“Meta開源之戰慘敗後，矽谷選擇另起爐灶。”

2025年8月，加州聖克拉拉輝達總部，一家僅成立一年的AI初創公司創始人Misha Laskin 叩開了黃仁勳辦公室的大門。

沒人想到，這次會面中黃仁勳提的一個建議，讓這家名不見經傳的公司被推到了“中美開源戰爭”的最前線。

這次會面結束不久，這家公司快速拿下了輝達、紅杉、DST等頂級資本押注，估值從5.45億美元飆升至80億美元，近期又斬獲新一輪融資，估值飆升到250億美元（折合人民幣約1700億元）。短短13個月，估值翻了46倍。

“黃仁勳的那次會面，更像是一次仙人指路。真正把它推上桌的，是矽谷在開源模型這一仗上的接連敗退。”一位AI投資人告訴雷峰網。

矽谷原本以為開源模型只是Meta的遊戲，但從DeepSeek R1到DeepSeek V4、Kimi、Qwen等開源模型的出現，直接把美國在開源上的先發優勢打穿了。

而原本被美國寄予厚望的Meta Llama，並沒有成為預期中的開源霸主。在Llama 4表現不及預期後，美國開源模型陣地出現空缺，矽谷和華盛頓急需找到一個新的旗手。

而Reflection AI，就是那個被選中的“美國版DeepSeek”。

這家成立於2024年3月的年輕公司，由Google黃金班底前DeepMind研究員Misha Laskin和Ioannis Antonoglou一手創辦，兩人分別參與了Gemini模型的訓練和AlphaGo的核心開發。投資陣容裡，輝達、紅杉、DST、Eric Schmidt等赫然在列。

牌面雖然無可挑剔，但問題是成立至今它仍然沒有模型產品。一家什麼都還沒交付的公司，憑什麼估值250億美元?

它的目標和DeepSeek是不是一回事？對中國開源模型而言這究竟是一次追趕，還是一場規則不同的競賽？

黃仁勳和一眾投資人為何敢將籌碼押在一家籍籍無名的公司身上？

“如果這份term sheet（投資條款清單）擺在我面前，我首先判斷這不是一個模型公司的估值，本質上還是在賭未來的AI基礎設施入口。這46倍漲的不是它做出了什麼，是它被認定成什麼。”

AI產品負責人朱頤均告訴雷峰網，像黃仁勳這類投資人不太會去賭Reflection能做一個比GPT或者Claude更強的模型，他們賭的是如果AI基礎設施這一層未來發生洗牌，Reflection有沒有機會成為亞馬遜那樣的平台級公司，那就不是250億美元能覆蓋的了。

2024年初，還在DeepMind效力的Laskin和Antonoglou先後離職合夥創業，他們共同的判斷是，大語言模型有廣度卻缺乏自主可靠性，真正的缺口是把通用性和強化學習結合起來，做出能端到端把活幹完的AI Agent。

2025年7月，公司的第一個產品Asimov落地，一個面向企業工程團隊的程式碼理解Agent。

同期，紅杉和CRV領投2500萬美元種子輪，CRV與Lightspeed聯合領投1.05億美元A輪，估值達5.45億美元，輝達風投部門、Reid Hoffman和Alexandr Wang一併入場。

這條路本來走得好好的，直到跟黃仁勳的那次會面。

對於這次轉向，Antonoglou後來給過一個解釋，要在前沿做強化學習，就需要一個極強的基座模型來做後訓練。但當時西方生態裡缺的正是這樣一個開放基座，尤其在Llama 4表現不佳之後，他們認為自己是唯一有條件填上這個缺口的團隊。

“勸人開源可不是做慈善，開放模型免費，但是跑模型的卡不免費啊。”

長期關注AI半導體的分析師孫灝認為，黃仁勳這麼做是出於什麼想法其實不難猜，中國的開源模型正在逐漸成為全球默認選項，而輝達現在需要一批能夠跑在自己的晶片上,同時又能夠避險這股勢頭的開源模型。

跟黃仁勳會面的兩個月後，輝達領投20億美元，將Reflection AI估值抬到80億美金，其中8億美元是輝達出資，紅杉、CRV、DST、花旗、新加坡主權基金GIC等紛紛跟投。

這裡面有一個名字值得單拎出來，1789 Capital，這家基金由川普的長子小唐納德·川普等人參與創立，背後連接著美國保守派資本圈。

而最後進場的華盛頓，帶來的不是錢而是一筆訂單。今年5月，Reflection AI成為能源部Genesis Mission的開放模型底座。

輝達給方向和晶片，矽谷給估值，華盛頓給需求。到這裡，Reflection AI的三層支撐全部就位。

“他們在用融資的速度，避險訓練的速度。”對於Reflection AI近期的一系列動作，分析師孫灝下了一個判斷。

在2025年10月拿到20億美元的融資時，Laskin表示第一個模型爭取在2026年初發佈，而最新的說法是會在今年晚些時候發佈。

可時間不等人，儘管模型產品尚未落地，Reflection AI已進入了大模型公司的燒錢模式。

今年6月下旬，Reflection AI與SpaceX旗下算力業務簽署合作。協議自7月1日起生效，每月支付1.5億美元，若執行至2029年，總額約63億美元。

不到一個月，公司又與雲端運算初創Nebius簽下超過10億美元的算力合作協議，同樣執行至2029年，用於獲取輝達GB300晶片。

兩筆相加，Reflection AI光是年化算力支出就超過了18億美元。

“這個數字是什麼概念呢?都是在SpaceX的Colossus租算力，Anthropic每月付12.5億美元，Google是9.2億美元，也就是說Reflection大約是Anthropic的八分之一。”

分析師孫灝認為，這個規模的算力支出雖然聽上去不是很離譜，但是前兩者都是有產品業務和真金白銀的ARR做支撐，Reflection這每年至少18億美元的成本卻沒有任何收入做避險，每一分都只能靠融資來填，那就很懸。

按照PitchBook的口徑，Reflection目前累計融到21.6億美元。也就是說，現有資金根本撐不完這兩份合約，這家公司必須持續融資才能繼續履約。

“現在最大的陷阱就是資本按照頂級估值去投，但技術只能達到第二梯隊的水平。一旦模型沒能形成領先優勢，巨額算力合同就會變成固定成本，資料中心也會變成負擔，融資能力自然也會跟著下降。”AI產品負責人朱頤均表示。

“大模型創業最可怕的死亡方式，並不是技術落後，而是它的成本結構對標了一家AI基礎設施公司，收入水平和盈利預期卻只能達到一家普通SaaS公司。”

好在這兩份算力合同並非一簽到底，在與SpaceX簽署的63億美元協議中，雙方保留了一項退出機制。合同生效滿三個月後，任何一方都可以提前90天通知對方終止合作。

那麼訓練一個開源模型到底該花多少錢？做開源模型的企業又該如何活下去?

DeepSeek提供了一種路逕答案。根據DeepSeek團隊發表的《DeepSeek-V3 Technical Report》，V3 的全部訓練共計278.8萬 H800 GPU小時，按論文假設的每小時2美元租賃價計算，約合557.6萬美元，其中預訓練部分用時不到兩個月。

當然，這只包含正式訓練，不含前期研究以及在架構、演算法、資料上的消融實驗開銷。

但一位AI科技領域投資人表示，如果單拿DeepSeek-V3的訓練成本來對比 Reflection AI，是絕對不嚴謹的，雙方光是使用的晶片就隔了兩代。

“DeepSeek所披露的內容，更多是展示了一種極致效率路線，而不是一個行業通用的模型訓練價格標籤。”

那做開放原始碼的模型公司要怎麼掙錢？DeepSeek這邊也有現成的例子。

截至8月初，DeepSeek V4-Flash的API價格是輸入每百萬token 0.14美元，輸出每百萬token 0.28元，若命中上下文快取，輸入價格還能降至每百萬token 0.0028美元。相比OpenAI、Anthropic等廠商，DeepSeek已經將API呼叫打到了地板價。

低價策略很快實打實的撬動了市場規模，據OpenRouter統計，在7月28日到8月3日這一周，DeepSeek V4-Flash的單周處理量已經達到了7.1兆token。

但低價只是初期打法，隨著呼叫規模和市場影響力的擴大，DeepSeek開始獲得重新定價的空間。早在6月29日，DeepSeek通知開發者將啟用峰谷定價，高峰時段價格翻倍；8月6日，DeepSeek再次發佈公告稱計畫近期整體上調API定價，“預計漲幅較大”。

換句話說，前期憑借跑馬圈地換取的漲價牌已經亮出來了，只是還沒打。

這位投資人認為，低成本訓練、低價擴張，再通過規模效應形成商業回報，這套邏輯與DeepSeek之前所公開的技術報告中展現的低成本路線是大概一致的。

“開源權重並不意味著簡單地把利潤讓渡出去，低成本能力反而讓DeepSeek能夠承受開源帶來的競爭壓力。只要把成本壓到足夠低，低到一定程度開源就不再是讓利了，反而是護城河。”

雖然都在做開源模型，但兩家當下處境完全不同。DeepSeek是一邊掙錢一邊研發，Reflection AI每多等一個月最低多燒1.5億美元，而且這錢還要指望下一輪融資到帳。

它和DeepSeek，做的是同一門生意嗎？

一家公司的野心可以寫在新聞稿裡，但它真正想成為什麼往往藏在招聘頁裡。

截至2026年8月6日，Reflection AI官網招聘頁共掛出62個在招職位。與通常意義上的前沿AI實驗室不同的是，明確標註為“Research”的崗位只有兩個；地點分佈上，華盛頓特區有7個職位，韓國有3個。

更值得注意的是一個名為“Head of Capture”的職位，雖然該職位目前已不在招，但今年有人在LinkedIn上公開宣佈出任這一職務。

“Capture是美國政府採購圈的行話，指在正式招標之前就提前介入，把一單政府生意從線索一路運作到中標的全過程管理。”

對於這個職位，分析師孫灝進一步解釋，一家前沿AI實驗室不一定需要這樣的角色，但做政府供應商的公司少不了，說明Reflection AI是在往企業和政府市場方向靠攏。

同時，招聘頁面中還掛著六個Deployment Engineer(部署工程師)崗位，要做的就是進駐客戶現場，把系統裝進對方的環境裡。

而這個崗位和最近AI圈火起來的FDE還不太一樣，它要解決的是系統怎麼在客戶機器上跑起來的問題，FDE解決的則是怎麼把AI改造成適合客戶的工具。前者偏交付，後者偏產品共創。

一頭在招標前把單子談下來，一頭在中標後把東西裝進去，組織重心在那兒一目瞭然。

但私有化部署從來不是誰的專利，DeepSeek、Qwen等開源模型在海外也有大量企業下載權重。同樣是做模型私有化部署，Reflection AI打算怎麼做出不同?

首先是客戶資格，今年5月成為能源部Genesis Mission的開放模型底座後，它拿到了一張採購門票，政府和大型機構在挑供應商時，模型跑分未必是第一順位。它鋪在華盛頓的那七個崗位，也志在此處。

其實是業務佈局，今年3月，Reflection AI與韓國新世界集團簽了備忘錄，雙方計畫年內成立合資公司，在韓國建一座250兆瓦的資料中心。其中新世界集團拿地施工、出資，Reflection AI負責裝置的設計與營運，項目總投資預計不低於10兆韓元，約合68億美元。

兩塊線索拼在一起，方向已經很清楚，Reflection AI的收入會來自採購資格和資料中心這類基礎設施。

在朱頤均看來，Reflection現在的路線本質上是用開放權重擴大生態，用封閉能力保住護城河。它要賣的從來不只是模型，而是AI基礎設施的預期。就像Linux核心免費，但Redhat靠企業服務賺錢。

這也是Reflection與DeepSeek目前最大的不同之一，DeepSeek押注開源和生態，Reflection AI更偏向把模型嵌進企業和政府採購體系。

“不過，Reflection AI還有個挑戰就是，如果中國的開源模型繼續降本，它權重的價值就有可能下降。”

對模型公司而言，開源之戰不僅是一筆生意，更是一場圍繞開發者和生態的長期競爭。

目前在海外市場，中國開源模型的生態積累已經形成了一定規模。Hugging Face官方今年3月的報告顯示，Qwen系列的直接衍生模型已經超過11.3萬個，僅憑一個系列就超過了Google和Meta的總和。

但是當競爭從開發者社區轉移到企業採購，中國開源模型的這套生態優勢有多少能遷移過去?

朱頤均認為，能轉化一部分但不可能全部轉化。

“能帶過去的，首先是開發者生態。大量微調模型、Agent、開源外掛和案例會降低企業的採用成本，生態一旦形成就有很強的網路效應。其次是工程化最佳化能力，中國團隊在推理最佳化、成本控制和小模型部署上優勢很大，而企業非常看重ROI。”

在朱頤均看來，中國開源模型最大的優勢是快速擴散的能力，而美國公司的優勢是資本充足、雲服務，以及多年積累的B端銷售脈絡和企業關係網路。

“但最終的贏家，會是能率先把模型、算力、生態和企業服務整合成一套完整商業系統的那個。”(雷峰網)

DeepMind 兩位核心研究員離職，創辦了一家名為 Reflection AI 的新公司。 這家公司剛浮出水面，就宣佈融資1.3 億美元，估值更是達到5.55 億美元。

兩位創辦人來頭不小： Misha Laskin 曾是DeepMind 強化學習和大型語言模型方向的領導者，Ioannis Antonoglou 則是DeepMind 創始工程師，參與打造了AlphaGo。 Reflection AI團隊陣容非常強大，下圖團隊曾經的作品

他們的目標很明確： 研發具備完全自主性的程式設計AI 智能體，最終實現「超級智慧」。 區別於目前市面上的AI 程式設計助手，Reflection AI 強調「自主性」。 他們希望AI 不僅是輔助工具，而是能像Waymo 的自動駕駛一樣，獨立完成複雜任務

具體來說，Reflection AI 初期專注於 自動化繁瑣的工程任務，例如資料庫遷移和程式碼重構。 他們已在金融和科技等行業拓展客戶，這些行業普遍擁有大型開發團隊，對自動化需求迫切。

創辦人Laskin 認為，結合強化學習和大型語言模型的最新進展，現在是打造實用「超級智慧」的最佳時機。 投資人Lightspeed 合夥人Raviraj Jain 也表示，這並非要取代工程師，而是 讓工程師從重複勞動中解放出來，轉向更高階的架構設計工作，透過管理大量自主智能體提升效率。

Sequoia 合夥人Stephanie Zhan 則更看好「自主智能」 的長遠潛力， 認為這類系統最終將 自動化許多目前由人類完成的任務， 帶來顛覆性變革

除了Lightspeed 和Sequoia 領投， CRV 也參與多輪投資，其他投資者包括Reid Hoffman (LinkedIn 聯合創始人), Alexandr Wang (Scale AI CEO), SV Angel 以及輝達的NVentures。 投資陣容強大，反映了資本市場對「自主程式設計」 和「超級智慧」 概念的認可。

這感覺像是這兩天火爆全網的Manus支援的概念？只是目前還不清楚Reflection AI技術路徑 （AI寒武紀）

打造出AlphaGo的超級天才、Google DeepMind十二年老將Ioannis Antonoglou下場創業了，初創Reflection已融資1.3億，種子輪由紅杉資本等領投。他和Gemini的核心貢獻者攜手，目標是用強化學習造出真·超級AI。

正如Ilya所說，AI的下一步，就是「超級智能」。

近日，由DeepMind近12年老將、做出AlphaGo/AlphaZero/MuZero等項目的超級天才Ioannis Antonoglou，和Gemini強化學習的核心負責人Misha Laskin，聯合成立的初創Reflection AI終於浮出了水面。

Reflection AI的目標十分明確－建構超級智慧自主系統！

目前，這家新創已經融資了1.3億，投資方有紅杉資本、 Lightspeed和CRV。

如此野心的背後，是堪稱豪華的團隊陣容。

在過去的十年間，團隊成員在RL和LLM領域均取得了重大突破，並為DeepMind、OpenAI等前沿AI實驗室主導建構了當時最為強大的AI系統——

那麼，究竟該如何建構超級智慧？

這就牽涉到了這樣一個問題：究竟如何讓LLM在電腦上展現出與AlphaGo在圍棋上同等程度到自主能力？

對此，Reflection的策略是，透過RL提高LLM的自主能力。

他們相信，解決自主編碼是一個根節點問題——如果能建立一個超級智慧的自主編碼系統，所有其他基於電腦的工作領域都將自然解決。

DeepMind頂尖研究員出走創業，估值5.55億美金

此前，這家名為Reflection AI的新創公司一直很低調。

就在剛剛，它宣佈了全新融資：由紅杉資本和CRV領投的2500萬美元種子輪融資，以及由Lightspeed Venture Partners和CRV領投的1.05億美元A輪融資。

而其他投資者，包括LinkedIn聯合創辦人Reid Hoffman、Scale AI執行長Alexandr Wang、SV Angel和輝達的創投部門。

現在，Reflection AI的最新估值已經達到5.55億美元。

如今，已經有越來越多的科技公司押注於所謂的AI智能體，最近爆火的Manus，就反映了人們對這種幫使用者執行任務的AI的渴望。

但Reflection有著更宏大使命：建構具有完全自主性的工具，而不僅僅是一種協作工具或助手。

在他們看來，這種方法將更快實現「超級人工智慧」——也就是比大多數人更聰明、更廣泛的AI。

許多大公司，如OpenAI、Anthropic和DeepMind，都有類似的目標。

現在，Relection已經在擁有大型編碼團隊的領域（如金融服務和科技產業）有付費客戶了。這家公司專注於自動化繁瑣和機械的工程工作，例如遷移軟體資料庫或重構程式碼。

Lightspeed合夥人Raviraj Jain將在Reflection的董事會中任職，他表示，公司要做的事並不是取代工程師。而是讓工程師不再做繁重的工作，而是成為像建築師一樣的角色，來監督大量的自主AI智能體。

如今，AI程式領域已經湧入了一大批資金充足的新創公司，而Cursor製造商Anysphere、Replit和Poolside，都在這個領域頗為出名。

在Laskin看來，一般的AI助手就像定速巡航，而Reflection則致力於成為更像Waymo那樣的存在。

而紅杉資本合夥人Stephanie Zhan，也十分看好Relection。

在他看來，Reflection有潛力與從事類似工作的大型AI實驗室競爭並勝出，因為世界在短短幾年內就會變得非常不同，AI完全能自動化今天我們做的許多工。

在官方部落格中，Relection聯創Ioannis回顧了十年前，自己作為創始工程師加入了DeepMind的經歷。

那時，他創造了AlphaGo，第一個在圍棋遊戲中超越人類世界冠軍的系統。

2016年的那一刻，是AI的轉捩點，也對Reflection團隊的許多成員產生了深遠影響——他們第一次真正領悟到，超級智能的真實形態是什麼樣子。

多年來，他們一直孜孜以求地打造超級智慧。

Reflection將其視為一個能在電腦上完成大部分認知工作的自主系統。

它不僅能幫助自動化現有的工作，還能發現我們未曾考慮過的更好的解決方案，就像AlphaGo在圍棋中發現了新策略，擴展了人類知識，讓著名的第37手棋成為了傳奇。

Reflection相信，解決自主編碼問題將更廣泛地實現超級智慧。

建立完全自主編碼系統所需的突破——如高階推理和迭代自我改進——會自然延伸到更廣泛的電腦工作類別。

一旦複雜軟體可以被自動規劃、編寫和完善，類似的能力就會無縫轉移到其他電腦驅動的任務上，加速向AGI的進展。

多年來，如何建構這樣一個系統並不明確。

然而，在過去十年中，Reflection團隊在RL和LLM方面開創了重大進步，他們相信，這些都是超級智慧的基本建構模組。

從2013年到2020年，團隊以RL建立了專用超級智慧系統，如Deep Q Networks、AlphaGo、AlphaZero和MuZero。

從2020年到2024年，他們以LLM的形式開發了通用智慧系統，如PaLM、CharacterAI、ChatGPT和Gemini，領導了這些AI的預訓練和後訓練。

正是突破，指導了他們實現通用人工智慧的策略：透過強化學習擴展大語言模型的自主能力。

作為一家公司，Reflection共同的核心信念是，最重要的評估是實際應用評估。

開創性的AI不是在真空中發展的；它需要研發與產品的協同設計。自主能力必須在真實場景中展現實際價值。

透過與使用者回饋一起迭代，他們確保這些系統不僅可靠地滿足實際需求，還有助於塑造負責任設計的AI的未來。

目前，他們的重點是一個自主編碼系統：一個實用的產品，同時也代表著邁向我們超級智慧目標的重要一步。

他們有一個簡單的兩步驟計畫：

建構一個超級智慧的自主編碼系統

使用此藍圖擴展到所有其他基於電腦的工作類別

如今，Reflection已經組建了一個世界級的團隊。

Misha Laskin於2022年加入DeepMind擔任研究科學家，負責Google關鍵LLM計畫Gemini的RLHF和獎勵模型團隊。

他見證了第一代Gemini和Gemini 1.5的誕生。

他的研究興趣是「強化學習如何為LLM和多模態模型解鎖新能力」，並致力於開發通用AI智能體。

此前，他在耶魯大學獲得學士學位，在芝加哥大學獲得理論物理學博士學位，並在加州大學柏克萊分校BAIR實驗室進行AI領域的博士後研究，主攻深度強化學習和無監督學習。

2017年，他曾共同創辦了一家專注於為零售商預測產品需求的AI公司，並從BCC、Y Combinator和Salesforce Ventures獲得175萬美元風險投資。

而他也藉此被《富比士》評為「30 Under 30」零售和電子商務領域的傑出人物。

Ioannis Antonoglou：共同創辦人兼CTO

近12年的老將Ioannis Antonoglou，不僅是DeepMind的創始工程師，也是Gemini的第四位核心開發者。

此前，他在亞里斯多德大學獲得電機和電腦工程學士和碩士學位，並在愛丁堡大學AI和機器學習碩士學位。

值得一提的是，他在DeepMind期間也獲得了倫敦大學學院AI博士學位。

Ilya曾在NeurIPS 2024上表示，超級智慧（superintelligence）是公認的發展方向，也是研究者們正在建構的東西。

從本質上來說，超級智能與現在的AI完全不同。

目前，我們擁有出色的LLM和聊天機器人，但它們也表現出某些奇怪的不可靠性——時常會感到困惑，但卻能在評估中表現出遠超人類的能力。

雖然我們還不知道如何調和這一點，但最終遲早會實現以下目標：AI將真正具備實際意義上的智能體特性，並將正學會推理。

由於推理會引入了更多的複雜性，因此一個會推理的系統，推理量越多，就會變得越不可預測。

相較之下，我們熟知的深度學習都是可以預測的。

舉個例子，那些優秀的西洋棋AI，對於最頂尖的人類棋手來說就是不可預測的。

所以，我們將來不得不面對的，是一些極其不可預測的AI系統——它們能夠從有限的資料中理解事物，同時也不會感到困惑。

同樣，自我意識也是有用的，它構成了我們自身的一部分，同時也是我們世界模型中的一部分。

當所有這些特性與自我意識結合在一起時，就會帶來與現有系統完全不同性質和特性的系統，它們將擁有令人難以置信的驚人能力。

雖然無法確定如何實現、何時實現，但這終將發生。

https://www.reflection.ai/superintelligence/

https://www.bloomberg.com/news/articles/2025-03-07/ex-deepmind-researchers-new-startup-aims-for-superintelligence  （新智元）

彙整鉅亨號中所有使用「Reflection AI」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

黃仁勳押注的「美版DeepSeek」，為何一個模型都沒有就估值千億？

Google再失血！ DeepMind兩位頂尖科學家離職要搞超級智能

狂攬1.3億美金！ AlphaGo大神組隊Gemini大牛，用RL打造超級智能，輝達搶投