Maximilian Schreiner 查看 Maximilian Schreiner 的 LinkedIn 个人资料 2026年11月6日
由 THE DECODER 提示生成的 Nano Banana Pro 图像
OpenAI 正在谈论 AGI 时代，英伟达 CEO 黄仁勋则表示 AGI 已经到来。与此同时，当今模型的联合创造者们却纷纷离开 OpenAI、Google DeepMind 和 Meta，去创办自己的实验室，在没有任何产品的情况下融资数十亿美元。为什么？他们押注的是：仅靠当前的配方还不够。我们按研究押注对 45 家新实验室进行了分类，梳理了它们试图克服的当今 AI 的局限，审视了它们工作中已经可见的成果，并解释了为什么英伟达总是赢家。
THE DECODER 编辑团队每年六次在「前沿雷达」系列中深入探讨一个基础性 AI 话题，以新闻简报形式发布，并独家提供给 THE DECODER 订阅者。第 5 期详细介绍了 27 家 AI 实验室，按六项研究押注分类，另有近 20 家简要提及，并附有涵盖起源、估值和公开可用成果的概览。第 1 期探讨了智能体 AI 的现状。第 2 期考察了 AI 对生产率的可衡量影响。第 3 期涵盖了生成式 AI 新兴的 token 经济。第 4 期则探讨了西方对中国的 AI 领先优势还剩下什么，以及欧洲处于什么位置。
亲爱的读者：
GPT-6 Astra 发布后，英伟达 CEO 黄仁勋在 X 上宣称："AGI 已经到来。" OpenAI 总裁 Greg Brockman 称该模型是一个转折点，并欢迎人类进入"AGI 时代"。这两人究竟是什么意思并不清楚，因为 AGI 并没有公认的定义。但信息还是传达出来了：一个极其强大的 AI，可能是一个能自我改进的 AI，即将到来，而且路径已经规划好了。
许多构建当今系统的人显然看法不同。数十人离开大实验室去创办自己的公司。Ilya Sutskever 联合创办了 OpenAI 并担任其首席科学家；现在他正在打造 Safe Superintelligence。Jerry Tworek 领导了 OpenAI 推理模型的开发，现在经营 Core Automation。AlphaGo 背后的头脑 David Silver 离开 Google DeepMind，创办 Ineffable Intelligence。Yann LeCun 在 Meta 工作十二年后离开，创立了 AMI。Jeff Dean 在谷歌工作了 27 年，最近担任首席科学家，后来创办了 Discovery Loop。
资金随之而来：据彭博社报道，英伟达于 7 月向 SSI 投资，金额据称达五十亿美元。该实验室尚未发布任何模型或论文。Jeff Bezos 的工业 AI 实验室 Prometheus 于 6 月以410 亿美元估值融资 120 亿美元。Flapping Airplanes 同样没有公开模型，却在 10 月的 A 轮融资中筹得十亿美元。
动机是复杂的，并非全都是技术性的。在这样的估值下，创始人很快就能成为纸面上的亿万富翁。LeCun 是在与 Meta 发生战略分歧后离开的。Sutskever 想要在没有产品压力的情况下做研究。其他人则想开辟一个在大实验室里只会是边缘业务的细分领域。有些离职甚至不是彻底决裂：谷歌本身就是 Discovery Loop 的创始投资方。
许多创始人的共同点是一种怀疑。他们并不怀疑更强大的 AI 是否会到来；有些人认为 AGI 已近在咫尺。他们的怀疑在于：仅靠当前的配方是否就够了：越来越大的语言模型，在互联网数据上训练，再用强化学习进行精炼。
什么是新实验室（neolab）？
没有官方定义。我们用这个词来指独立创立、以研究为驱动的 AI 公司，它们围绕一项长期技术押注来构建业务。它们想要改变 AI 学习、感知世界、解决问题、被控制或进行计算的方式。
当前的这波浪潮在 2024 年变得明显。最强模型的竞赛正进行得如火如荼，云巨头也各有合作伙伴：微软支持 OpenAI，亚马逊支持 Anthropic。随后 Sutskever 于 6 月创立 SSI，并在几个月内为一个没有产品的研究团队融资十亿美元。
投资者资助这样的公司是有原因的。OpenAI 和 Anthropic 凭借成功成长为大型企业，两家都在以创纪录的估值推进 IPO。在内部，研究团队与产品团队争夺资金和注意力。成熟公司难以应对威胁其业务的想法，管理学者称之为"创新者的窘境"。这正是投资者所押注的：一个小团队能找到巨头们错过的东西。
有先例可循。Transformer 是 2017 年在谷歌发明的。DeepMind 用 AlphaGo 击败了世界上最优秀的围棋棋手。然而，面向大众的 AI 助手却来自 OpenAI——2015 年作为非营利组织成立。第二次突破来自 OpenAI 的分拆公司：Dario 和 Daniela Amodei 于 2021 年创立了 Anthropic。到 2026 年 7 月底，彭博社估计其年化收入超过 650 亿美元。
新实验室真正押注的是大玩家不去填补的研究空白，原因要么是没人知道路径，要么是没人为此分配资源。大实验室拥有更多算力、成熟的数据管道，以及来自数亿用户的反馈。一个小实验室构建的东西，可能在首个产品发布后不久就出现在市场领导者那里。
TypeSafe AI 说明了领先优势可以有多短。9 月中旬，它推出了决策模型 Jev。两周后，OpenAI 宣布了其Decisions API。但即便是短暂的领先也能展示专业能力，并可能作为退出途径带来回报。微软聘用了Inflection 的核心团队。谷歌挖走了Character.ai 的创始人和Windsurf 的领导层。AMD 想要以约 82 亿美元收购 World Labs。据《金融时报》报道，英伟达正与 Reflection 进行谈判。
对新实验室来说，一切都归结为一个问题：它们能否交付大玩家没有的东西，某种客户或大玩家自己愿意为之付费的东西？我们挑选了 27 家实验室，大多来自美国和欧洲，并按它们的主要押注分为六组。
押注 1：好的问题解决者未必是好的学习者
当今的模型能做出非凡的事情，但它们的学习方式与人类不同。它们需要海量数据才能掌握一项技能，而且一旦部署，通常不会更新权重。它们可以在对话中利用新信息，但不会从每次经历中永久学习。持续学习仍然是一个核心研究空白。六家实验室想要改变这一点，并从三个角度攻克这个问题：在部署期间学习（Adaption、Core Automation）、从少量示例中学习（Flapping Airplanes、Ndea、SSI），以及从经验中学习（Ineffable）。