估值百億，產品幾無，這便是當下最瘋狂的AI資本敘事。最近，前OpenAI CTO米拉·穆拉蒂創立的Thinking Machines Lab，正以高達500億美元的估值，籌劃新一輪40億至50億美元的融資。而它拿得出手的，僅是一個名為Tinker、介面尚待考證的API介面。相比傳統商業邏輯，這無異於一場豪賭：資本押注的，早已不是產品，而是人，是那串貼在創始人身上的“OpenAI開國元老”的黃金標籤。穆拉蒂的實驗室，正是席捲矽谷的neolab（新生代實驗室）風潮中最耀眼的一朵浪花。據國外知名VC menlo合夥人Deedy推文，AI領域新興的10家neolab中，9家在種子輪階段就斬獲10億美元估值。一批從OpenAI、DeepMind等巨頭出走的頂尖研究員，正以反叛者的姿態，用全新的範式重建AI研究的邏輯。他們不談營收，不論商業化，只談那些看似天方夜譚的方向：情感智能、AI社會、自動化科學家等。資本的反應則更為直接與狂熱：Humans&成立數月估值40億，SSI瞄準超智能安全估值320億，Periodic Labs一出手種子輪便是3億……這些在傳統視角下“啥也沒有”的實驗室，正以令人咋舌的估值，鯨吞著數十億美金。當最聰明的大腦決定另起爐灶，資本的選擇是不看PPT，只認履歷，用真金白銀為他們的直覺與純粹投票，賭他們能用履歷兌換一個不一樣的未來。/ 01 / 5家，拿下 25億美元當OpenAI和Anthropic的估值飆升至1830億美元量級，變得“貴得離譜”時，資本的洪流正悄然湧向一批更為神秘、精悍的新型實驗室neolab。根據The Information報導，僅五家neolab初創公司，就在過去一個月內完成或洽談了高達 25億美元 的融資。如果只看研究方向，neolab的主題幾乎毫無共識：有人在做多智能體數字社會，有人在研究情感智能，有人在做自動化科學家，有人探索身體化智能，有人在推進實驗物理材料，有人在逼近通用智能的邊界。它們共同點只有一個——創始人都是那批走出巨頭實驗室的最能打的人。這些neolab的創始人，幾乎全部從OpenAI、DeepMind、Anthropic等巨頭出走，個人財富早已達到千萬乃至億美元等級。然而，他們放棄了巨頭的穩定與高薪，選擇all in一種新的AI範式。正是這種財務自由帶來的純粹性，構成了neolab最核心的魅力。他們可以無視短期商業化壓力，專注於那些巨頭不屑或無力觸及的高風險、長周期探索。於是，我們看到了研究方向呈現出前所未有的多元化：前xAI研究員Eric Zelikman籌集10億美元打造情感型AI初創Humans&，他不追求更快的推理速度，而是讓AI理解情緒、進行價值權衡，並建立長期關係。OpenAI安全研究員Eddie Zhang創業打造“多智能體數字社會”Isara，試圖讓上千個AI智能體像真實公司一樣自主分工、協作與治理。前OpenAI首席科學家Ilya Sutskever創立SSI，將“開發可控的超智能”作為唯一使命，安全優先於一切，據傳估值已觸及320億美元。相比之下，巨頭們似乎被禁錮在大模型最佳化的單一路徑上，追求參數與算力的線性增長。而neolab則追求迭代智能，其使命不是把模型做得更大，而是去發現新的智能結構。這種純粹性也讓他們能夠保持極度小而精的團隊，將“技術複利”做到極致。當然，這也催生了“夢想驅動估值”的奇觀。這些實驗室普遍收入極低甚至為零，沒有成熟產品，卻憑藉創始人的光環效應和顛覆性願景，在早期就獲得令人瞠目的估值。最典型的案例莫過於前OpenAI CTO Mira Murati創立的Thinking Machines Lab。在僅推出一個初步的開發者工具Tinker、產品能力有待考證的情況下，其估值據傳已高達500億美元。相比巨頭，neolab的10億美元估值幾乎是白菜價，例如Murati作為OpenAI開國元老的標籤，其加成就已值百億。/ 02 / 情感智能、遊戲視訊模型……九成種子輪拿10億美元估值接下來依次介紹這些neolab。①OpenAI“開國元老”單干，做超智能保險Safe Superintelligence（SSI）由前OpenAI首席科學家Ilya Sutskever聯合Daniel Gross與Daniel Levy創立，將"開發可控的超智能"作為唯一使命，安全優先於短期商業化。團隊聚焦精銳科研與安全工程，而非消費級產品化。▲ Ilya Sutskever、Paul Christiano、aniel Kokotajlo（從左到右）披露融資規模接近/超過十億美元，並與雲基礎設施方戰略合作保障算力。技術上需解決三大核心：推進能力時確保安全邊界領先、將理論對齊工程化、在無產品壓力下維持透明治理。短期內SSI是"科研+安全驗證"的高強度實驗室。儘管目前無商用產品，但其獲得Google（TPU支援）與Nvidia投資，估值據報達320億美元等級，表明資本對“長周期、安全性極高”的AGI實驗室有信心。②前OpenAI CTO出走創業，聚焦“企業定製模型”相比Cursor的290億美金估值，Thinking Machines啥也沒有就快估值500億美元。原因在於其創始人Mira Murati給它的加成太大。這位前OpenAI CTO、臨時CEO技術背景聚焦工程研發+產品落地+AI前沿技術操盤，她於今年出走創立新公司。▲Mira Murati新公司主攻“可解釋的群體智能”與符號-機率混合架構，將大量輕量級模型組織成層級化“工作流工廠”，通過可驗證協議在金融風控、藥物發現等高風險場景，實現可審計的多智能體協同。實驗方向包括任務分解語言、跨智能體信任評分與動態合約（以弱監督獎勵流標註），安全邊界被設為首要原則。10月，Thinking Machines推出了Tinker。近期，Thinking Machines Lab在籌集40億至50億美元。此前它已籌集了20億美元資金，最近一次的估值為100億美元。③前xAI研究員籌集10億美元打造情感型AIEric Zelikman來自xAI，是行業內罕見專注“情緒、價值觀與長期關係建模”的研究者。他的方向不追求更快的推理速度或更長的上下文，而是讓AI更像人。其能處理數周乃至數月的任務，理解情緒、做價值權衡，並建立長期關係。▲Eric Zelikman由Zelikman創立的Humans&致力於打造“情感智能”AI，把傳統強化學習從分鐘級、小時級任務，延伸到用時數周甚至數月的現實任務，如長期決策、戰略規劃、陪伴式互動等。其目標是讓AI不再追求“一次答對”，而是追求“長期最優”，具備自我情緒建模與長期目標協調能力。儘管研究尚未商業化，也沒有成熟產品，Humans&仍在成立數月內與投資人洽談以40億美元估值融資10億美元。知情人士稱，Nvidia與AMD均有意投資，希望這類新實驗室成為下一代算力大戶。④前DeepMind 12年元老創業Reflection AI，逐夢超級智能Reflection AI的CEO Misha Laskin，DeepMind前研究科學家，主導了Gemini從初代到1.5的RLHF訓練體系和獎勵模型架構設計，負責模型與人類反饋的閉環最佳化。芝加哥大學理論物理博士+伯克利博士後，2017年創業做AI需求預測，25歲入選福布斯“30 Under 30”。CTO Ioannis Antonoglou是DeepMind 12年元老，AlphaGo、AlphaZero、MuZero核心架構設計者，直接參與策略搜尋與價值網路建構，推動強化學習在複雜棋類和決策任務中實現突破。兩位創始人聯手，帶領60人團隊大部分來自DeepMind、OpenAI，專注於高性能模型訓練、強化學習演算法最佳化與大模型架構設計。他們的目標是，將強化學習、獎勵建模和大規模生成模型緊密結合，首先打造自主編碼智能體，使其能夠在複雜程式設計任務中自我最佳化、規劃與執行，再逐步擴展到通用推理與跨領域問題解決。投資人直接投入1.3億美元，A輪估值5.55億美元，紅杉、輝達、LinkedIn聯合創始人Reid Hoffman等均在股東名單上。⑤You.com CEO雙線作戰，10億美元建AI實驗室前Salesforce首席科學家、You.com創始人、史丹佛NLP博士Richard Socher，正在籌建一家以他本人命名的新型研究所，目標直指“自動化AI研究”。同名研究所Richard Socher在籌備階段就計畫募資近10億美元。▲Richard SocherSocher的設想是把科研流程徹底機器化：建構一套能夠自動完成模型設計、實驗執行與迭代最佳化的閉環系統，讓AI能自主生成新想法、自我反思、自動驗證，從而顯著壓縮從概念提出到可復現結果之間的周期。這種理念瞄準的是“研究生產力的系統級解放”。短期內，Socher團隊的能力對藥物研發、材料科學、半導體等高實驗密度行業尤其具有吸引力。這一方向不是堆算力，而是重構科學家的工作方式。團隊強調三條核心路徑：1）自動化實驗設計與超參搜尋，減少人工反覆偵錯；2）強化實驗可復現性，並建構完善的閉環驗證體系；3）將“自動化研究”的產出標準化為可工程化模組，使其能真正應用在企業級場景中。⑥OpenAI和DeepMind大佬離職聯手，押注“AI做科學”Periodic Labs由前OpenAI後訓練研究副總裁Liam Fedus與前DeepMind資深研究員Ekin Dogus Cubuk創立，目標是打造“AI科學家”：不僅生成論文和預測，而是真正開啟“從模擬→設計→實驗→驗證”的全鏈路自動化科研流程。▲Ekin Dogus Cubuk（左）和William（Liam）Fedus（右）Periodic Labs首要研究方向聚焦於低能耗超導材料、新材料與催化劑等高壁壘、實驗密集型領域。其願景是讓AI不只是理論工具，而是能在實驗室裡自主提出假設、設計合成路線、執行物理實驗，並完成結果反饋，實現“真AI科學家”的閉環。據公開融資文件，Periodic Labs已完成首輪種子融資，金額約為3億美元，由風投機構Andreessen Horowitz (a16z)與Felicis Ventures領投。⑦史丹佛三教授做“身體化擴散智能”，專注長期決策Inception Labs是一家由三位史丹佛背景的頂尖學者聯合創立的新型AI公司：擴散模型和FlashAttention關鍵推動者Stefano Ermon、UCLA助理教授Aditya Grover、康奈爾大學助理教授Volodymyr Kuleshov。三人長期深耕生成模型、強化學習與科學計算，並擁有將前沿技術成功推向產業的履歷，為公司帶來罕見的“學術深度+商業落地”雙重優勢。公司聚焦“身體化智能”與“長期學習系統”，試圖突破傳統模型僅停留在文字或靜態資料中的侷限，讓AI置身真實世界，通過持續的物理互動積累經驗，形成可長期更新的策略與習慣。他們試圖打造“任務生命周期管理器”，讓智能體在數周甚至數月中依環境變化不斷迭代策略。在商業端，Inception Labs採用軟硬體一體路線，通過機器人與感測系統切入製造業和物流業這些需要長期適應、高頻執行的場景。團隊已推出Mercury系列擴散語言模型，其中Mercury Coder在程式設計任務上實現了數倍效率提升，為身體化智能提供高效推理引擎。⑧遊戲視訊專家專注於“時空推理”模型General Intuition由Pim de Witte聯合James Swingos、Ken Colton等核心成員創立。創始團隊彙集科研、技術基建及視訊處理領域專家，Pim此前執掌視訊平台Medal九年，帶領團隊積累海量遊戲視訊資料，其他成員深耕世界建模與策略學習前沿，兼具技術研發與產業落地經驗。General Intuition起源於視訊平台Medal，利用其每年數十億條遊戲視訊作為訓練集，專注於“時空推理”與環境感知基礎模型，讓智能體理解物理世界中的運動因果。2025年10月，公司獲得1.34億美元種子/早期融資，是2025年AI領域規模最大的早期融資之一。資金將用於擴展團隊、基礎設施及加速機器人/無人機原型驗證。其核心主張是，遊戲視訊提供了豐富的稀有成功/失敗鏡頭，適合訓練理解物體運動、碰撞與長期因果關係的模型。商業路徑從遊戲AI代理延伸至現實世界的感知控制，如搜救無人機、倉儲機器人。⑨金融圈名人下場做“數學超級智能”，可用於金融分析Harmonic的故事從一個金融圈明星開始：其聯合創始人Vlad Tenev，就是知名券商Robinhood的聯合創始人與前CEO。這一次，他從金融與演算法交易領域進入AI，引發了資本與媒體的廣泛關注。Harmonic是一家以“人類數學直覺”為起點的AI公司。它並不追求建立更大的模型、堆滿算力，而是重新設計數學推理系統：讓AI像人一樣抽象、驗證、反思，把複雜數學任務拆解成結構化步驟。公司已於2025年完成C輪融資，估值達約14.5億美元。Harmonic的技術路線是建構“數學層”的系統化推理引擎，與傳統大模型平行，而不是取代。他們面向的是科研、量化、工程與高複雜度任務，強調輸出必須可驗證、可審計、邏輯嚴謹。與當前主流AIagent趨勢相比，Harmonic的定位是提供底層高可靠性的“數學思維元件”。⑩OpenAI安全研究員創業“多智能體數字社會”前OpenAI安全研究員Eddie Zhang曾專注於多智能體系統的安全與協作機制研究。他認為未來智能不是一個超級大腦，而是一整個“AI社會”。於是他從最前沿的安全／協作研究中走出來，轉身搭建一個全新的“智能體社會平台”。其創業的公司Isara嘗試讓上千甚至上萬智能體自主分工、協作、達成治理共識，像一個有部門、有責任、有激勵機制的公司。它的AI智能體可以在不確定環境中自動分工、協作、分配“責任／信用”、共同完成諸如財報預測、企業盡調、法律檔案分析等複雜任務。從行業趨勢來看，Isara的產品與當前流行的“單體AI agent自動化”形成對比。它不只是為了替人做事，而是為了模擬“組織結構+社會機制+群體智能”。Neo Lab成為了這個時代的訊號。AI未來的發電機，正從資源密集但可能陷入路徑依賴的巨頭實驗室，重新回到那些手握新範式藍圖、極致專注的頂尖研究者手中。而資本所能做的，就是搶在最早期，給他們足夠的彈藥，去打開那些連巨頭都未曾設想的大門。 (矽基觀察Pro)

Mira Murati 的新公司終於發聲了！Thinking Machines Lab 今天正式推出了他們的研究部落格 Connectionism，第一篇文章就直接瞄準了 LLM 推理中讓人頭疼的「非確定性」問題。這家由前 OpenAI CTO（及前臨時 CEO） Mira Murati 創立的公司，在今年 7 月剛完成了約 20 億美元的種子輪融資，估值達到 120 億美元。投資方包括 Andreessen Horowitz（領投）、Nvidia、AMD、Cisco 等科技巨頭。值得注意的是：在拿到如此巨額融資之前，公司還沒發佈任何產品。LLM「不確定性」的真相這第一篇博文《擊敗大語言模型推理中的非確定性》直擊要害。如果你是演算法相關從業者，你應該有發現：同樣的輸入，LLM 有時會給出不同的輸出。即使設定了相同的隨機種子，結果還是會變化。很多人以為是 GPU 並行執行和浮點數運算的鍋。但 Thinking Machines 的研究發現：真正的罪魁禍首是批次不變性缺失。什麼意思？當你向 LLM 傳送請求時，伺服器會根據當前負載情況，把你的請求和其他請求打包成不同大小的批次處理。問題就出在這裡——相同的輸入在不同批次大小下會產生不同的結果。這就像你去餐廳點菜，你點的菜味道竟然會因為廚房同時在做幾道菜而改變。聽起來很荒謬？但這就是現在 LLM 推理系統的現狀。浮點數的「蝴蝶效應」根本原因在於浮點數的非結合性：(a+b)+c ≠ a+(b+c)。不同的加法順序會產生微小差異，這種差異在深度神經網路中層層放大。具體到 LLM 推理中，矩陣乘法、RMSNorm、注意力機制等核心操作，在不同批次大小下會採用不同的約簡策略。你的請求結果竟然依賴於伺服器同時在處理多少其他請求——這太魔幻了。讓核心「批次不變」Thinking Machines 提出的解決方案很直接：實現批次不變的核心。RMSNorm：採用資料平行策略，避免分割約簡。矩陣乘法：使用固定核心配置，避免 Split-K 策略。注意力機制：採用固定分割大小策略，確保約簡順序一致。實驗結果可謂是令人驚訝：在 1000 次採樣中，原本會產生 80 個不同的完成結果。但在啟用批次不變核心後，所有結果完全一致。當然，這種確定性是有代價的。未最佳化版本性能下降約 2 倍，但經過改進後性能損失已經可以接受。Connectionism：不只是一個名字有意思的是，部落格名「Connectionism」是 1980 年代研究神經網路與生物大腦相似性的 AI 子領域名稱。Mira Murati（@miramurati）表示：Thinking Machines 使命的重要部分是提高人們對 AI 的科學理解，並與更廣泛的研究社區合作。今天推出 Connectionism 來分享我們的一些科學見解。聯合創始人 Lilian Weng（@lilianweng）補充了一個有趣的歷史細節：除了 Connectionism 與 AI 領域早期的聯絡，以及強調神經網路與人類大腦的相似性這個有趣的事實外，第一代 Thinking Machines 的旗艦產品就叫 Connection Machine。豪華團隊陣容除了 Mira Murati，核心團隊還包括 OpenAI 聯合創始人 John Schulman、前研究 VP Barret Zoph、前 AI 安全與機器人 VP Lilian Weng 等人。而 Andrew Tulloch 甚至拒絕了 Zuckerberg 15 億美元回 Meta 的邀請，選擇繼續與 Murati 一起創業。團隊約 30 人，其中三分之二來自 OpenAI。技術崗位年薪高達 45-50 萬美元。Bob McGrew 和 Alec Radford 等 OpenAI 核心研究者擔任顧問。Thomas Ip（@_thomasip）精闢總結道：LLM 推理非確定性不只是浮點數非結合性或 GPU 並行執行，核心罪魁禍首是批次方差，伺服器負載不可預測地改變了數值計算。批次不變核心解鎖了真正的可重複性，終於讓強化學習『線上策略』變得可行。這項工作的意義不僅在於解決了一個技術難題，更重要的是為 LLM 的可重複性和可靠性提供了科學方法。尤其是對強化學習等對一致性要求極高的應用場景，該文具有重要價值。科學確實在分享中變得更好。 (AGI Hunt)

前OpenAI CTO創業，2/3團隊來自OpenAI，北大學霸也加盟。智東西7月16日消息，今日，前OpenAI首席技術官Mira Murati創辦的AI公司Thinking Machines Lab（簡稱TML）宣佈完成20億美元種子輪融資，由a16z領投，NVIDIA、Accel、ServiceNow、CISCO、AMD、Jane Street等參投。這是史上最大規模的種子輪融資，而TML成立於2025年2月，至今僅5個月。成立之初，OpenAI聯合創始人John Schulman等二十餘位頂級AI研究員便加入了TML，使其迅速成為行業焦點。01. 企業定製AI + 消費級產品雙線佈局雲服務巨頭爭相競逐TML的核心業務圍繞“企業定製型AI”和“通用消費級產品”兩條路徑展開，Murati對投資人尤為強調前者。多位與Murati接觸過的投資人透露，TML主攻方向之一是企業AI定製。該團隊正基於強化學習（Reinforcement Learning）建構模型，讓AI圍繞客戶的核心KPI（如營收、利潤等）進行最佳化，直接服務於業務增長目標。這種“以業務指標為導向”的強化學習思路，被稱為“RL for business”，尤其適用於客服、投行、零售等垂直行業，具備較強的商業轉化和客戶價值提升潛力。在基礎模型選擇上，TML計畫以開源體係為起點。雖然開源模型在能力上略遜於閉源系統如GPT-4，但Murati認為性能差距正在縮小，如近期DeepSeek的突破。儘管尚無明確證據表明TML使用了DeepSeek，但其開源+定製的策略已基本成形。除了企業服務，TML也在孵化通用型消費級AI產品，目前尚未公佈具體形態。但據知情人士透露，TML曾內部討論開發一款與ChatGPT競爭的對話型助手。若該方向落地，TML將直接切入OpenAI的核心賽道。在模型建構路徑上，TML採用“模型層融合”（model merging）方式，將多個已有模型的關鍵處理層拼接為新模型，跳過從零開始訓練，顯著提升研發效率。據悉，其模型訓練在Google雲租用的輝達GPU伺服器上進行，也正因此成為Google潛在投資對象。Google此前已通過“雲資源換股權”的方式支援了Anthropic、Safe Superintelligence、Character.ai等初創AI公司。與此同時，亞馬遜CEO Andy Jassy也於4月與Murati在舊金山會面，表達希望TML能成為AWS雲生態一部分的意願。02. 北大學霸當聯創OpenAI元老級班底齊聚TMLTML的另一大看點在於人才結構。Murati不僅吸引了資本青睞，也聚攏了OpenAI乃至AI領域的核心人才。以下為目前已知的部分核心成員名單：（1）Mira Murati：TML創始人兼CEO，前OpenAI首席技術官（CTO），GPT-4、ChatGPT和DALL·E核心負責人。曾任特斯拉Model X及Autopilot系統項目負責人，後在Leap Motion主導增強現實方向的人機互動產品。▲Mira Murati（左）和Sam Altman（右）。（2）John Schulman：OpenAI聯合創始人，前強化學習團隊負責人，現擔任TML的聯合創始人兼首席技術官（CTO）。Meta創始人兼CEO祖克柏曾試圖挖走Schulman，但未能成功。▲UC Berkeley EECS講座中，John Schulman在講台上演講。（3）Barret Zoph：前OpenAI研究副總裁，深度學習最佳化領域專家。（4）Luke Metz：前OpenAI研究員，Transformer架構與元學習方向活躍開發者。（5）翁荔：北大校友，前OpenAI安全團隊副總裁，現為TML聯合創始人，為目前公開團隊中已知的華人核心成員。此外，TML還邀請了兩位OpenAI早期技術元老擔任顧問：（6）Alec Radford：GPT-1主要作者之一，Transformer架構推動者；（7）Bob McGrew：前OpenAI研究主管，曾長期負責公司研究路線的統籌管理。據內部消息，TML目前規模約30人，三分之二來自OpenAI，整體班底與DeepMind早期高度相似，已被多家科技巨頭視為潛在併購對象。有消息稱，蘋果和Meta已與Murati進行接觸，探討投資或收購的可能性，但尚未進入實質階段。在外界看來，TML的成長經歷正重演十餘年前DeepMind的故事。當時，DeepMind在倫敦集結了大批機器學習博士，吸引Google與Facebook爭相競購。最終Google以超5億美元的價格將DeepMind收入麾下，由此建構起今日AI版圖的核心。而DeepMind現任CEO Demis Hassabis，正是GoogleAI體系的掌舵者。03. 結語：面對競品TML如何“攪局”？2025年AI投融資依舊火熱，僅上半年，美國市場就出現至少25筆超億美元融資，重點集中在大模型、AI程式設計、醫療和法律等熱門賽道。TML所選擇的“企業AI定製+消費級AI產品”雙線模式，與當前市場熱點基本對齊。不過，定製化AI並非新鮮事物，Scale AI、Turing等初創公司也在押注“AI+諮詢”，為企業量身定製模型，但普遍面臨規模化難題。不同於單一的定製服務，TML或許能通過通用型AI產品，在定製化和規模化之間找到突破口。目前，TML尚未對外發佈正式產品，但其融資速度、團隊構成與戰略佈局，已使其成為最受矚目的AI創業公司之一。未來其產品落地路徑與技術轉化能力，將成為評判其是否能“挑戰OpenAI”的關鍵。 (智東西)

OpenAI奪權還在反轉，聯創和副總裁都被挖走了，大模型復聯成形？ 智東西2月19日消息，今天凌晨，前OpenAI CTO米拉·穆拉蒂（Mira Murati）正式發文官宣了自己的新公司Thinking Machines Lab（思考機器實驗室）。 此次Thinking Machines Lab團隊29人中有4位華人：翁荔（Lilian Weng）、劉瀛海（Yinghai Lu）、Stephen Chen和Randall Lin，其中翁荔為新公司聯合創始人。 ▲翁荔領英首頁

今天，前 OpenAI 首席技術官 Mira Murati 在 X 宣佈，與一群傑出科學家和工程師共同創立新公司Thinking Machines Lab，專注AI 研究和應用。 去年11月離職OpenAI的前安全研究副總裁Lilian Weng，此次興奮地公開了自己Thinking Machines的聯合創始人身份。 而去年8月加入Anthropic負責AI對齊研究，今年2月又閃電離職的OpenAI聯創John Schulman，去向也終於揭曉：他將成為Thinking Machines首席科學家。CTO則由前OpenAI後訓練研究副總裁、ChatGPT共同作者Barret Zoph擔任。 此外據官方介紹，公司初創團隊匯聚了 ChatGPT、Character.ai、Mistral 、PyTorch 、Fairseq和Segment Anything等最廣泛使用的AI產品和開放原始碼專案背後的科學家、工程師和建構者。