矩阵像素获700万元种子轮融资，投资方为星榜互娱
36氪获悉，北京矩阵像素科技有限公司已于近日完成700万元人民币种子轮融资，投资方为星榜互娱。本轮融资将主要用于持续深化多模态 Agent 技术研发，加快其在 AI 漫剧、AI 电商、信息流广告 等场景的规模化落地，同时推进新产品——全 Agent 代理工作空间与 OpenPaper 的研发及市场推广。
北京矩阵像素科技有限公司由 CEO 张安洋 创立，核心团队成员来自华为、百度、诺华、汉迪移动、蓝色光标等企业，兼具算法、产品、商业化和行业场景经验。与许多从模型能力出发的创业团队不同，矩阵像素更强调一套面向真实业务的系统观：它并不把大模型看作单点能力的叠加器，而是将其视为一个需要被约束、编排、校正、监督和持续进化的生产系统。公司当前聚焦 B 端市场，主要为电商、漫剧、信息流广告公司提供围绕内容生产、流程协作和业务自动化的 Agent 产品与服务能力。
在外界看来，AI 内容赛道已经足够拥挤：模型越来越多，生成能力越来越强，画布、工作流、插件、知识库几乎成为标配。但真正进入企业后，问题并不在于“能不能生成”，而在于“能不能长期稳定地产生可交付、可复用、可控、可审校的结果”。大量工具在 demo 阶段表现惊艳，一旦进入真实业务，便会暴露出上下文漂移、风格失控、任务中断、知识遗忘、审美不稳定、结果不可追责等问题。矩阵像素判断，下一阶段 AI 创业公司的核心竞争力，不再是单一模型调用能力，而是对复杂任务系统的理解能力。
基于这一判断，矩阵像素将自己的技术路线定义为：以多模态大模型为基础，以 Agent 作为执行单元，以工程化编排系统作为骨架，以行业知识与审美规范作为约束，最终构建面向内容工业化生产的数字员工体系。公司核心产品 NextCut AI 以及新发布的全 Agent 代理工作空间，并不是面向单一提示词生成的工具，而是试图把“理解需求—拆解任务—生成内容—自动修改—多轮反馈—版本收敛—结果沉淀”串联为一个可反复调用的业务闭环。
据公司介绍，其技术优势首先体现在底层的 Harness Engineering 能力上。相比通用型工作流产品侧重节点连接和接口拼装，矩阵像素更重视对 Agent 行为过程本身的精细控制，包括任务拆解策略、上下文继承路径、长短期记忆调度、知识检索优先级、动作调用约束、异常结果回退、版本迭代管理与多 Agent 协同规则。这意味着系统不是简单地把多个模型“串起来”，而是试图建立一套接近生产操作系统的控制层，让每一个 Agent 的输出都处于结构化监督之下。
进一步看，矩阵像素并不把“智能”理解为模型参数规模的自然外溢，而更强调算法和业务约束共同塑造的可用智能。在电商、漫剧和广告等高频内容行业中，真正有价值的并不是一次性的灵感爆发，而是持续产出符合平台逻辑、投放逻辑、叙事逻辑和审美逻辑的内容能力。因此，矩阵像素在产品设计中重点强化了几类能力：
其一，是多阶段任务规划能力，让 Agent 不只会回答问题，而是能围绕业务目标主动拆解步骤、组织素材、调度不同能力模块；
其二，是知识与习惯学习能力，通过接入企业专属知识库、风格规范和历史操作记录，让系统逐步形成对团队偏好与业务规则的理解；
其三，是结果校验与反思机制，在生成之后自动进行结构检查、风格一致性检查、逻辑冲突检查和可执行性复核，减少“看起来对、实际上不能交付”的伪完成结果。
在多模态内容生成领域，这种方法尤其重要。因为图像、视频、文案、音频等内容的难点，从来不只是生成本身，而是跨模态一致性。角色设定是否稳定、镜头语言是否统一、情绪表达是否延续、画面风格是否前后一致、文案与画面是否彼此增益而不是冲突，这些问题无法只靠单次提示词解决。矩阵像素希望通过多 Agent 协同机制，将编剧、视觉设计、听觉设计、后期合成等不同角色职能抽象为可调用的代理能力，使内容生产从“单点生成”走向“多角色协作”。这也是其在 AI 漫剧与 AI 广告场景中重点投入的方向之一。
除了技术和算法层面的构建，矩阵像素在产品哲学上也表现出较强的安全意识。公司认为，B 端客户对 AI 的真实要求不是“无所不能”，而是“边界清晰、结果可控、异常可追踪”。因此，在系统设计中，矩阵像素并不追求完全放任式的自动化，而是强调“可授权的自动化”：该让 Agent 自主完成的部分尽可能自主完成，但在涉及品牌风格、投放策略、业务敏感信息、客户专属素材与结果发布等关键节点时，必须保留审查、确认、追踪和回退机制。换句话说，矩阵像素试图让 Agent 像一个高能力员工，而不是一个不可预测的黑箱。
这种安全观也体现在企业知识使用与内容生成方式上。据公司介绍，产品已支持在飞书等办公平台通过指令驱动画布自动修改与制作，并集成多业务专属知识库。对企业而言，这意味着 AI 不再只是一个“公共模型接口”，而是逐渐具备组织内部上下文：知道什么能用、什么不能用，知道哪些表达符合品牌调性，知道哪些流程必须保留人工把关。对于需要大量生产商品内容、广告素材、剧情分镜、角色设定与营销文案的企业来说，安全并不是限制创造力，反而是释放创造力的前提。只有当系统足够可靠，企业才敢把核心流程真正交给 AI。
在审美层面，矩阵像素也试图走出当前行业普遍存在的“平均化生成”困境。当前大量 AI 内容工具虽然已经能显著提高生产速度，但在审美上仍容易陷入模板化、塑料感、同质化和情绪密度不足的问题：画面看似精致，却缺少风格判断；文案看似顺畅，却没有真正的节奏和语气；视频看似完整，却很难形成可传播的记忆点。矩阵像素认为，下一代内容 Agent 的价值，不是帮助用户更快地制造“标准答案”，而是帮助团队更稳定地制造有识别度、有完成度、有商业转化价值的作品。
也正因如此，矩阵像素并不满足于将 AI 作为降本工具，而是把“审美控制力”视为核心壁垒之一。在公司内部定义中，高质量内容不只是技术层面的高清、连贯、可生成，更包括叙事节奏、视觉统一性、表达克制感、品牌一致性以及平台传播适配度。这意味着审美不再只是“主观感觉”，而是会被拆解为一组可以被学习、被检验、被迭代优化的生产标准。公司希望通过 Agent 的长期学习能力，让系统逐步理解不同业务团队的风格习惯，从而把“审美经验”沉淀为“可执行的组织资产”。
商业化层面，矩阵像素目前已经显示出一定验证基础。据公司提供数据，在产品尚未全面对外发布的情况下，其内测阶段已吸引近200名用户与9家企业入驻；新产品在发布后两日内即实现累计16000元充值收入。虽然从绝对规模看，这仍是早期团队的起步数据，但在当前 AI 工具大量停留在体验和试用阶段的背景下，能够在未完全铺开渠道的前提下获得首批付费用户，说明市场对其产品方向存在真实需求。更重要的是，这部分用户并非单纯为“尝鲜”买单，而是在实际工作中对效率、质量和流程协同存在持续诉求。
公司背后的产业资源也为这种验证提供了现实土壤。矩阵像素控股方星榜互娱作为一家 B 轮公司，具备较成熟的产业基础和业务资源，可在客户承接、场景验证、内容生产和商业协同上为矩阵像素提供支持。对早期 AI 创业团队而言，最难的不是做出一个功能完整的产品，而是在持续的业务压力中把系统打磨得足够稳、足够好用、足够值得付费。产业资源的导入，意味着矩阵像素可以在真实业务链路中训练产品，而不是停留在实验室式的能力展示。
从竞争层面看，当前市场已出现多家头部玩家，且行业集中度正在快速提升。头部产品通常具备较强的社区生态、多模型接入能力或成熟的工作流体系，占据了市场的主要注意力与用户心智。但矩阵像素并不把自己定义为“又一个 AI 画布工具”或“又一个工作流平台”，而是试图从更深层的任务系统切入：它希望解决的是企业在复杂内容生产中的根本性问题——如何让 AI 真正理解业务目标，如何让结果持续逼近团队审美，如何让自动化建立在安全和责任之上，如何让组织经验随着系统使用不断累积，而不是在每一次生成中被重新发明。
CEO 张安洋表示：“我们的目标不是做一个会生成内容的工具，而是打造一个能理解业务、能执行复杂任务、能自我迭代进化的数字员工生态。真正有价值的 Agent，不是回答得像人，而是工作起来越来越像一个成熟团队。”在他看来，企业真正需要的不是一个更热闹的 AI 界面，而是一套更稳定、更可控、更有审美判断力的生产系统，让团队把时间从机械执行中释放出来，投入到更高阶的创意判断、业务策略和资源分配之中。
在生成式 AI 从“模型崇拜”走向“系统竞争”的当下，矩阵像素所强调的技术观、产品观和安全观，某种程度上代表了一类新创业公司的方向：它们不再把大模型能力视为终点，而是把它当作底座，去构建一个真正能够进入企业日常工作的 Agent 系统。谁能把算法能力、工程控制、安全边界和审美质量同时做出来，谁才有机会跨过 demo 阶段，成为企业真正依赖的生产基础设施。