维纳智能登 Nature 通讯，聚焦 AI 推理问答数据生成

维纳智能团队联合中山大学肿瘤医院在 Nature 通讯发表的论文显示，其 AI 模型在肾癌手术决策预测中取得可量化结果。这也让维纳智能成为近三年首个登上 Nature 主要期刊（影响因子 > 10）的中国数据生成科创公司，此前发文的中国大模型公司为 DeepSeek 与面壁智能。

研究内容与技术细节

该论文由维纳智能创始人、香港科技大学柳崎峰教授团队与中山大学肿瘤医院张志凌主任等合作完成。研究针对肾癌手术中长期存在的临床判断难题——部分肾切除与根治性切除之间的选择——提出 RDPM 模型，将 3D 影像与临床变量整合到同一预测框架中。

研究团队在 1,621 例患者队列中完成训练与验证，外部多中心测试 AUC 达到 0.788 至 0.873，可预测患者远期肾衰退风险。这一成果为高度依赖临床经验的手术决策提供了量化支撑。

创始人与公司背景

柳崎峰曾于香港科技大学联合六所高校，建成全球首个千卡 H800 SuperPod AI 超算集群，并于 2024 年完成中国第三家千亿参数 MoE 大模型的预训练与后训练。2024 年 7 月，柳崎峰在香港创办维纳智能，公司名取自控制论创始人诺伯特·维纳。

公司成立初期即获得联想创投领投的 5,000 万港元种子轮融资。联想创投此前已在算力侧投资沐曦、寒武纪，在模型侧投资智谱、阶跃星辰，维纳智能补齐了其布局中的「数据」一环。

核心方法：cQrA 数据生成

柳崎峰将大模型发展划分为三个阶段：先是从「数据到模型」的预训练阶段，再到从「模型到 Token」的输出阶段，下一阶段是从「Token 到数据」——让大模型系统主动提问、分步思考、校对回答，生成推理问答数据。由此形成「数据→模型→Token→数据」的反馈闭环，支撑 AI 自主学习。

维纳智能的核心方法被定义为 cQrA 四元组：

• context：任务场景
• Question：生成的问题
• reasoning：推理过程
• Answer：校验后答案

与传统人工数据标注相比，该方法使 Agentic AI 可自动生成带完整思维链的推理数据，降低对专家人力的依赖，并通过闭环机制持续迭代精度与逻辑。

商业化进展与具身智能延伸

公司采用「广度优先」策略，在价值观安全、政务、保险、赛马四个准确度要求较高的行业落地了头部客户。柳崎峰表示，下一步将推进「1 到 M×N」的推广，即 M 个行业、每个行业 N 个头部客户。

在具身智能方向，柳崎峰认为 cQrA 将演进为 cTrA——场景（context）、任务（Task）、推理（reasoning）、执行（Action），既是训练的新燃料，也是评测的新标尺。