AutoRL让企业Agent自动进化，Pyromind获高瓴等天使轮融资

本周“十字路口”嘉宾是Pyromind创始人/CEO Kevin Ding。Pyromind专注“强化学习即服务”（RL as a Service）或“后训练即服务”，近期完成天使轮融资，投资方包括高瓴、百度风投、蓝驰、Atypical等。Kevin认为，RL as a Service只是起点，真正要让Agent在生产环境中持续改进，需将训练、奖励、反馈、部署和数据回流串成自动循环管道，即Pyromind押注的AutoRL。

Pyromind落地场景包括工业质检、工艺参数优化、GUI Agent、Coding Agent，以及企业内ROI明确、数据富集、好坏标准清晰的生产问题。Kevin坦言，首次进入客户场景时，FDE工作不可省，需理解数据制式、评价基准、业务流程和奖励信号，但目标是让这部分工作在相似场景中递减，将一次性交付沉淀为可横向复制的AutoRL管道。

Kevin重点介绍了新工作PyroDash，一个由4B小模型、强基座模型和协作引擎组成的大小模型协作架构。他认为，需求世界多元，不应将所有问题收拢到一个中心化大模型解决。

Kevin是94年生，32岁，毕业于伦敦国王学院，MBTI为INTJ，星座摩羯。Pyromind成立于去年，团队20多人，已初步跑通PMF，证明AutoRL方式实现的RSI在生产环境有价值，商业模型成立，且横向场景复制工作量递减。Kevin此前在阿里云从事弹性GPU实例和训练GPU集群等Infra工作。

创业契机源于对AI终局的判断。Kevin认为，预训练远未终结，但2025年下半年行业讨论转向“下半场”，出现两个方向：一是继续沿预训练路径，ASI以超级中心化模型形式出现；二是ASI以服务化形态呈现，即Agent蜂群。他更倾向后者，因为现实世界问题无穷且动态，有限参数模型难以泛化无限场景。

过去一年，服务化路线信号增强。Agent部署增多，维护成本上升，RSI需求凸显。Agent需自我迭代以在时间轴上表现稳定。

Pyromind最初设想RL as a Service，但发现service只解决一半问题，需将Training Infra和奖励纳入scope，实现AutoRL。以GUI Agent客户为例，初期提供Studio固定训练pipeline，但客户仍需投入算法工程师；二期完善奖励后，loop可自动化运行，推出EchoMind产品。

Pyromind两大产品：Studio是Serverless训练Infra服务，开发者配置逻辑节点和训练参数，无需关心物理实现，支持横向扩展；EchoMind将RSI流程打包，用户插入proxy URL即可抓取Agent轨迹，形成数据集，通过奖励结构生成训练pipeline，部署回Agent，全流程自动化。

AutoRL的想象空间不止于工具链。当训练、奖励、反馈、部署形成闭环，Agent便能在生产环境中持续自我进化，企业无需反复投入算法工程师。这正是Pyromind从“服务”走向“自动循环”的野心所在。