 限制）与世界模型训练算力强度叠加——这可能迫使公司依赖中国国产 GPU 替代方案，而其性价比低 50-70%，从而拉长开发周期并提高资金需求。第二大风险是 TARS AI 的竞争性市场锁定：它领先 2-3 年，已有生产部署，还在积累 OEM 训练数据，可能在 Prague 上线前拿下中国前 5-10 家 OEM 客户，形成很难逆转的赢家拿走大部分格局。第三是关键人物风险：Prague Technology 似乎只有一名具名员工（Lin Junyang），公司对单一个体的依赖是灾难级的。技术风险（世界模型开发失败）、财务风险（烧钱超过计划）和监管风险（中国 AI 规则变化）构成前六大风险的其余部分。本章列出的每项风险都可能击穿投资论点；标准投资条件监控框架必须为每个维度设置预警触发器。[CR001, CR002, CR003, CR004, CR005, CR006]

7.2 监管、法律与地缘政治风险

Prague Technology 面临跨多法域、复杂且不断变化的监管环境。在中国，2023 年 8 月生效的《生成式 AI 服务暂行办法》（MIIT/CAC）要求 AI 模型提供商向监管部门备案、开展安全评估，并遵守内容生成限制。Cyberspace Administration of China（CAC）和 MIIT 随后的指引进一步扩大了这些要求。对部署在实体机器人中的具身 AI 世界模型来说，监管面更宽：工业机器人安全（GB/T 标准、中国标准下的 ISO 10218 等同要求）、机器安全认证，以及在接近关键基础设施的应用中可能触发 Cybersecurity Law 下的网络安全审查。美国出口管制风险很重：US Department of Commerce 通过 BIS Entity List、Foreign Direct Product Rule 和针对芯片的出口许可要求，逐步限制 NVIDIA AI 芯片出口到中国。H100、A100、H20 芯片出口中国均受限制或管制。2025-2026 年中美科技紧张升级进一步收紧限制，对仍可流向中国的 NVIDIA GPU 芯片还叠加了约 25% 的额外关税。这迫使 Prague Technology 依赖 Huawei Ascend 910B/920 芯片或国产同类方案，而这些方案每美元 FLOPs 比 NVIDIA H100 少 40-60%，会实质性抬高训练成本并拉长时间表。法律风险包括：（1）知识产权风险——Prague 没有专利，其核心技术（世界模型架构）很大程度上通过学术出版物处于公共领域；竞争对手可以在没有知识产权壁垒的情况下复制 Prague 路线；（2）劳动法风险——中国对 AI 研究人员竞业限制的严格规则，可能让从 Alibaba 挖人产生人才获取冲突；（3）数据法风险——处理包含个人信息的机器人传感器数据时，中国《个人信息保护法》（PIPL）和《数据安全法》会带来义务。地缘政治风险还延伸到投资层面：如果美国制裁专门指向中国 AI 公司，HongShan 的美国 LP 基础和 Tencent 的跨境活动可能给投资者带来二级制裁风险。[CR007, CR008, CR009, CR010, CR011, CR012]

7.3 运营、技术与依赖风险

Prague Technology 的运营和技术风险直接来自产品开发阶段。核心技术风险是世界模型开发失败：截至 2026 年 7 月，具身 AI 世界模型仍是未解的研究问题——DeepMind 的 Genie 2 证明了世界模型可用于游戏环境，但商业可靠性水平的实体机器人控制，全球还没有任何公司做到。如果技术路线失败，或开发时间远长于预期，Prague 的 $220M 资金会在实现商业验证前耗尽。仿真到现实迁移鸿沟是最具体的运营风险：物理仿真生成的合成训练数据无法捕捉真实世界传感器噪声、表面属性和环境变化，因此需要从 OEM 机器人伙伴处大规模采集真实世界数据。没有 OEM 数据伙伴（截至 2026 年 7 月 Prague 为零），世界模型可能无法从仿真泛化出去。推理延迟是关键运营约束：机器人控制要求反应动作达到 30-100Hz，但商业规模的世界模型推理通常只有 2-10Hz——存在 10-30x 差距，必须在任何 OEM 部署前通过模型蒸馏、硬件优化或混合架构补上。依赖风险集中在三类关键外部方：（1）Tencent——提供算力入口和潜在客户渠道；如果关系恶化或 Tencent 监管处境变化，就会产生依赖风险；（2）中国国产 GPU 制造商（Huawei、Biren、Cambricon）——出口管制迫使 Prague 依赖性能更弱的国产芯片；如果国产 GPU 供应中断（地缘政治、生产失败），Prague 的训练排期会被打乱；（3）OEM 机器人数据伙伴——Prague 需要 3-5 家 OEM 公司承诺训练数据，世界模型才可能泛化；任何拒绝都会留下单靠仿真无法填补的数据缺口。来自 Gaorong 和 HongShan 的伙伴 / 依赖风险较低——两者都是中国一线顶级 VC，LP 基础扎实，投资周期较长。投资者风险不是被放弃，而是如果 2027 年里程碑延误，可能施压公司转向或削减成本。[CR015, CR016, CR017, CR018, CR019, CR020]

7.4 财务、执行与人员风险

财务风险主要来自烧钱速度不确定，以及前沿 AI 开发的资本强度。如果月度烧钱达到 $10-15M（100+ 名研究员加重算力支出完全可能），$220M 天使轮只能支撑 14-22 个月，公司需要在 2027 年底前完成 Series A 或战略轮。按 2027 年市场条件再融资风险很大：如果 AI 热情降温、估值预期正常化，或 Prague 没有达到有意义的技术里程碑，后续融资可能变成平轮或 down round。估值从 $2B→$1B 的 down round 会造成严重稀释，并损害声誉。关键人物风险是生死级的：Prague Technology 目前似乎只有一名公开具名员工（Lin Junyang）。如果 Lin 无法继续履职（健康、法律限制、被战略方收购，或转投竞争项目），Prague Technology 事实上会以当前形态停止存在。技术愿景和投资人关系都集中在单一创始人身上，造成公司层面的单点失效。各维度执行风险都很高：公司必须一边搭建世界模型研究团队，一边管理投资人关系、OEM 商务拓展、监管合规和算力基础设施——全部同时推进——这对经验丰富的连续创业者也很难。Lin Junyang 的背景偏技术（模型架构、训练基础设施），而不是运营（团队搭建、企业销售、监管导航）。截至 2026 年 7 月，公司没有披露任何联合创始人或 C-suite 团队（CFO、COO、VP Engineering、VP Sales），这是运营执行红旗。来自资源更充足的既有巨头（Alibaba、ByteDance、Tencent、BAIDU）的 AI 人才竞争会持续带来招聘和留才挑战——这些公司都支付顶级薪酬，也比一家产品前初创公司更稳定。财务、执行和人员风险叠加后，即使按中国早期 AI 初创公司标准，Prague Technology 也是高风险投资。[CR024, CR025, CR026, CR027, CR028, CR029]

7.5 图表

8.1 投资论点与估值背景

Prague Technology 的投资论点建立在三根支柱上：顶级创始人、极热市场，以及可能在竞争整合前成形的可防守技术护城河。Lin Junyang 曾带领 Alibaba 的 Qwen 大语言模型系列成为中国能力最强的开源 LLM，证明了技术深度，也证明了大规模组织执行能力。他在 2026 年初离开 Alibaba，转向具身智能和世界模型研究，路径类似 Yann LeCun（AMI Labs）、Fei-Fei Li（World Labs）和 Pieter Abbeel（Covariant/Physical Intelligence）——这些人都仅凭创始人声誉就拿到溢价估值。全球具身 AI 和世界模型市场正在快速增长；CB Insights 的 State of Venture Q2 2026 报告指出，AI 大额融资现在占所有已部署风险资本的 81%，连续第二个季度融资超过 $200 billion。在中国，6 个月内诞生了 15 家具身 AI 独角兽，说明该领域资本充裕。Prague 以 $220M 融资对应 $2B 投后估值，意味着投资人持股约 11%，对这种规模的首笔支票来说稀释偏轻。反面论点同样有力：Prague 没有产品、没有收入、没有客户，成立日期是 2026 年 5 月，可能是史上最年轻的独角兽之一。估值几乎 100% 建立在对未来交付的信任上。执行风险很尖锐。[CV001, CV002, CV003, CV004, CV005, CV006]

8.2 可比估值分析

对 Prague Technology 最有参考价值的可比公司，是那些收入前、仅凭团队质量和市场潜力获得估值的世界模型与具身 AI 实验室。AMI Labs 是图灵奖得主 Yann LeCun 在 2025 年底离开 Meta 后创办的世界模型初创公司，2026 年 3 月以 $3.5 billion 投前估值融资 $1.03 billion——这让 Prague 的 $2 billion 投后估值看起来保守了 40-75%。Fei-Fei Li 创办的 3D 世界模型公司 World Labs，在 2026 年初进行目标估值 $5 billion 的融资，其中一部分为 $1 billion，也再次显著高于 Prague。Physical Intelligence（Pi）是美国机器人基础模型公司，由 Jeff Bezos、Tiger Global 和 Sequoia 支持，已融资超过 $400 million，估值估计在 $2 billion+ 以上。在中国，据称 TARS Group（人形 AI）估值高于 $2 billion；Zhiyuan Robotics 和 Unitree Robotics 各约 $1.5 billion。这些比较把 Prague 放在全球世界模型同业的低端，尽管 Lin Junyang 在其领域内的资历可以说强于部分可比创始人。折价可能反映中国特定风险：中美地缘政治紧张、GPU 出口限制和监管不确定性，都会让西方投资者保守定价。Sequoia Capital 在 2026 年 5 月的 AI Ascent IV 评论中说，“AI 是一场计算革命——不是更快的马，而是汽车，而且汽车已经来了”，验证了宏观机会；但他们也强调，创始人必须“从客户出发构建护城河”，这一点 Prague 还没有证明。[CV008, CV009, CV010, CV011, CV012, CV013]

8.3 情景分析与回报画像

在 Prague Technology $2 billion 估值上做假设投资，可以用三个情景框定结果区间。乐观情景（25% 概率）下，Lin Junyang 在 18 个月内交付可用的具身 AI 基础模型，到 2027 年底前拿下两个或更多标杆工业或机器人合作伙伴，并乘着具身 AI 市场增长在 2029 年达到 $15-20 billion 估值，对当前入场价产生 7-10x 回报，并可能通过部分二级交易或 pre-IPO tender 退出一部分。基准情景（45% 概率）下，Prague 完成模型开发，但受市场碎片化、数据获取限制和中国机器人 OEM 不愿分享专有数据集影响，商业化推进困难；2030 年估值达到 $5-7 billion，意味着入场回报 2.5-3.5x——对风险投资来说合理，但考虑风险溢价并不突出。悲观情景（30% 概率）下，产品时间表延误超过 24 个月，美国出口管制限制关键算力硬件，某个竞争性中国基础模型率先获得商业牵引，或关键团队成员离职削弱投资论点；在这种情景中，公司以 down round 融资，或以 $500 million-$1 billion 被收购，按 $2 billion 入场会造成重大损失。按概率加权的预期回报约为 3 倍毛回报，未扣费用和 carry；对一家没有收入、没有产品、成立于 2026 年 5 月的公司来说，这个回报相对风险画像偏弱。持有 10% 股权的投资者，只有在乐观情景下才能获得有意义的绝对回报；悲观情景中，$220M 支票会严重减值。在这一估值水平上，入场纪律至关重要：必须谈判更强的信息权、pro-rata 和反稀释条款。[CV016, CV017, CV018, CV019, CV020, CV021]

8.4 建议、尽调事项与论点击穿点

对 Prague Technology 的总体投资结论是中性——更适合有条件持有或放入观察名单，而不是直接投资或直接放弃。创始人质量和市场时点确实出色；Lin Junyang 亲手搭建 Qwen、把它做成中国领先开源 LLM，这一资历是全球具身 AI 创始人中很少有人能匹配的。相较可比公司，$2 billion 入场估值并不过分。然而，公司极其年轻（2026 年 5 月成立）、产品牵引为零、暴露于中国监管和地缘政治风险，融资结构又由中国风险资本主导、未披露西方 crossover 或战略投资者，这些都让当下很难有信心定价风险。中性立场反映的是：机会真实存在，但未来 6-12 个月会出现更好的证据节点——专有世界模型架构演示、与主要机器人 OEM 的战略合作、首次披露研究出版物，或显示 Lin 正在招募世界级研究者的团队扩张。任何一项都可能把立场推向投资。会把立场推向放弃的论点击穿触发器包括：确认产品延迟到 2027 年 Q4 之后，Lin Junyang 或两名及以上关键联合创始人离开，低于 $1.5 billion 的 down round，失去 HongShan 或 Gaorong 支持，或地缘政治事件限制跨境 AI 研究合作。最终尽调事项包括完整股权结构表披露、技术架构文件、算力资源获取计划，以及带里程碑的研究路线图。[CV025, CV026, CV027, CV028, CV029, CV030]

8.5 图表