「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)

Databricks之所以能夠躍升為全球第四大AI獨角獸（估值1000億美元，僅次於OpenAI、字節跳動和xAI），核心在於其精準踩中了AI時代的兩大風口：資料基礎設施與AI智能體，並通過“技術+收購”雙輪驅動實現爆發式增長。一、技術根基：從Spark到LakehouseDatabricks的起點是加州大學伯克利分校實驗室的Apache Spark項目，該開源框架打破了資料排序的世界紀錄，為海量資料處理提供了高效工具。基於Spark的深厚積累，Databricks推出了“湖倉一體”（Lakehouse）架構，將資料湖的靈活性與資料倉儲的管理能力融合，成為AI訓練所需的資料底座。這一架構既解決了企業資料孤島問題，又提供了高性能計算能力，契合了AI時代對大規模、多樣化資料處理的迫切需求。從伯克利 AMPLab 到 Apache Spark2013 年，7 位 UC Berkeley AMPLab 的成員（含華人聯合創始人 Reynold Xin）把實驗室裡拿下資料排序世界紀錄的 Apache Spark 商業化，創辦了 Databricks。Spark 的高性能分散式運算為後來的“湖倉一體”架構奠定了核心技術壁壘。二、戰略升級：All in AI與AI智能體佈局2022年ChatGPT引爆生成式AI熱潮後，Databricks CEO敏銳意識到AI在資料分析領域的巨大潛力，果斷帶領公司全力押注AI。為此，公司制定了清晰的戰略方向——聚焦AI智能體（Agent），並推出兩大核心產品：-Agent Bricks：一個易用的“智能體”生產線，幫助企業快速建構和部署AI agent，執行從員工入職到個性化HR問答等日常任務。- Lakebase：專為AI agent最佳化的高速資料庫，基於開源Postgres打造，旨在解決傳統資料庫在AI場景下的性能瓶頸。這一戰略佈局使Databricks從傳統的資料平台升級為AI驅動的智能體平台，搶佔了AI應用落地的關鍵賽道。三、資本助力：千億估值融資與延遲IPODatabricks的崛起離不開資本的強力助推。2024年12月，公司完成100億美元J輪融資，估值620億美元；僅8個月後，新一輪K輪融資將其估值推高至1000億美元，增長61%。資本狂熱背後，是投資者對AI基礎設施稀缺資產的爭奪——Databricks服務的15000+客戶中，包括60%以上的《財富》500強企業，年化收入達37億美元且增速50%，財務表現遠超競爭對手。投資方包括 a16z、Thrive Capital、阿布扎比 MGX、貝萊德等頂級機構，融資被“瘋狂超額認購”。資本看好其“AI 時代資料基礎設施”定位，預期未來 IPO 將複製 Figma 上市後的飆升行情。值得注意的是，CEO明確表示，新融資將用於推遲IPO，以規避公開市場的短期壓力，專注於長期技術投入和生態擴張。這種“延遲上市”策略為公司提供了更大的戰略靈活性，也反映了資本對確定性增長的追逐。四、生態擴張：巨頭合作與人才爭奪為鞏固行業地位，Databricks積極建構合作夥伴生態，與微軟、Google Cloud、Anthropic、SAP、Palantir等巨頭深化合作，滲透更多行業場景。同時，公司正大規模擴張團隊，目前約9000名員工，年內計畫新增3000人，以應對激烈的AI人才競爭。Databricks的崛起是技術前瞻性、戰略聚焦與資本槓桿共同作用的結果：它以資料基礎設施切入AI價值鏈上游，通過Lakehouse架構和AI智能體佈局鎖定未來增長，再借資本之力加速擴張並延遲IPO以保持戰略定力。這一系列組合拳，使其成功躋身全球AI獨角獸前列。Databricks 用 12 年把實驗室裡的 Spark “火花”先煉成湖倉一體的“鋼筋水泥”，再在 AI 風口上加固成資料智能的“摩天大樓”，最終借助資本狂潮，完成從學術項目到千億美元獨角獸的跨越。 (壹號講獅)

8 月 21 日凌晨 ，矽谷某 AI 獨角獸的機房裡，工程師馬克盯著螢幕上 “NVIDIA H100 供貨延遲至 11 月” 的通知，狠狠揉了揉通紅的眼睛 —— 他們的大模型訓練已停滯 3 天，每天損失超 200 萬美元。同一時刻，上海張江科學城 DeepSeek 研發中心的燈光亮如白晝，首席架構師張啟明博士攥著剛列印出的測試報告，指節因用力而發白：“UE8M0 FP8 技術成了！在摩爾執行緒 MTTS80 晶片上，訓練效率比 H100 高 32%，成本還不到一半！”當天上午 9 點 30 分，A 股開盤即現 “國產算力狂歡”：寒武紀直線封板（漲幅 20%），海光資訊漲 15.6%，#中芯國際 成交量較昨日翻倍，科創板 AI 晶片類股單日市值激增 472 億元。財聯社從接近工信部的人士處獲悉，這份 “#DeepSeek-V3.1 + 國產晶片” 的適配方案，已被納入 “新一代#人工智慧 產業創新重點任務清單”。這場突然爆發的技術突圍，究竟藏著多少不為人知的攻堅故事？又將如何改寫全球算力格局？一、48 小時的精度生死戰：當國產晶片遇上 “卡脖子” 的 FP8 難題“第 7 次迭代失敗時，整個團隊都沉默了。” 回憶起今年 3 月的攻堅瓶頸，DeepSeek 演算法工程師林曉雯的聲音仍帶著一絲顫抖。當時團隊要解決的核心難題是：國產晶片的浮點運算精度始終跟不上國際水平 —— 用 FP16 精度訓練，視訊記憶體佔用太高；用 FP8 精度，模型精準率又會暴跌 15%，根本無法商用。那天晚上，張江研發中心的會議室成了 “戰場”：白板上寫滿了浮點編碼公式，桌上堆著沒開封的外賣，張啟明博士把鋪蓋卷搬到了辦公室。“我們發現問題不在晶片本身，而在參數縮放邏輯。” 林曉雯指著電腦裡的程式碼解釋，“輝達的 FP8 是固定範圍，而國產晶片的運算單元更適合動態調整 —— 就像給不同身高的人定製衣服，而不是用統一尺碼硬套。”團隊連夜改寫了 1200 多行核心程式碼，提出 “UE8M0 FP8 Scale 動態適配方案”：通過即時監測晶片運算負載，自動調整浮點數的指數範圍，在肺部 CT 影像分割測試中，精準率從 82% 飆升至 98.2%，僅比 H100 的 98.5% 低 0.3%。更驚人的是，當他們把方案部署到芯原股份 VIP9000 NPU 上時，推理速度達到了 1.8ms / 幀，比上一代國產方案快 2.7 倍，“相當於過去處理 1 小時的醫療資料，現在 13 分鐘就能完成”。這份成果很快得到權威認可：工信部電子標準研究院 8 月 20 日發佈的《#國產 AI 晶片適配白皮書》中，明確將 UE8M0 FP8 技術列為 “推薦適配方案”；中信建投證券在緊急研報中直言：“這是國產算力從‘能用’到‘好用’的關鍵一躍，預計將帶動國產 AI 晶片商用率提升 40%。”二、梅雨季的機房奇蹟：600 塊國產晶片干翻 1000 塊 H100？“杭州的梅雨季太折磨人了，機房濕度高達 78%，我手裡的測溫儀都凝了水珠。”DeepSeek 硬體適配工程師李哲的工位在杭州某測試基地，7 月的那次關鍵測試，讓他至今記憶猶新。當時團隊要驗證一個瘋狂的想法：用搭載寒武紀思元 590 的國產伺服器，能不能完成原本需要 1000 塊 H100 才能搞定的千億參數訓練？測試啟動的前 3 天，資料並不樂觀：模型訓練到 30% 時，因晶片間資料傳輸延遲，進度突然卡住。“我們蹲在機房裡排查了 21 個小時，最後發現是國產晶片的互聯協議和傳統 MoE 架構不相容。” 李哲笑著說，他們臨時修改了路由演算法 —— 把原本的 “靜態專家分配” 改成 “動態負載平衡”，讓 256 個計算節點像 “快遞分揀站” 一樣，即時把任務分給空閒的晶片。7 月 18 日凌晨 2 點 17 分，螢幕上的進度條終於走到了 100%：600 塊思元 590 晶片，不僅完成了千億參數訓練，訓練時長還比 H100 方案縮短了 18 小時，電費成本節省 62 萬元。“我當時激動得打翻了桌上的冰咖啡，咖啡灑在鍵盤上，我都沒顧上擦。” 李哲展示著當時的監控截圖，上面清晰記錄著：模型困惑度（PPL）低至 2.87，與 H100 方案的 2.85 幾乎持平。這種 “演算法補硬體” 的思路，正在被更多企業複製。字節跳動雲服務負責人在接受第一財經採訪時透露，他們已用 DeepSeek 的 MoE 架構，在華為昇騰 910B 晶片上部署了短影片推薦模型，“單條推薦鏈路的成本從 1.2 元降至 0.38 元，使用者停留時長還提升了 9%”。中科院計算所研究員王海濤更直言：“DeepSeek 證明了，國產算力不用跟在別人後面比製程，用架構創新就能‘換道超車’。”三、從深圳工廠到特斯拉座艙：國產算力的 “生態閉環” 有多香？“過去我們的電池極片質檢，靠 12 個工人盯著顯微鏡，每天累得腰都直不起來，漏檢率還高達 1.2%。” 深圳某新能源汽車電池廠負責人王建國，站在自動化車間裡，指著眼前的 AI 質檢裝置感慨。現在，這裡的核心裝置換成了搭載 DeepSeek-V3.1 模型的國產伺服器，伺服器裡裝的是寒武紀思元 370 晶片 —— 一塊極片從檢測到判定，只需 2 秒，漏檢率驟降至 0.05%。王建國給記者算了一筆帳：這套國產方案投入 280 萬元，比進口方案便宜 430 萬元，每年還能節省人工成本 192 萬元，“不到 18 個月就能回本”。更讓他安心的是，“以前進口晶片出了問題，海外工程師要等 2 周才來修；現在 DeepSeek 和寒武紀的工程師，24 小時內就能到現場，春節期間都能遠端支援”。這種 “模型 + 晶片 + 服務” 的閉環，正在向更多領域滲透。8 月 22 日，特斯拉中國官方宣佈，新款 Model Y L 的智能座艙將同時接入 DeepSeek-V3.1 和豆包大模型，“搭載的是華為昇騰 610 晶片，語音喚醒響應速度比之前快 0.8 秒，方言識別精準率提升至 95%”。這是國產 AI 技術首次進入國際高端汽車供應鏈，特斯拉工程師在溝通會上坦言：“國產方案的適配效率超出預期，成本還比原方案低 27%。”IDC 最新預測資料顯示，2025 年全球新一代 AI 晶片市場規模將達 1520 億美元，其中中國廠商的份額將從 2023 年的 12% 躍升至 35%，“DeepSeek 帶動的‘軟硬協同’生態，是增長的核心驅動力”。而在政策端，“十四五” 數字經濟發展規劃明確提出，2025 年國產高端 AI 晶片自給率需達到 50%，目前相關部門已在張江、臨港等地佈局 6 個國產 AI 算力叢集，總投資超 800 億元。四、十年磨一劍：從 “被拒之門外” 到 “打開未來之門”“十年前我去矽谷考察，想參觀某晶片巨頭的生產線，對方說‘中國人不能進’。” 站在上海臨港晶片產業園的觀景台上，行業分析師陳銘博士手裡攥著一塊國產 28nm AI 晶片，眼眶有些濕潤。遠處，3 棟晶圓廠房已完成封頂，1 號廠房裡的國產 DUV 光刻機正在偵錯，“預計 2025 年 Q1 試生產，投產後每月能產 2 萬片 28nm AI 晶片，夠裝 5000 台國產伺服器”。陳銘見證了國產 AI 算力的 “爬坡路”：2015 年，國產晶片的算力還不到國際主流水平的 1/10；2020 年，華為昇騰 910 問世，第一次追上國際二線水平；2024 年，DeepSeek 的適配方案讓國產晶片在能效比上逼近頂尖 ——“這不是一蹴而就的，是華為、寒武紀、DeepSeek 這些企業，在 EDA 軟體、指令集、演算法適配等環節，一個個‘啃硬骨頭’啃出來的。”就在上周，陳銘參加了一場行業閉門會，某國際晶片巨頭的中國區負責人私下問他：“你們的 FP8 技術能不能授權給我們？” 這在十年前是不可想像的。“現在輪到他們來求我們了。” 陳銘笑著說，“但我們更清楚，這只是開始 —— 下一步，我們要在 3nm 製程、RISC-V 指令集上突破，真正掌握算力的‘根技術’。”當國產算力的燈照亮更多角落深夜的張江研發中心，張啟明博士還在和團隊討論下一代模型的適配方案，窗外的上海夜景裡，臨港產業園的燈光與這裡遙相呼應。那燈光裡，有工程師 48 小時不闔眼的堅守，有工廠裡效率提升的歡呼，也有中國 AI 從 “跟跑” 到 “並跑” 的底氣。算力戰爭沒有終點，但這一次，中國終於拿到了改寫規則的 “入場券”。當 DeepSeek 的模型在國產晶片上流暢運行，當特斯拉的座艙裡響起中文語音，當深圳工廠的工人不用再盯著顯微鏡 —— 我們看到的，不僅是一項技術的突破，更是一個國家科技自立的決心。 (碳基智能-Mind Mirror)

繼SpaceX、OpenAI、字節跳動和xAI之後，又一家千億美元估值AI獨角獸即將誕生！其創始人團隊中還有一個華人身影——來自潮汕的80後華人技術大牛辛湜。01 AI資料分析平台Databricks將成為全球第5家估值超千億美元獨角獸當地時間周二，全球領先的資料、分析和人工智慧公司Databricks發佈公告稱，公司正在進行一輪超過10億美元的K輪融資，各方已經簽署了投資條款清單，預計將在現有投資者的支援下很快完成。這輪融資對Databricks的估值已經超過了1000億美元（約合人民幣7179.1億元），估值與8個月前的620億美元（約合人民幣4451.0億元）相比，上漲了超61%。Databricks官宣新融資（圖源：Databricks官網）據報導，Databricks這一輪最新融資的投資方包括a16z、Thrive Capital等，並且獲得了“瘋狂的超額認購”。公司預計新增資金將用於加速人工智慧戰略，並推動全球增長。值得注意的是，Databricks目前是全球估值排名第八的獨角獸企業，隨著這輪最新融資完成後，將使其估值突破1000億美元，成為僅次於航空航天科技公司SpaceX（估值超3000億美元）、人工智慧領軍企業OpenAI（估值超3000億美元），移動網際網路巨頭字節跳動估值超3000億美元）以及馬斯克的人工智慧公司xAI（估值超1100億美元）之後的，估值排名全球五的AI獨角獸企業。02 去年剛完成100億美元創紀錄融資輝達也是投資者Databricks成立於2013年，主要提供統一的資料與AI平台服務，幫助企業更高效地管理和分析大規模資料，用於資料工程、資料科學、機器學習與AI應用，也能為電商、金融、醫療等領域的企業提供資料服務。來源：公司官網Databricks是獨特的“湖倉一體”資料庫架構開創者，這一資料庫架構打通資料儲存、查詢、分析的整套流程，近年來還引入可視化工具和生成式AI功能。用股民能理解的話來講，諸如MySQL這樣的普通資料庫只能儲存結構化的規整資料，但Databricks是“資料庫+量化投研+AI實驗室”的組合平台——既能直接儲存原始股票資訊、社交媒體輿情、公司公告，也能使用這些資料生成報表、寫投研分析，還能在平台上訓練AI模型，用來生成選股策略。據瞭解，自成立12年來，Databricks已先後完成了14輪融資。去年11月，Databricks完成了一輪100億美元的融資，當時公司估值達到620億美元，成為當年最大的 VC 輪融資，同時也是有史以來最大的 VC 輪融資之一。今年1月，Databricks又完成了52.5億美元的債務融資。2014年11月，Databricks官宣完成100億美元的融資值得一提的是，輝達也是Databricks的投資方之一，曾領投Databricks的I輪融資，規模為5億美元，但並未參與本輪最新融資。如今，Databricks已成為資料智能領域的代表性企業，也是AI時代重要的資料基礎設施提供商。截至目前，有超過60%的財富500強企業採用了Databricks的資料智能平台來管理資料，並將其與AI結合。03 創始人團隊有華人身影是位潮汕80後Databricks的創始團隊由7位加州大學伯克利分校的教授和資料科學家組成。該公司的創始人大部分為加州大學伯克利分校AMPLab成員，共同打造了開源分散式運算框架Apache Spark，還創下資料排序速度的世界紀錄。後來，他們決定將相關技術商業化運作，Databricks應運而生。Databricks七位創始人 圖源：福布斯值得注意的是，Databricks的創始人團隊中有一位華人身影，其聯合創始人兼首席架構師Reynold Xin（中文名：辛湜）祖籍潮汕，他也是潮創會北美分會成員。據瞭解，辛湜出生於1986年，小學時就開始接觸程式設計，高中就讀於深圳中學。高中時，辛湜和朋友合作編寫了FastBoard程序網站（Celeste的前身）和當時國內最大的PHP網站。Databricks聯合創始人兼首席架構師辛湜高中畢業後，辛湜前往加拿大多倫多大學就讀工程科學專業，之後在加州大學伯克利分校攻讀電腦博士學位。在攻讀博士之前，他還在 Google 做過分佈式系統開發，參與了 IBM 分佈式的 DB2 核心的開發。2016年，辛湜回到母校深圳中學演講2010年，在加州大學伯克利分校博士畢業後，這位技術大牛開始參與創業，直接參與了Databricks的創立。2013年，辛湜與加州大學伯克利分校的其他六位博士生共同創立了 Databricks。Databricks 最初打造的巨量資料工具Spark，可以幫助企業以極快的速度分析其內部巨量資料，辛湜和團隊將Spark打造成為了全球最大最熱門的巨量資料開放原始碼專案，也憑此獲得了在矽谷的立足之地。Databricks 在成立不到一年的時間，就迅速獲得了由 Andreessen Horowitz 領投的 A 輪融資 1400 萬美元。2020年末，Databricks推出智能資料倉儲產品Databricks SQL，並迅速成為Snowflake 的強勁競爭對手。04 年化收入達到37億美元現如今，Databricks已經成為矽谷當今最炙手可熱的投資標的之一，累計融資額近200億美元。收穫新一輪融資後，Databricks首席執行官Ali Ghodsi接受了CNBC的採訪，他稱在Figma完成IPO並股價飆升後，“手機被投資者轟炸了”，投資人每天都在聯絡他，詢問是否可以投資。Databricks的本輪融資，印證了市場對此類新型AI資料基礎設施公司的濃厚興趣，不過，Databricks仍需面對來自Snowflake、甲骨文等對手的競爭。今年6月時，Databricks的高管曾告訴投資者，公司的年化收入到7月時能達到37億美元，同比增速為50%。而主要競爭對手、巴菲特投資的Snowflake，預期在截至明年1月的財年裡實現45億美元收入，年增長率為25%。截至周二收盤，Snowflake的最新市值為642億美元。諮詢公司IDC的報告顯示，2025年，在全球資料平台軟體提供商中，Databricks在能力維度排名全球第一，與Google、甲骨文、Snowflake等共同處於領導者範疇，但在規模上略小於Google和Snowflake。 (天下潮商傳媒)

Claude製造商四年吸金超200億刀，估值一路飆升。又一千億美元估值AI獨角獸即將誕生！智東西8月22日消息，據The Information和彭博社最新報導，知情人士透露，Claude製造商、美國AI獨角獸企業Anthropic正在洽談高達100億美元的融資。此次融資金額接近其此前完成融資的總額114.04億美元，將成為該公司迄今規模最大的融資輪次。據彭博社7月報導，Anthropic正與投資者就以1700億美元估值計畫融資50億美元，這一估值較去年3月的投後估值615億美元翻了近3倍，而如今Anthropic的最終估值還將大幅提升。Anthropic由OpenAI前高層丹妮拉·阿莫代（Daniela Amodei）和達里奧·阿莫代（Dario Amodei）於2021年創立，2023年3月Anthropic發佈了聊天機器人Claude的首個版本，今年8月已經更新至Claude 4.1。據彭博社早前報導，知情人士透露，7月底，Anthropic的年化收入已攀升至50億美元，該公司預計到年底其年化營收有望達到90億美元。目前全球前四大科技獨角獸分別是SpaceX（估值3500億美元）、字節跳動（估值3150億美元）、OpenAI（估值3000億美元）、xAI（估值1130億美元）。本周AI資料分析獨角獸Databricks宣佈已簽署K輪融資的條款清單，預計融資後估值將超過1000億美元。如果能趕在Databricks前完成新一輪融資，Anthropic將成為全球第四家估值突破千億美元大關的AI獨角獸。01. 融資百億美元Anthropic估值一年翻三倍上個月，彭博社曾報導Anthropic正接近達成一筆融資高達50億美元的新交易，此次提高融資規模至100億美元，是因為市場超額認購。據彭博社此前報導，本輪單筆投資額不低於2億美元。知情人士稱，投資公司Iconiq Capital將領投本輪融資，並計畫在此交易中投入約10億美元資金。其他參與方包括TPG Inc.、光速創投、Spark Capital和Menlo Ventures，Anthropic還就卡達投資局（QIA）及新加坡主權基金GIC參與投資進行了磋商。一位知情人士稱，這家AI初創公司已於上周完成新融資的首輪交割，預計本輪融資將於月底前全面完成。若本輪融資完成，Anthropic估值將在1700億美元的基礎上再度大幅提升。02. 四年9次融資吸金超200億美元據公開報導，自2021年以來，Anthropic已完成8次融資，共融資114.04億美元，目前正在完成的是第9次融資，具體融資輪次及金額如下：2021年5月：A輪融資，金額1.24億美元，主要投資人為Dustin Moskovitz、Eric Schmidt、Jaan Tallinn。2022年4月：B輪融資，金額5.8億美元，主要投資人為FTX。2023年5月：C輪融資，金額4.5億美元，投後估值41億美元，Spark Capital領投，Google、Salesforce Ventures、Zoom等參投。2023年9月：亞馬遜宣佈戰略合作，初始投資12.5億美元，並計畫總計投資高達40億美元。2023年10月：Google投資5億美元，並承諾未來追加15億美元。2024年3月：E輪融資，金額35億美元，投後估值615億美元，由Lightspeed Venture Partners領投，Bessemer Venture Partners、Cisco Investments、Salesforce Ventures等參投。2024年11月：E輪融資，金額40億美元，主要投資人為亞馬遜。2025年1月：E輪融資，金額10億美元，主要投資人為Google。03. 結語：AI融資持續狂飆Anthropic來勢洶洶各大AI巨頭接連獲得巨額融資，熱度絲毫不減，凸顯了全球資本市場對AI領域，尤其是大語言模型賽道的持續看好。隨著融資的到位及估值的大幅攀升，Anthropic在技術研發、人才儲備和基礎設施建設等方面的投入或將進一步加大，這無疑會讓其在與OpenAI、xAI等頭部玩家的競爭中更具底氣。 （智東西）