Kando AI获数千万元种子轮融资：瞄准“决策领域的Cursor”，从金融场景验证自进化AI
据《智能涌现》报道，2026年6月成立的 Kando AI 已完成数千万元种子轮融资。本轮由星连资本领投，力合金控跟投，并有知名产业方参与投资。公司由吴秉哲与毛书翰共同创立，目标是让 AI 从真实决策过程及其结果中持续学习，构建面向高价值场景的自进化决策系统。团队目前约10人，成员来自腾讯、字节、美团、华泰证券等机构。
Kando AI 的切入点来自两位创始人在二级市场投资中的长期观察：大量判断、预案、复盘和“盘感”往往停留在个人大脑中，难以被结构化记录，更难形成可复用、可审计、可迭代的认知资产。创始人兼首席科学家吴秉哲毕业于北大数学系并取得计算机博士学位，曾为苹果博士奖学金大陆首位获得者、前腾讯 AI Lab 可信 AI 负责人；联合创始人兼 CEO 毛书翰为连续创业者，本科毕业于清华大学、硕士毕业于港大金融学，曾在头部投行任职，并参与创立具身智能公司。
从“信息数字化”走向“决策AI化”
过去二十年，金融、科研等行业已经拥有大量信息工具：行情终端、数据库、知识平台、文献管理工具与检索系统，解决的是信息采集、存储、整理和总结问题。但在 Kando AI 看来，信息并不会自动转化为行动，真正稀缺的是中间的判断过程：人在不确定环境下如何形成假设、如何权衡变量、如何在新信息出现时修正判断。
毛书翰将公司的定位概括为“决策领域的 Cursor”。这意味着 Kando AI 并不只想做一个更会总结资料的 AI 助手，而是希望提升 AI 建议在真实工作流中的采纳率，并在事后通过结果反馈验证其可靠性。换句话说，它关注的不是单次回答是否漂亮，而是 AI 是否真正参与了用户的研究、判断和行动闭环。
- 目标场景：投资、科研等高价值且高不确定性的决策任务。
- 核心差异：从“生成内容”转向“沉淀认知模式与决策过程”。
- 验证路径：先选择反馈相对清晰、周期可观察、结果可审计的金融场景。
- 产品形态：以工作台为入口，背后承载持续学习的决策系统。
为什么先从金融验证？
来源显示，Kando AI 选择金融作为验证场景之一，是因为该领域在信息结构化、反馈清晰度、反馈周期、可审计性与决策价值等方面具备优势。相比许多长期、模糊、难以归因的业务场景，金融决策往往能在天或周级别看到市场反馈，也更容易回看当时的假设、变量和执行情况。
这对于“自进化决策引擎”很关键。AI 要从决策中学习，不仅需要输入信息，还需要知道用户当时为什么这么判断、哪些建议被采纳、哪些被修改或否决，以及最终结果如何。只有把这些链路记录下来，模型或系统才有机会不断校准对用户偏好、策略风格和外部环境的理解。
技术思路：不只是RAG，而是面向认知结构的记忆
Kando AI 的产品被描述为面向高价值决策的工作台，但团队认为工作台只是入口，真正重要的是系统背后的“记忆”能力。与常见 RAG 更偏向语义相似度检索不同，Kando AI 希望记住的不只是用户看过什么材料，还包括用户如何理解问题、偏好什么样的判断路径、过去如何修正错误，以及哪些变量在后续被证明关键。
以科研场景为例，系统可以先形成预判，再由用户选择采纳、修改、否决或纳入追踪；当结果出现后，系统再回到最初假设，分析哪些判断被验证、哪些变量发生变化、错误来自哪里。这一过程更像一场持续的“后训练”：真实世界反馈不断进入系统，使其逐步形成更贴近用户的决策伙伴能力。
影响与解读：AI工具竞争进入“采纳率”阶段
对中文科技产业观察者而言，Kando AI 的出现代表了 AI 应用层的一个新方向：从提高信息处理效率，进一步转向参与专业判断。过去很多 AI 产品强调更快检索、更好总结、更流畅写作，但在专业场景中，用户最终看重的是建议能否被信任、能否进入流程、能否经得起结果回看。
当然，决策 AI 也面临不小挑战，包括数据隐私、用户决策过程的标准化记录、结果归因、行业合规，以及模型建议与人类责任边界等问题。尤其在金融等敏感领域，AI 不能被简单包装成“替人判断”的黑箱，而需要提供可追溯、可解释、可复盘的辅助能力。
总体来看，Kando AI 把“认知资产数字化”作为核心命题，试图把人脑中的经验、直觉和复盘转化为可积累的系统能力。如果这一方向跑通，AI 助手的价值衡量标准可能会从“回答得像不像专家”，转向是否能长期提升人的决策质量。