AI决策智能公司Kando AI近日完成数千万元种子轮融资，星连资本领投，力合金控跟投，知名产业方参与投资。Kando团队目前约10人，成员来自腾讯、字节、美团、华泰证券等国内头部机构，创始人/首席科学家吴秉哲为北大数学系本科、计算机博士，曾是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。

Kando AI于2026年6月正式创立，希望让AI从真实决策及其结果中持续学习，构建下一代自进化决策系统。用CEO毛书翰的表达来说："互联网/移动互联网时代，我们完成了信息数字化；AI时代，我们想推动的是决策自进化。"

从信息数字化到决策AI化

过去二十年，无论是金融领域的同花顺、万得，还是科研场景中的论文数据库和知识平台，解决的本质上都是"信息层"的问题——帮你搜集、整理、存储、检索、总结。但整理完的信息，并不天然会变成一个有价值的判断。

毛书翰认为，信息和行动之间不是自动连通的，中间最关键的是决策，而人的大脑、经验、潜意识、审美和判断习惯，过去一直无法被系统性沉淀。AI第 一次让这座桥有可能被搭起来。

这也是Kando AI和大部分AI工具的最大区别：很多AI产品仍然停留在"优化输出质量"，而Kando AI想优化的是"决策采纳率+事后可靠性"——即AI给出的建议，用户到底会不会真正采纳，它是否真的进入了用户的研究、判断和行动过程。

把产品变成一场持续的"后训练"

Kando AI的产品形态是一个面向高价值决策场景的工作台。但在团队看来，工作台只是产品入口，它真正承载的是一套能够从真实决策中积累经验、验证判断并持续进化的决策系统。

Kando AI的一个核心能力是"记忆"。与传统RAG更偏向语义相似度匹配不同，Kando AI的记忆系统更接近一种面向认知结构的推荐与召回机制——系统记住的，不只是用户看过什么，更是用户如何理解问题、偏好、过去是如何修正判断的。

以科研场景为例，产品会形成预判并由用户决定采纳、修改、否决或纳入追踪。结果发生后，系统会重新回到最初的假设，分析哪些判断被验证、哪些变量发生变化，以及错误来自信息缺失、推理偏差还是执行问题。这些决策轨迹会被组织成新的学习信号，持续更新系统中的长期记忆、任务策略和模型适配层，形成"判断—行动—反馈—更新"的递归闭环。

吴秉哲将他们做的事情定义为一种"广义的后训练"——以前优化的是参数，现在优化的是上下文、交互和记忆。

商业路径与展望

在商业化上，Kando AI选择先从高价值、高频决策用户切入，当前的种子用户主要集中在投资人、科研工作者等专业群体，产品现已上线内测。选金融作为验证场景之一，是因为金融领域在反馈清晰度、反馈周期、可审计性、决策价值等维度上综合评分最高。

星连资本合伙人李文珏表示，AI应用的下一阶段不只是更高效地处理信息，而是进入真实工作流，学习专业用户如何判断、行动和修正认知。Kando AI选择金融、科研等高价值决策场景，将用户的研究过程、采纳与拒绝、事后复盘转化为学习信号，突破传统AI工具一次性回答的边界。若这一闭环得到验证，Kando构建的将不只是投研或科研工具，而可能成为连接信息、判断与行动的新一代认知基础设施。