CREAO完成千万级美元新融资

综述

近日，CREAO 已完成新一轮战略融资，金额为千万级美元。本轮资金主要用于扩大真实业务工作流以及高质量反馈数据规模，加速基于开源模型后训练的垂直模型迭代，并进一步完善供 Agent 自我进化的运行环境。此前，CREAO 累计融资总额已超 3000 万美元。

融资新闻

CREAO 的核心成员来自 Meta（Llama 团队）、Apple、LinkedIn、TikTok、MiniMax、阿里、字节等企业，CREAO 目前主要客户集中于中小企业，主要场景是数字营销、电商和地产，在对留存用户分析后，65.2%的任务来自商业与金融相关场景。

在提供云端服务之后，CREAO 也在探索如何在企业端的商业环境中更好地本地化部署。他们即将推出针对企业场景的新版本产品，以解决用户对数据安全需求、合规要求、私有化部署等方案。

CREAO AI 联合创始人兼 CEO 程凯判断，“当下整个 B 端企业市场战斗还没有真正开始”，从SMB 客户切入并不是终点，CREAO 正在把市场重心逐步往更大的客户倾斜，他们希望能让企业Agent 的自我改进能力在更大体量的场景中延展与落地。

对于Harness 层自进化，程凯认为，Harness 就是这个房间以及房间里的各种工具。没有足够好的 Harness 架构和能力，在应用场景里，纯粹的大模型和 Agent 难以发挥出最好的效果。

在 RSI 这一命题上，CREAO 率先对 Harness 的自进化展开尝试。具体而言，就是通过真实生产任务和反馈机制实现 Harness 层的自我改进：进入真实生产环境的 AI，在每一次执行、反馈和纠正中积累经验、自我改进，把这些经验变成下一次更好的执行。

而 CREAO 拥有真实用户、行业工作流以及专业用户的评估，这成为 CREAO 驱动 Harness 自我改进的数据。每完成一轮真实任务后，系统可以根据这些数据优化 Agent 的规划方式、工具调用、记忆、任务剧本、模型路由与故障恢复机制，在 Agent 和 Harness 层直接改进。

不过，仅在 Harness 上下功夫是完全不够的，AI 的自我迭代与自我进化包含两个层次：一是，根据连接数据库、读取文档时犯的错自我改进，这些是客观性错误；二是，根据任务执行结果的好坏自我改进，这些是主观性的错误。

因此，CREAO 正着手推出基于业务数据进行持续后训练的基础模型。很多前沿实验室都在进行基模自我进化相关的研究，CREAO 并不打算沿着技术探索的叙事走，他们的目的不是训出越来越聪明、能打败所有模型的模型。随着开源模型质量越来越高，他们看到了模型自我迭代更快的落地场景——垂直场景的商业化能力以及对应的优质场景数据。

他们目前在做的是，基于数据的自我迭代，不断训练出能在真实生产中持续学习、持续验证、持续改进的模型。这一模型可以实现以下目标：一是，让用户使用成本更低，即减少 Token消耗，让 Token 更耐用；二是，以实际运营指标为主导去训练模型，在某一具体场景中，能用更高效、更低成本的模型，实现接近前沿模型能力的任务。

未来几个月，CREAO 将率先推出针对一个核心场景、基于开源模型后训练的基础模型。他们还将持续推出平台上的重要场景，如电商、地产、物流运输、数字营销等，推出更多能自我迭代的模型。在此基础上，用户可以用更高效、更低成本的模型，实现接近前沿模型能力的任务。

上线 4 个多月以来，CREAO AI 累计新建 27 万个 Agent，由于主要面向 SMB 和专业用户，平台天然积累了大量真实垂直场景、高质量数据。程凯认为，数据的质量相当重要，如果没有高质量数据，单有技术上的自我改进，最后也未必实现想要的结果。

CREAO 联合创始人兼 CTO Peter 曾在 X 上发布了一条累计阅读量近 200 万的帖子，他提到，CREAO 团队的产品开发速度非常快，99%的代码由 AI 完成，一天就能实现传统开发 6 周的工作量。

在程凯看来，这种 AI-First 不止表现在开发方式上，更是产品的终局所在。“未来生产力工具的使用者不是人，而是 AI。只有 AI 是生产力工具的使用者，整个社会或企业的生产力效率才能真正成指数倍提升。”CREAO 想做的不只是一个能自我进化的产品，而是企业的自进化基础设施，即Agent OS，让企业的 Agent 在这套操作系统上反复运行、管理和迭代。