Deep Cogito 于 8 月 26 日 UTC 17:00 宣布完成一轮 4300 万美元 A 轮融资，由 TQ Ventures 领投，Benchmark、Nexus Venture Partners、Atreides Management、South Park Commons 和 Zscaler 参投。公司累计融资已超过 5600 万美元。该公司的卖点是一套建立在其称为 Iterated Distillation and Amplification 的技术之上的后训练引擎。

IDA 实际做什么

公告对其描述得很明确：IDA “反复允许模型利用额外计算，在其原本无法直接生成答案的情况下产出更好的回答，然后将这些改进蒸馏回模型权重中。” 也就是说，先投入额外推理算力，得到比模型单次输出更好的答案；再用这些更好的答案训练；如此循环。这是一类众所周知的方法，也是一条合理的创业路径。

常见表述哪里说错了

这轮融资附带的简写说法是“self-improving AI”，暗示系统会在部署中通过为用户执行的工作自行学习、不断变强。但公告并不是这么说的。IDA 是一个训练阶段的循环：它在实验室里运行，生成一套新的权重，然后发布。你部署的模型和其他模型一样是静态的。这个区别并非吹毛求疵——会根据客户交互持续更新的模型，在数据处理、可复现性和评估方面引发一整套与一次训练后冻结的模型完全不同的问题。标题指向的是前者；公告描述的是后者。

完全没有数字

对于一家产品主张是其技术能产出更好模型的公司来说，这份公告没有引用任何基准测试结果——既没有编码方面的结果，也没有推理方面的结果，没有与任何基础模型对比，也没有与任何竞争对手对比。公告同样没有给出估值。对一家种子轮阶段公司而言，未必有义务披露这些内容。但两者同时缺位意味着，这份公告里没有任何可核验的内容：它的主张是这套方法有效，而提供的证据只是六位投资者相信它有效。

客户也是投资者

Zscaler 出现了两次——一次是本轮投资方，一次是被点名的企业用户。战略投资者后来变成客户并不少见，这本身也并无不当。但一位同时为公司出资、又被单独点名的客户，其商业信号要弱于一位与公司没有投资关系的点名客户，而这份公告并未区分这两个角色。就已公开的证据来看，这份公告中披露的非关联企业客户数量为零。