ElevenLabs不只是一家做音訊模型的公司。AI音訊賽道，衝出一家百億美元獨角獸！智東西2月5日報導，昨天，英國AI音訊獨角獸ElevenLabs宣佈完成5億美元的D輪融資，估值達110億美元。其估值較去年年初的33億美元，實現了超230%的飛速增長。ElevenLabs聯合創始人兼CEO Mati Staniszewski還透露，該公司已在考慮IPO事宜。本輪融資由紅杉資本領投。已參與ElevenLabs多輪融資的a16z追加4倍投資，ICONIQ追加3倍投資，這意味這兩家投資機構增大了在ElevenLabs的持股比例。▲Mati Staniszewski發文宣佈融資（圖源：X平台）ElevenLabs於2022年成立於英國倫敦，最初主要從事文字轉語音模型的開發，後來也陸續打造了語音轉文字模型、AI音效模型、AI配音模型、AI音樂模型等領域。該公司既向企業提供語音API服務，也為創作者和品牌提供音訊生成平台ElevenCreative，還通過ElevenAgents平台向企業提供AI語音客服服務。你甚至能在知名遊戲《堡壘之夜》裡找到由ElevenLabs生成的音訊。2025年底，ElevenLabs的ARR（年度經常性收入）已經超過3.3億美元。自成立以來，ElevenLabs已完成五輪融資，累計融資總額達到7.81億美元。輝達此前曾參與ElevenLabs的C輪融資。輝達創始人兼CEO黃仁勳稱，ElevenLabs打造了世界上最好的語音AI產品，他主動向輝達團隊推薦了ElevenLabs。如今，黃仁勳在各類大會上以虛擬卡通形象出現時，就會用ElevenLabs的工具來復刻自己的聲音。▲黃仁勳與Mati Staniszewski（圖源：輝達）從融資規模、收入增長到資本陣容，ElevenLabs已經穩穩位居全球AI音訊賽道的第一梯隊。這樣一家成立不到4年、卻能在競爭激烈的語音AI領域中快速拉開身位的公司，顯然不只是踩中了風口那麼簡單。它背後的創業起點、關鍵選擇，以及對產品與市場的理解，值得深度拆解。01. 上線6個月拿下百萬使用者靠社交媒體實現爆發式增長ElevenLabs的兩位聯合創始人Mati Staniszewski和Piotr Dabkowski都來自波蘭。受到童年時觀看的那些配音糟糕的美國電影的啟發，他們決定打造一款AI工具，來解決這一問題。在創業之前，Mati Staniszewski曾在瀏覽器公司Opera、投資與技術供應商貝萊德以及資料智能上市公司Palantir任職。而Piotr Dabkowski自畢業後，就一直在Google擔任軟體工程師，直至2022年與Mati Staniszewski一同創業。初出茅廬的ElevenLabs究竟能給這個行業帶來什麼變化？在2023年投資ElevenLabs之際，a16z的投資人Bryan Kim闡述了他對ElevenLabs潛力的理解。Bryan Kim認為，儘管語音轉文字技術已經存在了數十年，但它未能發揮全部潛力。大多數合成語音缺乏吸引人的語調和發音，缺乏個性感，而高端的人工錄製語音服務雖然存在，但冗長的製作流程和高昂的成本使得這項技術在大多數即時和互動場景中難以實現。ElevenLabs的出現，就是要滿足這些場景對高品質語音的需求。2023年1月，ElevenLabs首次推出了語音設計和克隆產品，並對現有的文字轉語音模型進行了顯著改進。之後還陸續推出多款文字轉語音模型，擴展多語言支援，甚至拿下了一些已故知名演員的聲音版權，進行克隆並對外提供商業化服務。上線6個月後，ElevenLabs已積累超過100萬註冊使用者，創作了總計時長超過10年的音訊內容。2024年11月時，其使用者數量已經超過3300萬。2025年，其ARR邁過了1億美元大關。在2025年6月的一場採訪中，ElevenLabs的增長負責人Luke Harries透露，該公司能實現如此快速的增長，背後主要有兩大驅動力。一方面，ElevenLabs的基礎模型能力不斷迭代，在表現力、真實感上不斷提升。ElevenLabs認為，語音模型與其他AI模型不同，規模和資料量不是最重要的決定因素，反而是模型架構發揮著重要作用。領導ElevenLabs研究工作的聯合創始人Piotr Dabkowski憑藉自己的影響力，招募到了多位世界頂尖的語音AI研究員，該公司已在模型架構上取得一些突破。不過由於他們打造的是閉源模型，外界無從知曉這些改進究竟在那些方面。▲Mati Staniszewski（左）與Piotr Dabkowski（右）另一方面，ElevenLabs還很擅長市場行銷工作。該公司懂得如何利用社交媒體的力量，還通過舉辦駭客松比賽、製作另類Demo等方式破圈，實現爆發式增長。而在企業客戶方面，ElevenLabs認為在企業級市場應該採用自下而上的打法，也就是先從消費級和開發者切入，在建立名聲和信任後，大型客戶自然會來。02. 公司重心已成語音智能體創始人竟不看好音訊模型未來不過，ElevenLabs並不想把自己限定在音訊模型這一狹窄的賽道，該公司瞄準的是更大的市場。在一場與TechCrunch錄製的播客中，Mati Staniszewski稱，ElevenLabs想解決的根本問題，是人類與科技產品如何互動的問題，這是他們一直以來開發產品的主線。最初，ElevenLabs打造了文字轉語音模型，讓科技產品中的語音聽起來更像人。但要打造真正優秀的體驗，光有逼真的人聲是不夠的，AI還需要能夠生成聲音、音樂，並具備對語音的理解力。Mati Staniszewski認為這是該公司從成立以來到2025年上半年的最大重心。但事實上，Mati Staniszewski認為音訊模型這條賽道本身並沒有什麼前景：“這一賽道或許在未來1-2年內仍是成立的，但再過幾年，這項技術就會完全商品化（Commoditized）”。如今，ElevenLabs還在造模型的原因是，短期內它還是提升AI音訊產品質量的最好方式。但隨著這項技術日趨成熟、易於獲取，成為可大量採購的“標準件”，音訊模型或許會成為廣泛的底層基礎能力，而非核心競爭優勢。於是，在2025年下半年，Mati Staniszewski帶領ElevenLabs進行了一項重要的戰略調整，如今，ElevenLabs的首要任務是幫助企業部署對話智能體，並能以新的方式與使用者、客戶互動。Mati Staniszewski判斷，隨著智能體、對話智能體和語音智能體的興起，使用者可以與裝置交談了，但要讓這些智能體真正產生價值，就需要將大量資訊和知識庫帶入智能體內部，使其能夠與現有系統整合。整合後，這些產品還需要具備可測試、可評估、可監控的特點，這樣才能獲取企業級客戶的信任。這些智能體的主要應用場景，其實就是AI語音客服。ElevenLabs的智能體是多模態的，可以理解口頭或書面輸入，像人類一樣傾聽、閱讀並與客戶互動。企業還可對這些智能體進行定製化，在ElevenLabs提供的可視化工具中打造出對話流，精確定義這些智能體該如何與客戶互動。▲ElevenLabs的智能體產品（圖源：ElevenLabs官網）這一戰略決策，讓ElevenLabs得以在企業級市場進一步攻城略地。如今，在語音智能體賽道，他們的一些大客戶包括Cisco（思科）、Meta、Salesforce等等，而在音訊創作領域，迪士尼、Epic等影視與遊戲製作公司都在使用其產品。反映到ARR上，ElevenLabs在做出這一戰略轉向後，ARR增速明顯加快。2025年初，ElevenLabs達到1億美元ARR時，用時為20個月，而緊接著跨越2億美元ARR大關僅用時10個月。2026年初，當ElevenLabs宣佈實現3.3億美元ARR時，距離他們達成2億美元ARR的時間僅為5個月。03. 主打AI模型+產品不猛堆算力與資料語音AI賽道，並不缺乏優秀的模型。中國的MiniMax、阿里、海外的Google、OpenAI等公司都曾打造優秀的語音產品，那麼，ElevenLabs的差異化優勢在那兒？就像軟體和硬體的結合才是蘋果公司的魔力一樣，Mati Staniszewski認為，AI模型與產品的結合才能發揮最大價值。ElevenLabs雖然也會研究一些前沿方向，比如開源視訊模型與語音模型的結合，但他們更重視的始終是打造更好的產品，不會像競爭對手那樣訓練一些計算密集或資料密集的模型。同時，Mati Staniszewski還認為ElevenLabs具備更高的專注度，他們直接專注於解決人類與電腦進行語音互動的問題，該公司的願景是獨立於競爭對手們所做的事情之外的。拿到新融資後，ElevenLabs的首要目標是推動其智能體產品的發展。未來幾天，他們很快會推出適用於智能體平台的全新對話模型，能更快、更準確地理解和表達感情。如今，ElevenLabs已經是一家擁有400名員工的公司了，與其他估值相近的AI創企相比，這已經幾乎可以算是大公司了。ElevenLabs正在倫敦、紐約、舊金山、華沙、都柏林、東京、首爾、新加坡、班加羅爾、雪梨、聖保羅、柏林、巴黎和墨西哥城等地開展國際擴展，並配備本地化的市場推廣團隊，這對該公司旗下的語音AI業務而言，尤其重要。04. 結語：模型服務於產品成ElevenLabs突圍思路回頭看ElevenLabs的成長路徑，它並沒有走一條堆參數、拼算力的傳統模型公司路線，而是始終圍繞一個更底層的問題推進：語音和音訊，究竟在真實世界裡如何被使用。而在戰略層面，他們又足夠清醒地判斷出“音訊模型終將商品化”，果斷將重心轉向對話智能體與企業場景。這是一種“產品先行、模型服務於產品”的打法，讓ElevenLabs在語音AI這個擁擠的賽道中擁有了差異化的特點。而這或許也是頭部企業和頂級風投，願意重金押注ElevenLabs的關鍵。 (智東西)

作為全球最具影響力的思想與議程平台之一，達沃斯論壇向來被視為觀察世界走向的風向標。各國政要、跨國企業掌舵者、學者與國際組織負責人齊聚一堂，共同討論那些決定人類走向的長期議題。1月19日至23日，世界經濟論壇第56屆年會如期而至。但這註定是一屆被載入史冊的達沃斯——恰逢全球政治、經濟與技術格局正在重塑的節點，貿易壁壘與技術分化的陰影持續籠罩，世界處於一種前所未有的分裂與重組之中；與此同時，人工智慧作為新一輪生產力革命的核心動力，圍繞技術的長期價值、應用邊界與社會影響亟需展開更多的深度交流與對話。在這一宏大敘事中，松鼠Ai創始人栗浩洋作為僅有的兩家中國AI獨角獸企業家受邀出席2026冬季達沃斯並在AI論壇發言，這樣的出現具有特殊意義——當全球仍在辯論AI的未來走向時，以松鼠Ai為代表的中國企業已在教育領域沉澱出了被驗證有效性的產品。不僅如此，松鼠Ai更為全球在充滿不確定性的技術變革中，確立了一個可供參照的“確定性”坐標——當AI技術真正回歸以人為本，我們終將迎來一個更具普惠與光明的未來。AI的經濟價值，將被重新定義如果要衡量一場討論的重量，首先要看坐在談判桌前的是誰。本屆達沃斯的陣容堪稱“全球頂配”。政界不僅有中國國務院副總理何立峰、美國總統川普、歐盟委員會主席馮德萊恩等大國領袖出席；商界更集結了約 1700 位領袖，其中包括馬斯克、黃仁勳、薩提亞·納德拉、Demis Hassabis 等掌控著全球算力與未來的科技巨擘。在如此高規格陣容的頂層對話中，幾乎沒有人再懷疑 AI 的重要性。分歧只存在於一個問題：AI 究竟會加劇不平等，還是修復不平等？科技巨頭們對此有著不同的切面解讀。 輝達CEO黃仁勳將 AI 定義為“人類史上最大規模的基礎設施建設”，強調其作為社會底座的普適性；而微軟CEO薩提亞·納德拉則更關注落地，他反覆提醒：如果AI不能擴散至各行各業，成為一種普遍的賦能工具，那麼技術繁榮將是脆弱的泡沫。這些討論，表面上是技術路線之爭，底層卻指向一個更現實的問題：誰有能力、也有意願，把AI變成一種“公共價值和公共能力”。正是在這樣的全球性討論場中，松鼠 Ai 的出現引發了廣泛關注。松鼠Ai作為中國僅有的兩家受邀出席2026冬季達沃斯並在AI論壇發言的AI獨角獸企業，其智適應教學系統並非概念模型，而是已在真實課堂規模化應用、持續產生可驗證學習效果與經濟價值的人工智慧產品。在松鼠Ai創始人栗浩洋看來，AI不僅無可避免地讓財富向少數能夠駕馭它的人匯聚，但還能讓大眾，尤其是最基層的百姓百倍受益。他以親身經歷生動說明：“我的父親是一位特級教師，退休後別人請他講課的費用是每小時1000美金。而松鼠Ai智能老師，在上百次‘人機大戰’中證明其能夠戰勝包括我父親在內的特級教師群體，但每小時成本僅需10美金。這是百倍的普惠，填平了普通人與精英在教育、法律、醫療等關鍵領域的鴻溝。”在此基礎上，栗浩洋進一步提出了一個深刻且犀利的觀點——AI讓社會福利與生產力提升的方式，已經突破傳統統計體系：傳統經濟學的測算邏輯是"價值等於交易額"，GDP等於市場支付的總和，但 AI 的價值往往不通過價格完全體現。“當消費者付費10美金使用松鼠Ai智能老師，經濟學家不應該只用10美金來計算GDP，實際上應該用1000美金來計算，因為這就是前AI時代同等價值的服務。傳統的計算方法完全忽略了AI給全社會帶來的百倍價值增量，從而會嚴重低估人工智慧的真實產值。"這種價值重構的終極指向，是將AI從一種“商業特權”進化為一種“公共能力”。 AI需要像水、電和網路一樣，脫離稀缺品的屬性，成為社會運行的基礎設施。AI的經濟價值，也需要被重新定義。松鼠Ai在達沃斯所展示的，正是這種“公共能力”的具象化：一方面，松鼠Ai打破階層壟斷，通過百倍的成本壓縮，讓貧困山區的孩子也能擁有“特級教師” ；另一方面，松鼠Ai向貧困家庭捐贈價值千萬的帳號，這不是一種慈善施捨，而是在驗證一種新的社會分配機制——讓技術紅利無差別地覆蓋每一個個體。穿越數字鴻溝的“中國方案”如果說過去兩年，人們還在為大模型的湧現能力感到興奮，那麼到了今年，達沃斯討論的核心詞已經悄然轉向：落地。在算力不再是瓶頸、模型參數捲到天際的今天，我們不再通過“誰擁有更高級的AI”來劃分階層，而是通過“誰能更平等地獲得AI的賦能”來衡量社會的文明程度。在這樣的背景下，松鼠Ai因為驚人的務實精神和落地能力，在達沃斯的聚光燈下顯得尤為閃耀。在AI教育領域，松鼠Ai已經率先把技術能力轉化為公共能力，為全球性問題提供最領先的現實解法。作為《時代》周刊（TIME）公佈的年度“最佳發明”，松鼠Ai的智適應學習系統，融合了認知科學、教育心理學與機器學習，能理解文字、圖像、語音，並生成個性化教學策略。沙利文和安永最新的行業報告中，將其認證為L5級自動駕駛的智能老師——系統可以像一個經驗豐富的老教師一樣，不僅能傳授知識，還能洞察學生的情緒，拆解知識的圖譜，甚至在學生自己都未察覺困惑時，精準地找到那個認知的斷點。這一“因材施教”夢想的實現，源於松鼠Ai將知識拆解為微顆粒單元，通過機率圖模型編織成動態知識圖譜。系統不僅判斷對錯，更通過反應時間、猶豫模式、習慣性錯誤等七十多個維度，即時推斷學生的思維卡點。就在不久前，松鼠Ai完成了一場目前世界範圍內最大規模的AI教學對照實驗——其發起的「最多人參與的AI與傳統教學差異化實驗」吉尼斯世界紀錄™挑戰成功。這是一場涵蓋1,662名學生、歷時兩個月、由艾瑞諮詢發佈權威報告、北師大納入教育部專項全程追蹤的嚴苛實驗。而這場實證，最終以AI教學組在提分、穩定性和補弱效應上的全面勝出而宣告成功。不同於許多尚處於實驗室階段的技術雛形，松鼠Ai已經在中國廣袤的土地上驗證了其模式的普適性。目前，松鼠Ai已與超過6萬家公立學校達成合作，並在全國開設了超過3000家線下“AI自習室”。從縣城、鄉鎮到城市邊緣與山區，松鼠Ai將“僅屬於富人的個性化教育”，變為每個孩子觸手可及的日常。這不是概念，而是規模化落地的技術現實。“AI智能老師+專業督學”的雙軌協同範式，進一步突破了地域與資源的限制。無論是一線城市的名校，還是偏遠地區的鄉村學校，這套系統都能穩定地輸出高品質的個性化教育服務。這種跨越地域、規模化落地的能力，正是世界渴望看到的“中國經驗”。在這個意義上，松鼠Ai 帶來的不僅是教育產品的革新，更是一場關於“技術權利”的啟蒙：在智能時代，獲得個性化的高品質教育，不應是昂貴的商品，而應是每個人觸手可及的基本權利。這也正是松鼠Ai在達沃斯語境中被反覆討論以及被強烈關注的原因——大量AI應用仍停留在概念階段，而松鼠Ai已經完成了從演算法、內容到學習效果的閉環驗證，並在真實規模中持續運轉。並且，松鼠Ai並不是在展示“更強的AI”，而是在證明技術可以被用來填平鴻溝，而非製造新鴻溝。做“教育平權”的全球踐行者如果把達沃斯理解為全球未來的“議程場”，那麼今年的核心討論並不僅是“AI 能不能做”，而是“AI 如何真正普及到全球、特別是發展中經濟體”，讓技術帶來的紅利不再被少數國家或企業壟斷。面對貿易壁壘、技術陣營和供應鏈重組帶來的“碎片化”擔憂，世界亟需一種能夠跨越國界的合作路徑。在所有領域中，教育是少數仍然不被地緣政治完全阻斷的合作方向。因為無論一個國家處於何種發展階段，教育始終是最長期、最基礎的需求；而AI技術，正在讓優質教育第一次具備全球普及的現實條件——它可以以可負擔的成本，提供可複製的教學質量，縮小資源差距。正是在這一點上，松鼠Ai的角色被進一步放大，並且模式已具備全球複製的潛力：在北美，應對教師短缺；在東亞，追求更精準的個性化；在中東，緩解人口增長帶來的教育缺口；在非洲，適應多語言、多體系的複雜需求。在全球討論AI未來走向時，標準與規則往往決定誰能主導產業生態。2023年，全球技術標準界的權威組織IEEE發出一封“重量級邀請函”：希望建立一套“AI教育大模型標準”。這一工作組匯聚了來自數十個國家的頂尖科學家與人工智慧企業，成員名單幾乎是全球學術界與產業界的“名人堂”。成員包括“機器學習教父”Tom Mitchell、史丹佛教授Stephen Ciesinski、哈佛教育學泰斗Chris Dede，以及中國科學院王飛躍、牛津大學Stefan Zohren、劍橋大學Steven Watson等世界級專家。在這樣一個“全球智庫級”的組織中，主席的選拔無疑是最關鍵的權力分配。令人注意的是，IEEE並未選擇西方學者，而是把工作組主席的關鍵位置，交給了松鼠Ai創始人栗浩洋。這種“規則層面的領先”，也是一種現實證明：全球AI教育未來的運行規範、介面標準、能力邊界，希望由全世界最成熟領先的企業來共同完善及最佳化。松鼠Ai也已經完全具備將AI教育產品推向世界、並在全球範圍內建立生態的實力。在達沃斯期間，松鼠Ai不僅在多個高層雙邊與多邊場合亮相，並參與了卡達投資局等重要國際交流活動，進一步證明其在全球教育科技領域的影響力正在上升。因為這種“教育平權”的方案不分國界。目前，松鼠AI正在率先為全球市場提供“中國機會”，基於教育數位化與AI教學的成熟能力，發展中經濟體可以獲得一種成熟的“可負擔、可持續、可複製”的普惠路徑。 (AI寒武紀)

卡帕西還點讚了AI Coding。智東西12月31日消息，昨晚，外媒The Information做了2025年度AI十大關鍵事件總結，細數了DeepSeek開源引爆整個大模型產業、Google強勢回歸、Meta優勢不再及小扎狂挖人等產業發展的重要節點。今年開年，DeepSeek攜開源模型炸場，一舉驚動全球。隨著DeepSeek的應用實踐，強化學習引起了行業內關注。今年，OpenAI在AI聊天機器人市場的領先優勢已大幅縮小，與此同時，Google強勢回歸，正帶著Gemini 3.0迎頭趕上；Meta則處於失寵的境地，花式挖人、巨額投資均未見成效。今年，AI應用開始實現真實營收，有超過25家AI應用創企實現了至少1億美元（約合人民幣6.99億元）的年化收入。晶片廠商、雲廠商與AI公司們形成了利益共同體，“循環融資交易”（circular funding deals）可能是AI熱潮中延續性最強的趨勢之一。此外，國外的OpenAI、Anthropic以及國內的智譜、MiniMax等AI獨角獸都將目光瞄準了IPO。The Information提到，在即將到來的2026年，以下事件值得重點關注：AI應用能否實現盈利，Google能否維持復甦態勢以及機器人和持續學習能力瓶頸能否突破，此外，Meta也正準備在明年發佈新的文字、圖像和視訊模型。值得一提的是，前特斯拉AI總監、OpenAI聯合創始人安德烈·卡帕西（Andrej Karpathy）對大模型的態度，尤其是在程式設計能力上，從表示懷疑發生了180度急轉，卡帕西稱：“如果能將過去一年左右出現的工具有效整合，我的工作效率可能提升十倍。”站在一年的末尾回望這一年，以下關於2025年AI的十大關鍵事件令人難忘：01. DeepSeek突襲Meta巨額投資AI，Google找回節奏1、一月的DeepSeek時刻2025年剛剛拉開帷幕，DeepSeek拋出重磅開源炸彈，宣佈開源DeepSeek-R1模型，並聲稱其性能足以比肩甚至超越OpenAI、Anthropic和Meta的頂尖AI模型，同時訓練成本卻低得多。一時間，矽谷驚呼四起，認為AI開發者、風投機構、輝達乃至雲服務提供商都將面臨巨大衝擊，驚呼中國已在AI競賽中超越美國。無論DeepSeek後續發展如何，這一事件已然動搖了許多開發者對美國AI技術的絕對信心，而國內開源模型持續受到歡迎和關注，也真切地證明了其在AI領域有著不容小覷的競爭實力。2、強化學習的興起強化學習（RL，Reinforcement Learning）正隨著DeepSeek的應用實踐，在AI行業的其他領域迅速流行開來。該技術的核心在於，通過獎勵模型達成特定目標、懲罰其他行為的方式來訓練模型。此後，包括程式設計、製作Excel表格乃至提供醫療建議在內的多種任務中，各大主流AI實驗室紛紛開始借助RL技術提升模型表現。這一趨勢還推動了RL環境（RL environments）的興起，即為AI模型建立可模擬真實應用的副本環境，供其練習與學習。例如，Anthropic的負責人就曾提到，公司計畫在未來一年中投入高達100億美元（約合人民幣698.72億元），用於開發和建構此類RL環境。3、AI應用開始實現真實營收過去一年，業內始終存在一個核心疑問：除了AI模型企業、雲服務提供商和輝達之外，是否還有其他企業能夠真正從AI中獲利？今年，答案似乎逐漸明朗。據The Information報導，目前有超過25家AI應用創企實現了至少1億美元（約合人民幣6.99億元）的年化收入，這絕不是小數目，2026年的問題將會是，這些公司中是否有能實現盈利的。4、Meta的失寵對Meta而言，2025年是艱難的一年。四月，Meta發佈的Llama 4模型在開發者社區中反響平平；隨後在六月，Meta創始人兼首席執行長馬克·祖克柏（Mark Zuckerberg）開啟挖人大戰，向AI資料標註創企Scale AI投資143億美元（約合人民幣999.17億元），以聘請其首席執行長汪滔（Alexandr Wang）及其核心團隊，以重整公司的AI業務佈局。然而這筆巨額投資至今未見明顯成效。自此之後，Meta新組建的AI團隊僅推出了一款令人失望的AI視訊應用Vibes，隨之而來的則是內部數次重組與人才持續流失。有報導稱，Meta正準備在明年發佈新的文字、圖像和視訊模型。5、Google的強勢回歸自2022年被OpenAI推出的ChatGPT突襲而一度措手不及，並在此後多年被貼上“AI落後者”標籤的Google，終於在2025年找回了自己的節奏。今年，公司接連推出一系列備受市場好評的模型，並於11月壓軸發佈了廣受讚譽的Gemini 3.0。這一模型在程式碼生成領域取得突破性進展，成為首批突破預訓練縮放瓶頸的例證之一。Gemini 3.0觸動了OpenAI，在這一模型發佈後，OpenAI首席執行長薩姆·阿爾特曼（Sam Altman）迅速宣佈公司進入“紅色警戒”狀態。儘管目前Gemini聊天機器人在使用者規模上仍顯著落後於ChatGPT，但它正在迎頭趕上。2026年，Google能否延續這一復甦態勢，將會是行業關注的重點。02. OpenAI、Anthropic瞄準上市機器人、AI持續學習能力存疑6、AI資金進入循環如果一家AI實驗室未能從微軟、輝達或亞馬遜這類巨頭獲得資金，用於支付向其採購晶片與算力的費用，那麼它的經營模式恐怕需要重新審視了。“循環融資交易”可能是AI熱潮中延續性最強的趨勢之一，其源頭甚至能追溯至2019年微軟對OpenAI的首輪融資。對於OpenAI、Anthropic這類創企而言，這已成為一種高效的融資手段，能直接支撐它們最大的開支項：計算資源。7、川普成為AI產業的盟友自今年年初上任以來，美國總統唐納德·約翰·川普（Donald John Trump）推行了一系列被視為對AI產業利多的政策舉措，例如，簽署行政命令限制各州對AI的監管權限，加速資料中心建設的審批流程等。考慮到眾多科技公司此前投入大量時間與資金進行政治鋪墊，此類政策傾斜並不令人意外。不過，Anthropic等公司對川普政府採取了相對謹慎的態度。8、AI機器人發展不及預期去年，風險投資家們向機器人初創公司注資數十億美元，這些公司當時宣稱大模型將幫助他們開發出真正實用的機器人。然而這一願景至今未能實現，甚至許多機器人仍在犯基礎性錯誤。此外，AI機器人似乎仍需要人類遠端操控，如近期特斯拉Optimus機器人在摔倒前做出“摘頭顯”動作，挪威人形機器人公司1X Technologies推出的家務機器人Neo也需要遠端操作員人工輔助。9、AI持續學習能力存疑儘管AI實驗室已創造數百億美元的收入，但頂尖研究人員對現有技術能否通向通用人工智慧（AGI）的疑慮卻日益加深。OpenAI聯合創始人、前首席科學家伊利亞·蘇茨克弗（Ilya Sutskever）稱，要實現真正的AGI，AI必須像人類一樣，能夠從現實經驗中持續、即時地學習，也就是持續學習的能力。這類AI目前尚未成為現實，但幾乎可以斷言，每個AI實驗室都已在此方向上展開佈局。倘若持續學習技術最終取得突破，其影響將輻射至整個AI產業，由於這類方法對資料和算力的需求可能遠低於當前模型，長期以來依賴算力擴張的行業生態或將面臨重構，這對輝達等算力巨頭而言，恐怕不是一個好消息。10、各大AI創企紛紛準備上市2025年，OpenAI、Anthropic與xAI等AI創企仍以令人矚目的高估值持續融資。近期，OpenAI和Anthropic相繼釋放訊號，正積極籌備在未來幾年內推動上市；與此同時，今年12月，智譜和MiniMax先後通過港交所聆訊並遞交招股書。它們的上市意願背後存在清晰的商業邏輯：作為資本密集型的行業代表，它們希望借助當前市場對AI類股的樂觀情緒，打通可持續的融資管道。如果它們上市成功，可能為個人投資者提供從AI浪潮中受益的機會，當然，也須同時承擔泡沫可能破裂所帶來的風險。03. AI大牛卡帕西評價模型程式設計能力稱工作效率能提升10倍此外，以下是其他正在發生的事情，對於大模型的能力，卡帕西的態度在今年發生了180度大轉彎。去年10月，卡帕西曾公開批評當前的大模型，尤其指出它們在程式碼生成這類被高度宣傳的場景中實用性有限。他在一次播客訪談中提到，AI程式設計工具只能在他需要自動補全單行程式碼或編寫範本程式碼時才有效。不過，情況似乎已悄然改變。上周，卡帕西在社交平台X上發表了截然不同的看法：“‘軟體工程’這個職業正在被重構，程式設計師編寫的程式碼片段正變得越來越少且處於輔助地位。”他進一步感慨：“我有種強烈的預感，如果能將過去一年左右出現的工具有效整合，我的工作效率可能提升十倍；而如果沒有這一工作，簡直像是一種能力缺失。”雖然不清楚卡帕西具體所指的程式設計工具或模型是那一款，不過，他曾發文對Anthropic的AI程式設計工具Claude Code讚不絕口。卡帕西特別提到，Anthropic於11月推出的旗艦模型Opus 4.5及近期其他新模型，在程式碼生成能力上取得了巨大進步。04. 結語：從2025到2026：迎接AI行業的持續變革今天是2025年的最後一天，這一年，技術狂飆從未停歇，我們目睹了DeepSeek突襲矽谷、Gemini 3的反擊；也見證了Meta略帶沮喪的一年、AI機器人能力不及預期的問題。2025年，全球AI競賽打得火熱。2026年的帷幕即將拉開，關於AI技術本質、AGI等終極問題的討論仍在持續進行中，以OpenAI、Anthropic為代表的AI公司背後的高估值和狂歡，能否平穩上市扶搖而上，抑或難逃泡沫破裂的結局，這些有待2026年乃至更久之後驗證。來源：The Information (智東西)

37歲華裔學霸AI創業，0融資，估值240億美元。是的，白手起家，沒拿投資人一分錢。更強悍的是，純靠一己之力，輕鬆斬獲Google、OpenAI等AI巨頭的大單，硬生生給公司幹成了估值240億美元的超級獨角獸。而這家公司的創始人——Edwin Chen，如今也憑藉180億的身價，躋身福布斯400的最年輕富豪，也是這波新晉富豪中最富有的一位。AI創業成最年輕新晉富豪福布斯400新晉最年輕富豪——Edwin Chen，美裔華人，年僅37歲。從大廠打工人，到矽谷估值240億的超級獨角獸，他僅僅花了5年。Edwin畢業於MIT，先後在推特、Google和臉書工作，擔任過各種推薦演算法相關的職位，是一名資深的機器學習工程師和資料科學家。但無論身處那家大廠，Edwin始終無法繞開一座大山：稀缺的高品質人工標註資料。在工作進展屢屢受挫中，他意識到，沒有足夠的高品質資料，我們可能永遠都抵達不了AGI。這時候，Edwin忽然從科幻電影《降臨》的原著中得到了靈感。《降臨》講的是一位人類語言學家，試圖通過破譯外星文明的文字與其建立溝通。但隨著理解不斷加深，她卻逐漸掌握了一種語言之外的能力——對時間的非線性認知，乃至「預見未來」。在Edwin看來，在我們的世界裡，人類，就是那批擁有超能力的外星人。而AI可以通過標註資料，學習我們的思維模式，最終獲得獨屬於人類的超能力——智能。2020年，Edwin Chen躬身入局AI創業賽道，成立了資料標註公司Surge AI。而讓這家初創公司顯得格外引人注目的，是其反常的入局姿態——拒絕所有風投，一份投資者的錢都不拿，創始人押上自己打工十年的全部積蓄，獨自踏上了AI創業之路。我一直很討厭矽谷的攀比之風。Edwin直言，絕大多數依賴VC生存的矽谷初創公司，本質上都是一場「騙局」，他們眼裡只有「快速致富」。在他看來，想要真正掌握戰略制定話語權，保證公司始終行駛在創始人最初的設想中，不能把希望寄託於任何投資者。而這家白手起家的資料標註公司，不止打一開始「離經叛道」。就連技術路線上，也選擇了一條與傳統資料標註公司截然不同，甚至在當時會被認為「吃力不討好」的路子。回到2020年，GPT尚未問世，Scaling Law的重要性也未得到重視，可用於訓練的高品質資料很少。彼時的資料標註，是一項附加值相當低的工作。一般而言，只需要大量僱傭低成本勞動力，不要求任何專業背景，工作內容往往只是坐在電腦前區分貓和狗。這些公司生產的資料，和垃圾沒什麼區別。在他看來，資料標註公司的任務不應該是做髒活，資料標註的本質，是編碼「人類的豐富性」。這意味著，要讓最聰明的人類——研究生、博士，甚至哈佛大學的教授——將他們大腦裡的專業知識，轉化為AI能讀懂的的二進制程式碼。因此，Edwin的第一步，就是大幅抬高資料標註員的准入門檻。相比傳統資料標註公司，Surge要求資料標註員具備高等教育背景，甚至得是博士與高校教授。而他們承擔的工作內容，也比以往的資料標註員更加複雜。有時，他們需要刻意引導聊天機器人給出錯誤或有害的回答，再親自寫出更合理、更安全的版本；有時，他們要在不同模型的回覆中選出最佳答案，並詳細解釋好在那裡。隨著AI的高速發展，這一路線已然成為絕大多數同行的共識，資料標註員的隊伍中，博士比例越來越高。但學歷也不能說明一切。一個文學博士，未必擅長寫詩；一個物理學教授，也未必擅長講課。具體到實際標註工作中，對技能的需求會更加垂直化。為此，Surge設計了一套與YouTube推薦機制高度相似的內部匹配系統：持續評估每一位標註員的能力邊界，收集其歷史表現資料，將其動態分配到最合適的項目中。除了聘請常春藤盟校的精英，Edwin還僱傭了來自全球50多個國家的一百多萬名自由職業者。他們負責提出可能難倒AI的問題，評估模型回答，並編寫標準幫助人工智慧生成完美的答案。不過，上述做法都不新鮮，這套方法論基本算是目前所有資料標註公司的常規操作。Surge的差異化競爭力，體現在更底層的基因上。據Surge員工表示，Edwin相當喜歡「站在科技和人文的十字路口」的人才。在他看來，只有這樣的人，才能幫助AI真正捕捉不同語言背後複雜而微妙的文化與社會語境。這與Edwin自己的履歷也高度相似——語言和數學雙修，在MIT主修的數學，還會說法語，西班牙語和普通話。因此，在面試環節，Edwin不僅會考察候選人的程式碼能力，還常常把話題引向文學作品。Surge成立早期，Edwin曾面試過一位在音樂行業工作了十多年的鼓手，這位沒有任何科技行業經驗的求職者，最終成了公司的五號員工。這並非個例。截至目前，Surge約20%的員工都擁有類似的非傳統背景具體機制上，Edwin沒有解釋這種「人才基因」究竟會如何影響資料標註的質量。但這種做法的有效性，，或許能從Surge的業績表現得到些許印證。事實上，Surge的收費標準往往比市場溢價50%，極端情況甚至能比競爭對手高出10倍。儘管如此，Surge最早的一批客戶名單中，仍赫然出現了Airbnb、Twitch、Twitter等網際網路巨頭的身影。當Gemini系列處於黑暗時期時，Google一位研究員同樣向Edwin尋求了支援，雙方通話了兩個多小時。不久後，Google就和Surge簽署了一份年價值超過1億美元的合作協議。到2024年，Surge營收正式超過Scale AI，攀升至驚人的12億美元，公司估值也隨之來到240億美元。即便如此，這家炙手可熱矽谷「香餑餑」，依然對資本市場保持著高冷的姿態：我們對被收購不感興趣，也沒有上市的打算。在Edwin看來，不止是VC，投資者的每一筆錢都是一根繩子，最終五花大綁住公司的手腳。因此，在談到那些典型的「矽谷同行」時，Edwin的用詞相當犀利。他們都是些外包公司。甚至直接點名道姓：我覺得Scale已經徹底完蛋了，對吧？不過，在市場競爭異常激烈的今天，Edwin的理念究竟是否真的有利於Surge的發展，或許得畫一個問號。Surge不拿融資，有的是同行搶著拿。洶湧而至的AI熱潮下，大量資金正迅速湧入其競爭對手的錢包。這批資金充裕的公司，正通過「價格戰」搶走本屬於Surge的肥肉。事實上， Surge曾經的重要客戶OpenAI，已轉身投入其競爭對手Mercor和Invisible的懷抱。另一方面，Surge 最早的客戶之一，AI實驗室Cohere，雖沒尋「新歡」，卻偷偷將資料標註工作都轉移到了內部。歸根結底，資料標註這行幾乎沒有什麼護城河，客戶隨時可以切換供應商，甚至選擇自研。就連收購了Scale的Meta，現在仍在繼續使用Surge的服務。從長期來看，有一個更值得關注的問題——如果AI繼續進步，最終不再需要人工標註資料了，怎麼辦？這是懸在所有資料標註公司頭頂的達摩克利斯之劍。或許正是意識到了這些風險，Surge對資本市場的態度，近期也開始出現微妙變化。據悉，公司正在洽談一筆約10億美元的融資。如果交易完成，其估值有望進一步抬升至300億美元。與此同時，公司創始人Edwin，也開始逐漸從幕後走向台前，頻繁出現在大眾視野中。資料標註版黃仁勳Edwin Chen在佛羅里達長大，今年37歲。他的父母來自台灣，後來移民美國，在當地開了一家名為「北京花園」的中泰美式餐廳。Edwin十幾歲時就在那裡打工。從小，Edwin便展現出了跨學科「雙修」的能力——「語言+數學」。語言方面，小學的Edwin非常喜歡參加拼寫比賽，並給自己設下一個頗為宏大的目標：解鎖「20」門語言。雖然這個夢想最終沒能實現，但直到今天，他仍能使用法語、西班牙語和普通話。年輕的時候，他還會說印地語和德語。數學方面，他同樣進展迅速。八年級便開始學習微積分，很早就完成了中學階段的數學課程。高三時，他的大部分時間，已經是在耶魯大學教授的指導下參與研究學術課題。高中畢業後，Edwin進入麻省理工學院，主修數學、電腦科學和語言學。而語言和數學這兩條線，也終於在這段時期開始交叉。在校期間，他聯合創辦了一個語言學社團，還曾在CSAIL從事自然語言處理相關研究，涉及代數拓撲、複雜性理論以及機器翻譯等方向。而Edwin在Microsoft Research的第一份實習，也是研究語音識別和文字轉語音。Edwin的生活習慣同樣特別——上大學時，他推崇多相睡眠法，將睡眠分成多次短時休息，比如每六小時小睡30分鐘，而不是一次性睡足八小時。除此之外，他還是一名素食主義者。吃素的情況下，還幾乎每天走兩萬步。為尋找靈感，他經常在午夜散步到紐約的時代廣場。大學畢業後，Edwin先後進入Twitter、Google和Facebook工作，擔任機器學習工程師或資料科學家。話說回來，細細品味這位華裔學霸的履歷，似乎能看到另一位華人的身影——父母來自台灣，青年時期在餐廳打工，如今離職創業給AI公司賣「鏟子」…….簡直是資料標註界的黃仁勳啊。不同的是，相比Edwin，老黃的童年沒那麼一帆風順。沒有那項工作是我做不來的，我以前洗過碗，也打掃過廁所。九歲時，黃仁勳迎來「天崩開局」的美國生活——舅舅誤將黃仁勳和哥哥安排進了奧奈達浸信會學院。這是所管教問題少年的寄宿學校。由於對英語一竅不通，剛進學校的黃仁勳飽受霸凌，總會有學生在走廊裡推搡他，在操場上追趕他。每到夏天，奧奈達浸信會學院的學生們都需要通過勞動來掙生活費，黃仁勳總會被留下來打掃全宿舍的衛生間。當時，當時的家務是打掃全宿舍的廁所。我只有9歲，但我打掃得非常認真。不過，老黃在水深火熱的日子裡挺了過來，甚至還主動解鎖了其他技能點。臨近中學畢業，黃仁勳去到一家連鎖餐廳打工，幫別人洗碗端盤子，一點一點晉陞為服務員。然而，回憶起這些經歷，黃仁勳並不未將它們歸類於「創傷」。那是一段塑造性格的經歷。我學會了堅韌……我學會了無論做什麼工作，都要把它做好。被人霸凌、被要求掃廁所、給人洗碗端盤子，或許恰恰是這些惡劣的成長環境，才造就了今天的黃仁勳。而不論黃仁勳還是Edwin，事業大小有別，環境也早已變化，做的事情也有所不同，但刻在基因裡的底層原始碼似乎沒有變化，踐行的都是同一個底色——勤勞勇敢。 (量子位)

「氛圍程式設計」成為創投的熱門領域。新銳AI公司的估值在五個月內飆升超過2.6倍，這是如何做到的？瑞典「氛圍程式設計」新創公司Lovable近日宣佈，已完成3.3億美元B輪融資，估值躍升至66億美元。這意味著在短短五個月內，其估值從7月A輪時的18億美元增加了超過2.6倍，凸顯出AI工具賽道的巨大潛力與資本熱度。本輪融資由CapitalG和Menlo Ventures共同領投，Khosla Ventures、Salesforce Ventures、Databricks Ventures等知名機構跟投。(圖片來源：linkedin@Lovable）作為快速抓住AI機會的典型代表，Lovable成立於2024年，其核心產品是一款「氛圍程式設計」工具，允許使用者透過簡單的文字提示來編寫程式碼乃至建立完整應用。這種低門檻、高效率的開發模式，推動公司實現了爆炸式增長：成立僅8個月，年度經常性收入（ARR）便突破1億美元；又過4個月，ARR翻倍至2億美元，成長軌跡猶如火箭攀升。其顧客名單也同樣令人矚目，Klarna、Uber、Zendesk等全球知名企業都已進駐。平台生態活力充沛，每天有超過10萬個新項目誕生，首年累計建立項目數已超過2500萬，顯示出強大的使用者黏性與市場認可。對於新一輪融資的用途，Lovable有著明確規劃：深化與第三方應用的整合、拓展企業級功能場景，同時完善平台基礎設施，涵蓋資料庫、支付系統、託管服務等關鍵模組，協助使用者打造功能完整的應用程式和服務。（圖片來源：Lovable）值得關注的是，這家快速成長的AI獨角獸始終紮根歐洲。聯合創始人兼CEO安東·奧西卡（AntonOsika）在赫爾辛基Slush大會上坦言，曾多次面對投資者「將總部遷往矽谷」的建議，但他最終選擇了堅守。「現在我可以肯定地說，你完全可以從這裡（瑞典）打造一家全球性的AI公司，」奧西卡表示，“只要使命清晰、團隊凝聚、保持緊迫感，就能吸引到頂尖人才。”不過，公司近期也曾面臨挑戰，11月被指出未繳納適用於歐盟的增值稅（VAT）。奧西卡隨後在領英（LinkedIn）上回應，承認疏漏並承諾補救，同時也駁斥了所謂「歐盟稅收環境不利於高成長新創公司」的論調，重申對歐洲創新生態的信心。Lovable的崛起並非孤例，「氛圍程式設計」已成為創投的熱門領域。另一家明星公司Cursor在11月獲得23億美元融資，估值達293億美元，同樣在半年內實現估值翻倍，印證了該賽道持續受到資本追捧。一年，66億美元估值。Lovable紮根歐洲，以本土創新證明了：好產品無問西東，足以影響世界。 （創新觀察局）

不久前才宣稱要收購GoogleChrome瀏覽器，如今又以2億美元的新一輪融資再次刷新自己的估值紀錄，成立僅三年的AI搜尋創業公司Perplexity以其高調的行事作風，成為矽谷最引人注目的AI獨角獸之一。近日，據多家外媒報導，Perplexity已獲得2億美元的新一輪融資承諾，公司估值飆升至200億美元。而就在兩個月前，Perplexity才剛剛以180億美元估值融資了1億美元。然而，儘管Perplexity備受資本青睞，以密集的融資節奏和驚人的估值漲幅迅速躍升為頭部AI創業公司，但在估值一路狂飆的背後，其商業化處理程序卻顯得步履蹣跚。廣告業務幾近停滯、電商功能缺失嚴重，這家被寄予厚望的“Google殺手”，似乎仍在尋找屬於自己的“錢景”。這一強烈反差，也為Perplexity的未來蒙上了一層不確定性。A面：三年“吸金”15億美元Perplexity的融資歷程，堪稱AI創業中的“速度與激情”。公開資料顯示，Perplexity成立於2022年8月，總部位於美國舊金山。聯合創始人兼首席執行官Aravind Srinivas曾在OpenAI擔任研究科學家，創始團隊成員來自Meta、Quora和Databricks等知名科技公司。自成立之初，Perplexity就立志要做生成式AI時代的新搜尋工具。Aravind Srinivas曾表示，Google為了獲取更多的廣告收入，往往會降低搜尋效率，致力於獲得使用者更長的瀏覽時間和更多的點選數量，而Perplexity的目標則是提供更簡潔和精準的答案，減少人們獲取資訊的時間。顛覆傳統搜素工具的定位，使得Perplexity的估值在三年間飛速躥升，更被業界稱之為“Google殺手”。據PitchBook資料，Perplexity成立以來累計融資已達15億美元。此外，公司獲得了許多知名公司和科技圈人士的支援，投資人名單中不乏晶片巨頭輝達、巨量資料公司Databricks以及亞馬遜創始人傑夫·貝佐斯、前推特副總裁Elad Gil、前GitHub首席執行官Nat Friedman等金光閃閃的名字。值得注意的是，Perplexity雖然依然是一家尚未盈利的創業公司，但其資本“野心”並不小。今年8月，Perplexity向Google母公司Alphabet發出收購要約，計畫以345億美元全現金收購Google旗下的Chrome瀏覽器。這一報價近乎Perplexity當時180億美元估值的兩倍。這場“蛇吞象式”的收購讓外界頗為驚訝，但也進一步強化了其“Google挑戰者”的市場定位。不過，前不久，Google漫長的反壟斷訴訟迎來了里程碑式的判決。美國華盛頓特區聯邦地方法院作出了最終裁定，駁回了政府提出的對Google進行結構性分拆的最嚴厲處罰方案，Google將無需分拆售出其核心資產——Chrome瀏覽器和Android移動作業系統。這也意味著，Perplexity收購Chrome瀏覽器的願望宣告“泡湯”。B面：商業化探索步履維艱作為一家標榜要做“生成式AI時代的新搜尋工具”的創業公司，Perplexity的願景雖然很美好，但也一直面臨著以何種方式實現商業化盈利的困境。與Google相比，Perplexity創業之初一直標榜自己不賣廣告，“與Google的財務和商業目標非常不同”。因此在創業之初，Perplexity主要是通過向使用者直接收費的訂閱制方式盈利，從而提供沒有廣告的查詢結果。然而，這一願望最終還是被現實“打了臉”。去年4月，Perplexity就表示將開始銷售廣告。Aravind Srinivas曾在採訪中說，廣告是過去50年中最偉大的商業模式，也是Perplexity未來營利的引擎。據瞭解，與傳統競價排名的Google模式相比，Perplexity銷售廣告的方式更隱晦一些，不會直接在回答中涉及廣告，而是在使用者提問後，在“相關問題”中融入廣告連結與內容。這種形式雖避免了傳統搜尋廣告對使用者體驗的干擾，但也因品牌曝光度低、轉化效果差而遭到廣告主詬病。此外，為了降低對使用者體驗感的影響，Perplexity的廣告策略極為保守，公司對廣告商篩選嚴格，在數千個直接申請投放廣告的廣告主中，僅有不到0.5%獲得批准，大量品牌方被拒之門外。因此，Perplexity在2024年第四季度的廣告收入僅為2萬美元，商業化進展幾乎停滯。另外一個被寄予眾望的電商業務，同樣進展緩慢。去年，Perplexity推出“Buy With Pro”購物服務，承諾使用者可以“研究和購買產品”而無需跳轉到外部網站。然而，該服務至今缺乏最基本的“購物車”功能，使用者只能逐件下單，無法合併結算。這一設計缺陷不僅嚴重影響使用者體驗，也讓商家在訂單管理和物流成本上承受額外壓力，實際體驗遠未達到預期。此外，Perplexity對商家的篩選也極為嚴格，目前僅與少數品牌建立合作。業內人士普遍認為，Perplexity尚未建立起可持續的電商生態。財務資料顯示，2024年Perplexity的營收為3400萬美元，但在第三方模型及雲服務上的支出高達5700萬美元，處於虧損狀態。Perplexity的估值狂飆，是AI搜尋賽道火熱的一個縮影。然而，估值的暴漲並不意味著商業上的成功。廣告業務的謹慎與電商功能的缺陷，暴露出這家初創公司在商業化道路上的稚嫩與搖擺。在OpenAI、Google等巨頭紛紛加碼AI搜尋的背景下，Perplexity面臨的競爭將愈發激烈。如何在保持使用者體驗的同時找到可持續的盈利模式，將是這家“Google殺手”能否真正顛覆Google的關鍵所在。 (創業資本匯)

AI for Science的浪潮下，徹底激發了投資人的熱情。據彭博社報導，AI公司Lila Sciences已經完成2.35億美元的A輪融資，公司估值約為12億美元。本輪融資由Braidwell 和加州養老基金聯合持有的投資機構 Collective Global 領投，“木頭姐”凱西·伍德的 ARK Venture Fund與General Catalyst 作為種子輪投資方繼續參與了本次A輪融資，Flagship Pioneering 也出現在新晉投資機構名單中。Lila Sciences致力於建構世界上第一個科學超級智能平台，以及應用於生命科學、化學和材料科學的完全自主實驗室。就在今年3月，這家公司才走出隱匿模式，獲得2億美元的首輪資金。短短半年，Lila Sciences在沒有任何產品的情況下，就累計融了4.25億美元（約合人民幣31億元），究竟有什麼可取之處？01. Flagship又一巨大賭注Lila Sciences成立於2023年，總部位於馬薩諸塞州劍橋，高管都來自行業頂尖人物。公司首席執行官Geoffrey Maltzahn博士，擁有麻省理工學院生物醫學工程和醫學物理學博士學位，也是Flagship的合夥人，曾經參與創辦Generate：Biomedicines等AI製藥獨角獸。公司首席技術官Andrew Beam是哈佛醫學院生物醫學資訊學系的副教授，此前曾開發過多個醫學相關的深度學習演算法。著名的基因編輯大牛、哈佛大學教授George Church則擔任公司的首席科學家。公司董事會主席則由Flagship的創始人Noubar Afeyan擔任。圖：Lila Sciences的高管團隊根據LinkedIn的資料，這家初創公司的員工人數已從成立初期12人增長到180人。能夠打動這麼多行業領軍人物，這就不得不提到公司背後的推手Flagship Pioneering。作為生命科學領域的頂級VC，Flagship多年來累計孵化並投資了超100家公司，25家成功IPO，包括研發出mRNA疫苗巨頭Moderna。Lila則是Flagship在AI for Science的一個巨大賭注。Lila由兩個早期AI項目合併而成的，一個專注於新材料，另一個專注於生物學。基於其成立背景，它更像是一家AI初創公司，而不是一家傳統的生物技術公司。Lila Sciences有一個宏大的願景：打造世界上第一個科學超級智能平台（Scientific Superintelligence ）。正如Flagship Pioneering的創始人Noubar Afeyan 博士所說：“縱觀人類歷史，科學探索的方法始終如一，即通過假設、測試、學習、創造。然而，儘管我們取得了所有進步，但我們仍然只瞭解支配物理世界的規則的一小部分。傳統科學家提出假設、收集資訊資料、實施實驗並最佳化結果，整個過程可能耗時數年。儘管有自動化裝置的出現，也被早早引入科研領域，但依舊沒有改變實驗與科學探索的本質，科學新發現依舊非常緩慢。因此，Lila正在打造一個集合AI與自動化裝置的系統——人工智慧科學工廠（AISF）。公司正在打造科學領域的AI Agent，該系統由生命科學和材料科學實驗室的論文、實驗和資料訓練而成，能夠自主確定以及實施實驗。這意味著，Lila希望打通AI自主提出假設——生成實驗方案——調度自動化裝置執行實驗——分析結果——學習並最佳化下一個假設，這一整個流程。最終，AISF以遠遠超出人類能力的規模、速度和精準性產生新的科學知識。公司表示，在短短幾年的開發中，該平台在醫療、材料、環境等多個領域展示了超越人類和現有AI的性能，包括基因醫學產品，發現和驗證數百種新型抗體、肽和結合劑、酶催化劑、碳捕劑等。其中一個項目，兩位科學家利用AI在四個月內發現了一種新的綠色氫氣生產催化劑，而通常情況下這一過程需要數年。這個項目的成功，甚至直接吸引清潔能源新材料領域的著名研究員John Gregoire離開加州理工學院，加入Lila並擔任物理科學研究負責人。儘管Lila只在內部驗證其模型，也沒有發佈其產品，但它的支持者們依然相信，它將極大改變科學研究。02. AI for Science時代到來2024年，諾貝爾化學獎和物理學都授予了與AI相關的研究，讓AI for Science這一概念廣泛傳播，也標誌著新時代的到來：AI不再僅僅是科學研究的輔助工具，而是成為科學發現的核心引擎。前不久，OpenAI震撼發佈GPT-5，奧特曼稱其擁有在任何領域博士等級的研究與對話能力，並已經將其開放給安進、Moderna等頭部企業進行測試。近年來隨著AI大模型以及Agent的發展，更在重塑整個科學研究的範式和方法論。2023年，Nature就發表了一項重磅級研究成果：由卡內基梅隆大學的研究團隊就打造了一位AI化學家Coscientist。該系統基於GPT-4等大模型建構，能夠快速精準地自主完成檢索資訊、規劃及設計實驗、編寫程序、遠端操控自動化系統做實驗、分析資料的一整套流程。圖：Coscientist2024年，史丹佛大學電腦系教授James Zou利用AI Agent打造了一個“虛擬實驗室”，在人類極少的干預下，5個Agent組成的AI跨學科研究團隊協同合作，最終成功設計出能夠結合新冠病毒的奈米抗體。今年5月，前GoogleCEO Eric Schmidt投資的一家非營利機構FutureHouse，發佈了Robin—一款自動化AI科研多智能體系統（Agent）。Robin智能體系統只要給定一種疾病，Robin就會自動檢索文獻提出疾病機制，識別相關的體外實驗，並提出候選方案。短短的10周之內，Robin自主發現了一款名為Ripasudil的ROCK抑製劑可以作為治療乾性老年黃斑性變形（AMD）的潛在療法。有眼科專家表示，該療法非常新穎。這些成果意味著，AI科學家或許會越來越多地介入科研流程。在自動化與Agent技術逐漸成熟的當下，投資人已經逐漸理解並相信AI for Science的商業模式和巨大潛力，願意下重注賭其未來。未來，我們將會看到人類科學家與AI系統，共同拓展科學邊界的一天。 (智藥局)

7家創企，118個科研項目背後的傳奇教授。這位擁有25億美元（約合人民幣179億元）身家的大學教授，為何還堅守在一線課堂？智東西9月2日報導，近日，AI資料平台Databricks在最新一輪融資後，估值突破1000億美元（約合人民幣7162億元），有望成為全球估值第四高的AI獨角獸，這也讓外界關注到其聯合創始人兼董事長、加州大學伯克利分校（後簡稱UCB）教授Ion Stoica，以及他橫跨產業與學術界的傳奇經歷。Stoica現年60歲，自2000年起開始在UCB任教，此後25年來均未離開這一校園。2010年至今，Stoica在UCB電腦學院參與了3所重要實驗室的創辦和管理。這些實驗室在巨量資料、雲端運算和AI時代貢獻了118個科研項目，其中不乏影響力廣泛、幾乎成為AI領域核心基礎設施的項目，如巨量資料框架Spark、分佈式執行框架Ray、大模型推理框架vLLM等。▲Ion Stoica（圖源：YouTube）他還通過親自參與創業、指導創業或是提供人脈與資金支援的方式，創辦或孵化了至少7家知名創企，分佈於資料基礎設施、生成式AI等行業。除了估值已經突破1000億美元的Databricks，Stoica聯合創辦了估值10億美元的AI託管計算平台Anyscale、估值6億美元的LMArena（大模型競技場）和估值3億美元的視訊流分析技術公司Conviva等企業。Stoica是高性能AI與資料分析平台Alluxio創始人李浩源、資料中心作業系統創企Mesosphere創始人Benjamin Hindman的博士生導師，這兩家創企均發源於開放原始碼專案，曾得到Stoica的指導。目前，Stoica還在大模型記憶技術創企Letta擔任顧問。儘管取得了商業上的成功，但Stoica仍然心繫教育、科研。今年秋天，Stoica將繼續留在課堂，教授作業系統和系統程式設計的本科課程。通過在矽谷的人脈，Stoica給自己的實驗室拉來了極為豪華的贊助商陣容，包括輝達、Meta、螞蟻集團、AMD、Google、亞馬遜、華為等知名企業。他還給將自己創業獲得的資產投入科研，給實驗室提供資金支援。在向《福布斯》分析自己成功的原因時，Stoica稱，這要歸功於他對科研的專注：“這是一種創造的過程，不斷探索新想法。”在本文中，我們將回顧Stoica傳奇的創業與科研經歷，並瞭解他對自己成功經歷的思考和總結。01. 師從北大電腦校友張暉 06年首次開啟創業Stoica於2000年在卡耐基梅隆大學（後簡稱CMU）完成博士學業，導師是該校史上最年輕的終身教授張暉（北大電腦學院84級院友）。同年，他加入UCB，並從教至今。UCB地處矽谷，有極為濃厚的創業氛圍，Stoica也在2006年了自己的第一個創業項目——Conviva。▲Conviva的創始團隊（圖源：Conviva官網）2006年，串流媒體內容逐漸興起，YouTube已經成為主流平台之一。Stoica與他的導師張暉看到了市場對線上視訊體驗最佳化的需求，並在CMU和UCB的科研成果基礎之上開始創業，聯合創辦了Conviva。早期，Conviva專注於即時視訊流分析，成為全球最早實現影片播放自適應的平台之一。該公司通過AI技術識別視訊平台的播放質量問題，並收集使用者的觀看資料（包括正在觀看的內容、使用者喜好等），形成分析報告。Conviva的主要客戶包括美國福克斯公司（FOX）、NBC環球集團旗下的串流媒體平台Peacock等。Stoica原本在Conviva擔任CTO一職，但目前已經不在Conviva擁有正式管理層職位。他仍然留在董事會，每週都會與團隊見面。成立以來，Conviva已經完成了7輪融資，總融資額為1.1億美元。其上一輪融資於2017年完成，當時投後估值約為3億美元。02. 給巨量資料時代打造核心基礎設施 成果轉化為千億估值創企在創辦Conviva的同時，Stoica也沒有停下學術與科研的腳步。UCB電腦科學學部有每5年成立一個合作實驗室的傳統，Stoica深度參與了該學部近15年來成立的三大實驗室，帶領成員做出了頗具學術與行業影響力的成果。2011年，UCB成立了AMP（演算法、機器與人）實驗室。在官宣實驗室成立的演講中，Stoica稱，AMP實驗室希望通過緊密整合演算法、機器和人力，實現對巨量資料的理解。在其存續的5年間，AMP實驗室打造了25個科研項目，包括開源分佈式資源管理框架Apache Mesos、開源分佈式巨量資料處理框架Apache Spark、開源分佈式資料編排平台Alluxio（原名Tachyon）等，成為巨量資料基礎設施領域的重要貢獻者。這三大開放原始碼專案，最後都轉化為創企：Databricks（總融資208億美元，估值超1000億美元）Databricks是Stoica參與創辦的第二家創企，主營業務是AI資料分析平台。其創始團隊由七位加州大學伯克利分校的教授和研究生組成，大都來自Stoica所管理的AMP實驗室。▲Databricks創始團隊，Stoica為左數第二位（圖源：Databricks）2009年，Databricks的創始團隊開發出開源分佈式巨量資料處理框架Spark，並不斷維護、更新這一項目，還一度創下了資料排序速度的世界紀錄。在將Spark作為開放原始碼專案營運一段時間後，Databricks的聯合創始人、UCB副教授的Matei Zaharia稱，Stoica希望將Spark變成一家初創公司，以鼓勵使用者更認真地對待此類來自高校實驗室的研究。2013年，Databricks正式成立。憑藉著開放原始碼專案Spark的成功，Databricks在A輪融資時便獲得來自a16z的1400萬美元融資。2013年-2016年，Stoica擔任Databricks CEO一職，深度參與公司日常管理與決策。他在2016年將CEO一職交棒給了曾在AMP實驗室擔任訪問學者的Ali Ghodsi。對於這一決定，他在接受《福布斯》採訪時說道：“超過這個時間就意味著離開伯克利，所以我必須做出選擇，我選擇了回去。”如今，Databricks已經成長為估值超過1000億美元的超級獨角獸，服務超過60%的財富500強企業。Stoica仍在這一公司擔任董事會執行主席的職務。▲Stoica擔任Databricks董事會執行主席（圖源：Databricks）Alluxio（總融資額7300萬美元，估值暫未披露）Alluxio原名Tachyon，是一個以記憶體為中心、容錯的虛擬分佈式儲存系統，旨在解決Apache Spark生態系統內的資料共享挑戰。2015年，Alluxio正式成立，早期投資者為a16z——這是一家與Stoica關係密切的投資機構。其創始人兼CEO李浩源在AMPLab完成了相關研究，論文指導者便包括其博士生導師Stoica。▲Alluxio目前的管理團隊，上排左一為李浩源（圖源：Alluxio官網）隨著技術趨勢轉向混合雲和多雲架構以及AI，Alluxio不斷髮展，為AI和資料密集型工作負載的資料訪問提供解決方案。如今，Alluxio的AI加速平台為全球十大網際網路公司中的九家提供支援。Alluxio已經完成4輪融資，其最近一輪融資於2021年底完成，由高瓴創投領投，融資額達5000萬美元。不過，其估值暫時未對外披露。Mesosphere/D2iQ（總融資2.5億美元，最高估值7.75億美元）Mesosphere成立於2013年，Stoica的學生Benjamin Hindman在其中擔任CIPO（首席智慧財產權官）的職務。這家公司的主要技術來自於開放原始碼專案Apache Mesos，而Benjamin Hindman是這一項目的核心作者。DCOS（資料中心作業系統）是Mesosphere的核心產品。Mesosphere將資料中心抽象為“單一大機器”，通過分佈式核心調度和資源管理，為大規模計算與資料密集型工作負載提供統一的運行平台。2015年，Mesosphere宣佈獲得a16z等頂級風投的投資。隨著容器化、微服務和雲原生趨勢的興起，Mesosphere後續在產品上逐漸轉型，支援Kubernetes，並在2019年正式更名為D2iQ。D2iQ的解決方案主要面向混合雲與企業級Kubernetes平台，幫助客戶簡化雲原生應用的部署與維運。迄今為止，D2iQ融資總額接近2.5億美元，投資方包括a16z、Khosla創投、惠普等，其估值曾經在2018年完成的D輪融資後達到7.75億美元。微軟、Google等都曾傳出有收購D2iQ的意向，但因D2iQ管理層反對而未能完成交易。2023年底，D2iQ宣佈終止營運，公司資產將進行清盤，並分配給債權人。03. 指導高性能分佈式執行框架Ray科研 衍生創企估值已達10億美元2017年初，Stoica參與到了UCB RISE（即時智能安全執行）實驗室的建立與管理工作中。當時，Stoica等人已經意識到，資料生成、計算和執行之間的循環正在閉合，AI已成現實，計算的影響正在擴展到世界的每一個角落。RISE實驗室與AMP實驗室一脈相承，期望能在巨量資料分析的基礎上，進一步發展相關技術堆疊，幫助應用程式即時地、智能地且安全地與環境進行互動。在大規模機器學習和強化學習領域，RISE實驗室貢獻了超41個開放原始碼專案，其中影響力最大的當屬高性能分佈式執行框架Ray，這一項目成功轉化為創企Anyscale。Anyscale（總融資2.59美元，估值10億美元）2019年，Anyscale成立，創始團隊包括Stoica、Philipp Moritz（Stoica的博士生）和Robert Nishihara等人。Stoica目前在Anyscale擔任董事會執行主席的職位。Philipp Moritz和Robert Nishihara是Ray的主要作者，這一項目大幅度提升了分散式運算的易用性，讓開發者能夠用簡單的API，把單機Python程序擴展到大規模分佈式環境。Stoica指導這兩位作者完成了Ray的相關研究。▲Stocia與Anyscale其他聯合創始人的合影（圖源：Anyscale官網）Ray提供了統一的程式設計方式，開發者不必關心底層分佈式細節。相比於傳統的Spark、Hadoop，Ray更靈活，支援低延遲的任務調度和多種計算模式（批處理、流式、線上推理等）。這一項目在AI/ML領域影響力尤其大，業內許多流行的庫都是基於Ray建構的，如Ray Tune超參數調優框架、Ray RLlib強化學習庫等。在此基礎上，Anyscale為Ray提供了完全託管計算平台，加入了最佳化、可觀察性、資料治理和開發人員工具等，使其成為運行Ray工作負載的最佳平台之一。目前，Uber、OpenAI、Shopify和亞馬遜等頭部企業的開發人員正在使用Ray建構機器學習平台。Anyscale成立6年來共完成4輪融資，總融資額達2.59億美元。2022年完成C輪融資後，其最新估值為10億美元。04. 實驗室3年貢獻52個項目 幫大模型造擂台、記憶庫2022年，Stoica又推動了天空計算實驗室（Sky Computing Lab）的成立。天空計算是雲平台之上的一層，其目標是實現雲之間的相互協作，讓應用程式能夠在任何雲提供商上實現“一次寫入，隨處運行”。天空計算實驗室近年來已經貢獻了52個項目，打造了本輪生成式AI浪潮中重要的基礎設施，包括大模型推理引擎vLLM、AI作業框架SkiPilot、大模型評估平台Chatbot Arena（現名LMArena）、視訊生成模型評估平台Video Arena、智能體記憶系統MemGPT等，其中，LMArena和MemGPT已經實現公司化運作。LMArena（總融資1億美元，估值6億美元）LMArena由Stoica和他的學生Wei-Lin Chiang、Anastasasios N. Angelopoulos等人聯合創辦，Stoica擔任LMArena的董事長。這一平台通過“人類偏好投票”方式，公開評估大語言模型性能。當使用者在這一平台上提交提示詞後，會有兩個匿名模型作答，然後基於使用者選擇判斷哪個模型表現更佳。LMArena的資料與排行榜廣受業界關注，甚至成為不少模型發佈前的重要參考。目前，LMArena託管了400多個AI模型，平台使用者投票數達到350多萬張。今年年初，LMArena完成1億美元的種子輪融資，領投機構為a16z，投後估值達6億美元。融資完成後，LMArena團隊發佈了全新設計的平台，最佳化了介面和投票流程，並逐步加入登錄、聊天記錄保存、WebDev Arena等功能模組。Letta（總融資1000萬美元，估值7000萬美元）Letta成立於2024年，由天空計算實驗室的兩位博士生Sarah Wooders和Charles Packer創辦。其中，Stoica是Sarah Wooders的博士生導師，並在該公司擔任顧問。▲Letta創始團隊（圖源：Letta）Letta的核心技術源自MemGPT，後者是天空計算實驗室的一個開放原始碼專案。MemGPT提出了“大模型作業系統”的概念，專注於大模型的上下文管理和長期記憶能力，讓大模型變得“有狀態”（Stateful）。2023年10月，MemGPT項目在正式發佈論文和程式碼之前，就憑藉一份白皮書迅速走紅。該項目正式發佈在GitHub上後，已經收穫1.8萬星標收藏，有近2000個分支項目。Letta目前的主要產品包括Letta雲（打造和部署有狀態Agent的雲平台）和用於增強Agent處理外部檔案能力的Letta檔案系統。2024年9月，Letta獲得1000萬美元種子輪融資，估值達7000萬美元。05. 靠拉贊助和創業反哺科研 80多名學生從中受益Stoica過去15年內主持工作的三所實驗室，擁有不少共同的特點：開源、前沿、與產業密切結合。這些特點讓它們不止停留在學術機構的層面，還擁有孵化器般的能力。自2011年的AMP實驗室以來，Stoica就特別注重與產業界的密切合作。AMP實驗室拉來了Google、SAP、亞馬遜、華為、IBM、英特爾、微軟、VMWare等企業作為贊助商。此後，Stoica的實驗室還獲得了輝達、Meta、螞蟻集團、AMD、博通、三星、Lambda等企業的支援。同時，通過不斷創業，Stoica的創業項目還使他成為了億萬富翁，現資產大約有25億美元，他將一部分個人資產投入實驗室的營運工作中。這些真金白銀的支援讓Stoica的實驗室擁有資金和資源，得以同時開展大量研究項目。目前，Stoica在UCB擔任研究資金削減問題工作組的主席。他鼓勵其他教授向他一樣通過創業獲取資金，在美國政府削減科研資助的大背景下繼續科研。但成為億萬富翁並非Stoica的目標。Stoica在接受《福布斯》採訪時稱：“我仍然是一名學者，如果賺錢是唯一的驅動力，那我就去IPO了。這是最簡單的方法，但我不是出於這一目的而創業，我想創造有意義的東西。”他還認為，自己在創業中獲得的成功，得益於對科研的專註：“這是一種創造的過程，不斷探索新想法。”此外，大學的科研項目大多具有開源性質，能吸引企業使用，而大部分公司不會開源最佳系統。基於開放原始碼專案打造的企業，在起步階段就能獲得不少聲量。將Stoica留在學術界的原因，可能是他的學生們。他向《福布斯》說道：“這些處在成長期的年輕人不知道什麼做的成，什麼做不成，但他們有信念，能做出讓人出乎意料的解決方案。”由Stoica親自指導的80多名學生從他的資源和關係網中受益，他們絕大多數都在學術界、大公司就職，或是擁有自己的初創公司，其中包括在Databricks工作的至少7名學生。06. 結語：高校前沿探索仍有望轉化為巨大商業價值當今的AI浪潮中，有越來越多頗具影響力的成果，誕生在產業界，這也讓外界一度懷疑：在計算資源要求越來越高、規模效應越來越強烈的AI領域，學術界的價值何在？而Stoica教授的成功經歷證明，在高校進行的開源、前沿探索項目，往往能對產業界起到極為重要的補充和啟發性作用。在以適當的方式轉化為企業後，仍然可以貢獻巨大的產業和商業價值。 (智東西)