一家成立不到兩年的香港AI公司，在頂級科學期刊上刻下了中國數據生成企業的首個印記。2026年5月28日，維納智能參與的研究論文在Nature通訊發表，聚焦多模態深度學習用於腎癌術後風險分層。這使得維納智能成為中國首個、全球第四個登上Nature期刊的數據生成科創公司。此前，DeepSeek和面壁智能等通用大模型技術公司也曾在該期刊發文。

論文提出RDPM模型，將優化目標從短期腎功能點估計提升為長期快速衰退風險分層，採用多模態多頭交叉注意力機制融合3D影像與臨床變量。模型在15家多中心醫療機構、1621例患者隊列中完成訓練與驗證，外部多中心測試AUC達到0.788至0.873，為個體化手術決策提供了可量化證據。維納智能負責AI方面工作，中山大學腫瘤醫院等機構負責醫學部分。

維納智能的核心技術路徑並非堆砌參數或依賴海量人工標註，而是推理數據生成。公司創始人兼CEO柳崎峰將其定義為：大模型根據上下文，同時生成提問與回答，並給出思維鏈和推理過程，輸出四元組cQrA（上下文、提問、推理、答案）。這相當於為專業領域構建“習題集”，以對抗式、強因果的知識組織形式，驅動大模型不僅會回答，更善於提問。

這一思路直指當前企業大模型落地的三重困局：測不準、優化難、答不準。經典LLM+RAG架構在專業領域準確度通常僅約70%，難以真正降本增效。維納智能的推理數據生成技術可自動生成各行業高質量cQrA數據集，規模可達幾十萬條，每小時生成上千條，從而提供動態多維測試、閉環反饋優化，以及因果錨定推理所需的邏輯先驗。

過去一年間，維納智能在幾乎沒有行業專家參與傳統標註的情況下，連續擊穿四個對精度高度敏感的領域：價值觀安全、金融保險、香港政務、體育競賽，客戶均為頭部機構。其首發產品包括出海價值觀大模型系統（價值觀一致性達99%，主流大模型僅9%至21%）、保險大模型問答系統（複雜問答準確率95%）、賽馬大模型系統（統計問答準確度94%）等。公司以國產GPU沐曦為算力底座，構建了2C與2B系列產品。

值得關注的是其商業節奏。除兩年前5000萬港幣種子輪融資（聯想創投領投）外，維納智能迄今未再融資。公司提倡精英特種兵文化，追求單兵高效造血，今年業務快速增長，營收預計超過4000萬港幣。

創始人柳崎峰背景橫跨學術與產業。他博士畢業於中科院自動化所，師從譚鐵牛院士，曾任香港生成式人工智能研發中心（HKGAI）總經理、平安集團加馬AI研究院院長，是香港大模型超算與訓練的最早發起者之一。2023年他帶隊建設全球首個千卡H800 AI超算系統，2024年帶隊預訓練中國第三家千億MoE大模型。從建算力、訓模型到造數據，維納智能的創立補全了大模型三要素的最後一塊拼圖。

維納智能的路徑選擇，本質上是在構建“數據→Token→數據”的大閉環。當業界熱捧Agent自動化時，公司聚焦於讓AI先學會“問對問題”，再學會“答對問題”，在多步分解與多重校驗中，將大模型的推理能力沉澱為工業級數據資產。其方案可概括為：用推理數據生成替代人工標註，用閉環反饋驅動系統持續優化，用因果錨定為在線推理提供穩定邏輯支點。這或許是企業走出大模型落地困境的一種工程化回應。