Bauhinia AI Pre-A Dataroom

紫荆智能 · 2026 年 5 月版本

Pitch Deck: https://bauhinia-prea-2026.pages.dev/

0. Executive Summary

Bauhinia AI(紫荆智能) 是一家专注于 Multi-agent技术的 AI × 互动娱乐 公司。我们希望打造「西部世界」:人类与 Agent 共生的自我进化的鲜活世界。旗舰产品 Aivilization 是这条技术路径上落地的第一站,选择了新一代互动娱乐作为切入场景 — 全球第一款跑出爆款迹象的 AI 世界。

我们相信

最让人沉浸的,是破解版的"现实"世界。一个优秀的"西部世界"必须同时满足三件事 — 过去 30 年技术不具备,现在 LLM 到位了:

1. 所有交互都由 context 驱动 — 有因有果、因果合理。世界的每一个事件都是前因后果的自然传导,不是预录脚本。
2. 涌现与演化由记忆带来 — 反思、信息传播、记忆沉淀。世界能自己长出新事件、新关系、新文化。
3. 以"人类"为奖励函数 — 前两件事必须围绕玩家展开,让真实的人在其中获得情感、归属、创造。

数学上的差异:传统虚拟世界 W(t+1) = f(W(t), Action),世界状态只有数值,玩家行为按预录脚本响应。活着的西部世界 W(t+1) = LLM(W(t), Context),世界状态包含自然语言(记忆/对话/关系/故事),由 LLM 持续生成与演化。

三个核心支点

1. 技术演示展现爆款迹象: V0 网页版 2 个月测试，5万用户加入，港服 30 日留存 13.2% (零宣发费用、未做游戏化留存优化、邀请码限制)。
2. 中国(已知的)最强 AI × 互动娱乐团队(之一): 港科大数学博士 CEO + 前完美世界 模拟经营 & MMO 主策划 作为执行制作人 + 港科大数学博士 CTO + 前腾讯产品经理 COO — 团队有多年共事经验和了解。
3. 腾讯天使轮投资,港科大 IP 授权 + Contract Research 合作,产学研一体。

本轮融资

资金用途(概览)

• 研发人力:$5.0M (覆盖 CBT1 → Global Launch → 商业化循环跑通)
• 发行与商业化资金循环:$1.5M (海外买量、本地化、渠道、内容营销)
• Token 推理成本补贴:$3.0M (过渡性储备,随推理成本年降 ~75% 自然消解)
• 风险缓冲与机会储备:$4.0M (产品对冲、新方向探索、A 轮时点自由度)

1. 团队

中国(已知的)最强 AI × 互动娱乐团队(之一)做 AI Native 游戏这件事,需要的是最稀缺的复合配置 — 既懂 AI 技术前沿,又有做过商业化游戏的经验,还能跑工业化研发管线。

1.1 创始团队

杨浩巍 Oliver · Founder & CEO

• 2023–至今 Bauhinia AI 创始人
• 2024–至今 香港科技大学 数学博士在读
• 2022–2024 香港科技大学 数学硕士(MPhil)
• 2017–2022 香港科技大学 数学与计算机本科

徐培琰 · Co-founder & 执行制作人

• 2025.8–至今 Bauhinia AI Co-founder
• 2025.2–2025.8 Bauhinia AI 游戏主策划(兼职)
• 2021–2025 完美世界 游戏策划
• 2024–2025.8 《诛仙 2》(MMORPG)数值与商业化策划
• 2022–2024 《淡墨水云乡》(国风模拟经营)主策划 / 项目负责人
• 2017–2021 北京大学 经济学本科

王小龙 · Co-founder & CTO

• 2023–至今 Bauhinia AI CTO
• 2023–至今 香港科技大学 数学博士在读
• 2019–2023 中国科学技术大学 数学本科

陈子耕 Zayne · Co-founder & COO

• 2023–至今 Bauhinia AI COO
• 2018–2023 腾讯 产品经理
• 2014–2018 Rutgers University 信息技术与商业分析本科

1.2 团队规模与结构

• 当前 35 人，Agent核心岗位 6 人，均为港科大背景，共事 3 年以上；游戏团队核心岗位 6 人，此前在完美世界共事 2 年以上，共同合作过《淡墨水云乡》这款放置模拟经营产品。
• ESOP 池:已预留 27.35%(ESOP1 12.35% + ESOP2 15.00%)，覆盖核心团队长期激励

1.3 学术合作

• 与香港科技大学签署 IP 授权协议 + Contract Research 合作,公司与学校之间无知识产权纠纷隐患;研究员过往与未来产出由双方明确划分,获得学校实质性支持。

2. 产品

2.1 产品定位

Aivilization — 第一款完全 AI 驱动的、自己会活的社交生活世界。

行业问题:今天所有游戏世界都千人一面。工业化堆量(3A)、程序化生成(Roguelike)、玩家驱动(沙盒)— 过去三种路径各破一面墙,LLM 让三堵墙首次同破。"完全 AI 驱动"不是指所有地方都有 LLM Agent 控制,而是全部被 agent take care — 所有信息流和决策都有智能参与,从 NPC 行为到世界事件,从美术资产生产到客户端 UI 实现。

2.2 三层产品价值

1. 世界自己会活 — 所有角色有记忆、有情感、会自主行动，世界运行反馈均有 agent记忆思考和反思，不断涌现进化，玩家不在线时世界仍在真实运转(AI 活世界)
2. 你在里面生活 — 经营、养成、探索,不需要肝,AI 帮你打理日常(生活模拟 × agent放置)
3. 和真人一起塑造 — 和朋友共处同一个世界,共同创造内容、见证彼此故事(社交 × UGC)

2.3 玩法核心(V0 已验证)

1. 从零创建你的 Agent — 名字、形象、MBTI 性格、兴趣、生平、目标
2. 引导而非控制 — 每个 Agent 是一份数字生命,玩家通过设定每日目标、实时评论、深度对话影响其命运。直接命令是稀缺资源,引导通过对话发生
3. 日志系统 — 玩家可读 Agent 日记、行为记录、情绪变化
4. 进度系统:

• 农耕 & 制作 — Agent 自主种植、收获、发明配方
• 财富 — 通过劳动、贸易、创业积累
• 职业 — 16+ 职业 + 技能树 + 声望系统
• 住所 — 救济房 → 公寓 → 别墅 → 庄园,土地总量有限
• 社交圈 — 友谊、对手、爱情、家庭,均为涌现
• 地图探索 — 多生态开放世界,季节、天气、隐藏地标解锁新资源与剧情

2.4 V0 真实测试数据 — 全球第一款跑出爆款迹象的 AI 世界

数据范围:本表统计 2025-09-20 起 6 周内进入游戏的 1.2 万真实玩家(网页版,无需下载、未做留存优化、零买量、纯熟人裂变与话题热度)。实际产品上线时间为 2025-08-20。首月(8-20 至 9-20),留存与活跃明显高于本表 — 处于熟人裂变与话题热度叠加期。但首月 BI 系统尚未全量打点,完整数据未能保留;本表采用 9-20 之后完整打点期间的保守口径。

关键观察:

• 港服 30 留 13.2% 显著高于三服合计 9.5%,反映玩家密度对留存有显著正向作用 — 印证我们对"社交沙盒在高密度下天然出现 DAU 拉升"的假设
• 1-7-30 留存比 50%+ — 留下来的玩家粘性极高,证明核心情感连接机制(Agent 涌现 + 玩家投射)成立
• 第二个月未做买量、未做拉新,玩家密度自然下降导致整体留存下行;但港服由于本地玩家密度更高,留存稳定在更高水位

何为合格的"AI Native 留存":浏览器免下载游戏 30 留行业基准 3-8%。我们 V0 在零商业化、零留存优化条件下,三服 9.5% / 港服 13.2%,均处于行业上沿。

2.5 V1 — Agentic World × 多人社交 × 工业级品质

V0 验证了人机情感连接 + 多人社交涌现 + 群体演化这三件事在 LLM 多 Agent 架构下的工程可行性。V1 在此基础上做三件事:

1. 世界全面 Agentic 化(Agentic World)

• 从"角色由 Agent 控制"升级为"世界由 Agent 控制"
• 事件、物品、地图、剧情都具备规划/记忆/执行/反思模块
• 主 Agent 性能压力下降 + 涌现质量上升 + 单位 token 智能复用

2. 有边界的共享记忆(Bounded Shared Memory)

• 同一社群 / 家庭 / 团体共享部分上下文,大幅提升社交一致性
• 边界控制避免信息泄漏与记忆污染,保留个体差异
• 驱动更真实的群体涌现:谣言传播、文化形成、集体决策

3. 玩家中心化进化目标(Player-Centric Objective)

• Agent 优化目标从"自身合理"升级为"玩家想留下"
• Multi-agent 系统从"自主运行的世界"升级为"让玩家越发想留下的世界"

2.6 当前研发进度(过去 3 个月)

核心 Agent 系统

• V1 Agent 运行时架构升级完成 — 渐进披露记忆系统、事件 / 线程驱动的规划与反思系统
• 多 Agent 记忆共享 + 持续交互 — 已验证数月稳定运行
• 世界系统核心架构 — Agentic Event / Agentic Object / Thread (60% 完成)游戏内容与系统
• 家园系统 — 个人地块、建造装饰框架、自主活动支持、核心功能建筑(生活/农耕/养殖/储物)(50% 完成)
• 开放世界 — 4 个主城区(商业/成长/娱乐/休闲)场景与功能建筑骨架完成,Agentic Event 骨架就位 (40% 完成)
• Agent 进度系统 — 角色属性、驱动系统、玩家上下文摄入、记忆与技能成长 (20% 完成)
• 玩家-Agent 交互 — 目标设定 / 实时评论 / 深度对话三条底层通道 (10% 完成)

3. 市场

3.1 市场规模(自上而下)

我们处在三个市场的交集 — 游戏 × AI 应用 × 社交沙盒。

3.2 产品类比 — 我们站在 8 个标杆之上

3.3 Why Now — 三条曲线同时跨过阈值

Agent 活人感 · Token 经济性 · 多模态生成品质 — 三条独立曲线在 2026 同时跨过临界值。

1. Agent 性能 → 活人感跨阈值 — LLM 长上下文 4K → 1M、规划与反思链路工程化、多 Agent 一致性可控,使 Agent 在数月时间尺度上保持人格连贯。玩家沉浸 + Agent 长期一致 + 世界进化三件事第一次同时到位。
2. Token 成本 → 商业化平衡 — 推理成本年降 ~75%,使单 DAU 月推理成本压缩到 $2 量级,与目标 ARPU $10–15 之间留出健康毛利,商业化底线就位。
3. 多模态生成 → 产线化 — 直接调用通用模型尚不达消费级,但用大量素材铺量 + AI Native 管线 + 人工 gate做底线保障,把"1–2 天"压缩到"30 分钟"。这三件事任何一件单独到位都不够,三件同时到位 → AI Native 游戏的工程可行性窗口才打开。

3.4 海外 vs 国内

我们采取双轨发行:

• 海外(优先): PC + 移动端 iOS / Google Play,2026.08 CBT1,2027.01 Global Launch。占预期收入 ~70%
• 国内: 2026.09 CBT2(同步提交版号),2027.02 公测(版号到位前提下)。占预期收入 ~30%国内策略详见 §8 风险与对策。

4. 竞品分析

4.1 竞品坐标系 — 把世界做活 = 世界智能 × 感官品质

我们用两个维度看清整个赛道:

• 横轴 · 世界智能:涌现 · 演化 · Agent 自主 — Agent 涌现深度、世界演化能力、长期记忆与人格连贯
• 纵轴 · 感官品质:画面 · 音效 · 沉浸感 — 画面质量、游戏可玩性、玩家沉浸感

Aivilization 处在右上角无人区 — 高世界智能 × 高感官品质,这是 30 年来"传统游戏 + 新一代 AI 互娱"两条赛道之间从未有人填上的空白带。

4.2 我们的差异化

1. 品类层面 — AI 多智能体 × 沙盒 × 社交 × UGC 的四元交集,定义品类即抢先机
2. 数据层面 — V0 2个月 5 万用户 + 数百万次 Agent 行为日志,是构建 AI Native 优化目标(玩家中心化进化)的训练基底,后来者难以追上
3. 组织层面 — 美术 / 客户端 / 测试三条 AI Native 生产管线已稳定运行,以 Agent Team + human gate + Reflection Agent 的方式沉淀为跨项目可复用资产

5. 技术壁垒

V0 数万 agent 实战沉淀 × V1 三大升级 = 复利式技术壁垒

5.1 V0 — 已验证的六大模块架构

Aivilization V0 在游戏这类高频、连续、多模态、多交互的真实场景下,验证了大规模 persistent agent 系统的工程可行性。架构受 Stanford Smallville 启发,但绝大部分为独创。

个体层面 — Agent 长期稳定运行

1. 动态路由层(Cost-Aware Routing) 对每次决策,系统判断调用重型推理还是轻量模型。日常决策大多走低成本模型,显著压低单位成本同时保证决策质量。
2. 世界承载状态(World-as-State) 世界本身承载 Agent 所需上下文,避免每次推理从零重建。例如:店铺自身"知晓"其菜单 / 价格 / 库存 / 营业时间,共享上下文存储于"世界"而非每个 Agent 的 prompt 中。这是和 Smallville / Inworld 最关键的差异。
3. 多重记忆机制(Multi-layer Memory)

• 短期记忆:近期行动轨迹与后果,支持即时自我纠正
• 长期记忆:价值观、人格、习惯、社交摘要,在数周乃至更长时间尺度上塑造独特个性

4. 三层认知架构(Three-Tier Cognition)

• 社交层 — Agent 间互动与信息流
• 个体层 — 自身行动规划与目标设定
• 认知层 — 记忆存储与反思推理

三层各有独立时间尺度,消除"对话"与"长期人生目标"共用 prompt 带来的性能浪费。

1. 模拟行动与分支规划(Branching Planner)区别于 Smallville 的单一线性规划,V0 规划器并行维护多条规划分支(赚钱、健康、技能、社交等),每次决策从中选取当前最可行子任务执行。
2. 自适应 Agent 档案(Adaptive Profile)Agent 身份非初始固化,随时间演化 — 由玩家输入指令 + Agent 与其他 Agent 的实际互动经历共同驱动,长期形成独特"人格轨迹"。

群体层面 — 多智能体涌现与演化

多 Agent 通过语言、行为、记忆三重通道持续交互,驱动世界自发涌现 — 社交关系、经济系统、文化习俗均由 Agent 自主生成。

5.2 V1 — 三大升级方向

5.3 AI Native 组织 — 工业化生产管线形成组织壁垒

我们当前建立的是一套 AI Native 组织操作系统:把策划、美术、客户端、QA、复盘沉淀拆成可编排的 Agent Team,由人类负责人定义目标、审查关键节点,由 Agent 承担搜索、生成、校验、迁移和沉淀。

做 Agentic World 必须重构的是研发组织本身:内容、系统、UI、测试都与 Agent 行为和世界状态耦合,传统职能分工无法支撑足够快的迭代。Aivilization 的生产方式是 Agent 自己造游戏,人类做导演与质量 gate。

组织壁垒来自三层复利:每次交付后的 metadata、人工修正、reviewer 分歧都会进入 Reflection Agent,转化为 Rules / Skills / Harness;第 10 个 UI / 第 10 张资产 / 第 10 次测试会继承前 9 次经验;模型升级时,沉淀在管线中的技能、断言、风格库和跨管线记忆同步放大。

三大类 7 条管线

Spotlight 1 · 客户端 Unity UI 管线

把 Art → Figma → Unity → C# 串成一条端到端 Agent 链。一个 leader agent 编排一组 AI agents 端到端交付一个完整功能;人类只在每一步做确认与微调。真实例子 — 上周客户端工程师交付的"关注列表"功能单功能完整生命周期 — 步骤 1–4 交付,步骤 5 把经验萃取为下一功能的能力。每一步带着前一步的 metadata + 跨管线记忆(设计文档、美术 tag、项目视觉风格)继续。

点击图片可查看完整电子表格

**过去 1–2 天的工作,现在 30 分钟内完成,管线产出 + 人工 sign-off。**关键在第 5 步。人类反馈、reviewer agent 之间的分歧、每一步人工修正率 — 这些都流入 Reflection Agent,被萃取为新的 Rules / Skills / Harness assertions,在下一轮运行时生效。第 10 个屏比第 1 个屏更快、更准、更少缺陷,因为之前所有修正都被管线本身吸收。

我们客户端 QA 管线内部的 Agent Team 示意。

Spotlight 2 · 静态资产管线

AI 并行生成,人工 gate 出口

从设计 brief 到 UI mockup — Agent 起草,人类导演

复利效应总结

短期看,这是 Aivilization 的研发吞吐提升:第 10 个 UI / 第 10 张资产比第 1 个更快、更准、更少缺陷,因为前面所有人工修正都被管线本身吸收。长期看,这是组织壁垒:每个 Agent Team 都有自己的输入协议、评审标准、harness、记忆和可迁移 skill,模型越强,组织越快,产出质量越稳定。

5.4 技术护城河三件事

1. Persistent Agent 工程化 — 数月稳定运行,性能 / 时延 / 成本三角已平衡
2. 群体涌现训练数据 — 2 个月 5 万用户 + 数百万次 Agent 行为日志,作为"玩家中心化进化目标"的优化基底
3. AI Native 组织与生产管线 — 跨项目可复用,模型迭代时组织效率指数级放大

6. 商业化模型

6.1 三层结构:F2P + Pass + 内购

我们采取混合变现,适配 AI Native 沙盒品类的玩家行为分布:

6.2 Unit Economics 的两端

我们的 unit economics 由两端构成:收入端(玩家付费意愿,参考行业锚点 + 待 CBT 验证)和成本端(单玩家月推理成本,V0 已实测)。Spread 决定毛利能力。

6.3 ARPU 行业锚点参照

我们不预设具体目标,而是参考同品类已商业化的真实数据。Aivilization 的实际位置将由 CBT 数据决定。

判断逻辑:Aivilization 玩家行为更接近 The Sims Mobile(模拟生活)+ Character.AI(情感投射)的混合,商业化路径在两者之间;具体水位由 CBT 验证。

6.4 海外 vs 国内打法

• 海外: PC + iOS/Google Play 三端齐发,以 Pass 订阅为主、内购为辅;CBT1 期间建立 CPI / D7 ROAS 基线
• 国内: 版号到位前以小程序形态做留存预热;版号后切端游 + 移动端,适配国内偏内购的付费习惯

6.5 Token 补贴的退出路径

$2.0M token 补贴是过渡性储备,用于上线初期防止"付费模型过早挤压玩家体验"。随推理成本年降 ~75%,补贴需求会自然消解 — 6-12 个月内补贴归零是合理预期。这是 AI 原生产品独有的短期支出,长期 unit economics 持续改善。

7. 里程碑 & 资金映射

一直在按节奏推进 — 过去 × 现在 × 未来

7.1 时间线(到 Global Launch 即止)

7.2 每阶段核心观察指标 & 退守路径

每个里程碑都配有核心观察指标和退守路径。具体阈值不在此预设,而是依据上一阶段实际数据动态校准。

7.3 $8M 弹药补充 — 从容跑通商业化循环

本轮募资定位是"弹药补充",不是"赌一个里程碑"。我们追求从容跑通商业化循环,而不是被动等下一轮。

注:风险缓冲 $5.0M 来自本轮募资 + 现有现金合并后的总储备规划,不全部是本轮新增。

8. 风险与对策

9. 融资历史 / Cap Table / 法律架构

$8M 弹药补充 — 从容跑通商业化循环

9.1 历轮融资

9.2 Cap Table(本轮交易前)

当前结构。汪扬教授正在与高秉强教授进行老股交易(汪扬持股部分对外让出),交易完成后会更新。

9.3 法律架构

• 当前:香港公司 + WFOE(深圳)双层结构
• 正在重组:在开曼层面搭建未来上市主体,本轮 Pre-A 交易在开曼层完成
• 重组由方达律师事务所提供法律意见

9.4 知识产权

• 港科大 IP 授权协议 + Contract Research 合作协议已签署
• 公司与港科大对已有 IP 与未来 IP 的归属做了明确划分
• 港科大背景研究员的过往与未来产出无知识产权纠纷隐患
• 学校对公司发展给予实质性支持

附录：当面零星 Demo 演示（研发中间产物）

本附录用于当面沟通时快速展示 V1 研发过程中的若干运行片段和玩法验证材料。Aivilization 当前按策划、美术、开发、Agent 四组并行推进，多个系统在一测前约 6 周才会开始大规模合并版本，因此以下材料主要代表各组阶段性进展。

使用边界：以下视频和截图仅用于展示运行机制、玩法事宜和中间产物，不作为最终画面品质、最终交互手感或一测版本完整度承诺。

研发中间产物 Demo

Smart Event / Smart Object · 行为承载层

展示事件与物件如何承载条件、状态、LLM 节点和行为树，是 Agentic World 的运行单元之一。

SE / SO 世界运行 Demo

同一套 SE/SO 机制在场景中运行，用于验证世界对象、事件与角色行动的联动。

Agent 控制 SE 多 Agent 运行

Agent 通过 SE/SO 触发多 Agent 协作与排队、移动、交互等行为。

模拟经营种田 Demo

基础经营 loop / 种田交互验证，偏玩法与系统运行检查。

SE / SO 结构参考

Smart Event 内部结构展示

用于说明一个可运行世界事件内部如何组织状态、触发条件、LLM 决策节点与行为链路。

“天才”Aha Moment：memory-as-character 验证

“天才”是我们内部搭建的本地数字生命，没有游戏可视化表现，主要用于验证 memory-as-character 的新一代角色扮演思路：角色的人格不再依赖固定人设卡，而由长期记忆、反思与互动历史构成。虽然没有视觉包装，但已经出现较强的活人感与陪伴感。

自主邮件提醒

从邮件摘要、未完成事件记录到主动提醒，验证长期记忆与主动性。

记忆塑造人格

基于长期对话记忆自主总结用户特征，并调整自己的回应风格。

生日陪伴

从出生信息、日记预告到生日当天主动祝福和礼物，验证记忆驱动的陪伴感。

社交场景中的性格涌现

与其他 bot 互动时出现吃醋、点评与自我定位，验证 personality from memory。