硅谷AI新战局：资本押注“新实验室”寻求弯道超车OpenAI
该图片可能由AI生成
就在OpenAI、谷歌和Anthropic等AI巨头以千亿美元规模疯狂投入算力资源，试图在现有大语言模型赛道上持续领跑之际，硅谷的投资风向正在悄然转变。
一场关于AI未来发展的新一轮"豪赌"正在上演：风险投资机构纷纷将重金押注在以研究为核心、敢于挑战现有技术范式的新一代AI初创公司上。这些被称为"新实验室"的初创企业，正被寄予厚望，期待它们能够找到超越行业巨头的"弯道超车"之路。
值得注意的是，在过去短短一个多月内，投资者已经与五家此类初创公司达成或正在商谈总额高达25亿美元的投资协议。这场资本盛宴的背后，折射出投资界对现有AI巨头可能存在的"路径依赖"与"技术盲区"的深刻洞察，以及对通过"另辟蹊径"实现突破性创新的强烈期待。
行业巨头设定的赛道，真的没有其他出路吗？
这些"新实验室"的创始人大多具有OpenAI、xAI、谷歌DeepMind等顶尖AI公司的研发背景。他们认为，由于庞大的组织规模和既有的技术架构，行业巨头可能已经被某些特定的AI开发模式所束缚。
比如，现有模型过度追求首次回答的准确性，而忽视了与用户进行多轮深度对话的潜力；或者在模型训练上过度依赖聘请人类专家来传授软件工程、物理学等专业领域的知识。
AI搜索初创公司You.com首席执行官、前Salesforce首席科学家理查德·索契尔（Richard Socher）道出了其中的困境："当企业已经建立起完整的基础设施、研发流程、团队结构和招聘体系后，要实现根本性的变革确实困难重重。"
然而，正是这种行业现状，为"新实验室"提供了突破的机会。他们坚信，通过探索新的AI模型开发和研究方法，完全有可能在巨头们尚未充分重视的领域实现技术突破，开辟出新的发展路径。
押注“另类思考”：“新实验室”正在重构AI未来？
资本正在以前所未有的热情拥抱一批由顶尖AI研究人员创立的初创公司，甚至给出了通常仅属于成熟科技企业的高估值。这些“新实验室”不追逐现有技术路径的优化，而是试图从根本上重新定义AI的可能性。
图：“新实验室”已获得超过100亿美元资金支持，正试图挑战OpenAI等行业巨头
Isara：用“智能体大军”实现复杂任务协同
由前OpenAI安全研究员埃迪·张（Eddie Zhang）创立，致力于解决AI智能体的大规模协同问题。其目标不是打造单个强大的模型，而是构建可协调数千个智能体共同完成复杂任务的系统，用于预测企业季度收益、分析并购数据等。
这一愿景背后是巨大的技术挑战：如何让智能体在任务执行中避免冲突、高效协作？据悉，Isara正寻求以10亿美元估值融资数亿美元，以支持其在分布式智能体领域的长期研究。
Humans&：让AI拥有“长期情商”
由前xAI研究员埃里克·泽里克曼（Eric Zelikman）创立的Humans&，开发旨在比当今模型更具“情商”的AI，试图突破当前AI在情感与长期目标理解上的局限性。
图：前xAI研究员、Humans&联合创始人埃里克·泽里克曼
在技术路径上，Humans&颇具野心：将强化学习应用于持续数周甚至数年的长周期任务，而非常见的数学、代码类短任务。
Humans&已启动以40亿美元估值募集10亿美元的融资谈判，并吸引了英伟达、AMD等芯片巨头的投资兴趣，后者希望将Humans&发展为下一代AI芯片的重要用户。
索契尔实验室：打造“自我批判”的AI科学家
图：前Salesforce首席科学家、You.com CEO理查德·索契尔
You.com CEO理查德·索契尔正在筹建一个旨在“让AI研究AI”的实验室。该实验室不满足于当前模型被动执行任务的模式，而是希望开发出能够自主提出创新想法、设计实验并不断自我批判的AI系统。
索契尔为其设定了10亿美元的融资目标，试图在AI的“元认知”能力上实现突破。
Periodic Labs：用AI颠覆材料科学
图：前OpenAI研究负责人、Periodic Labs联创利亚姆·费杜斯
由前OpenAI研究负责人利亚姆·费杜斯（Liam Fedus）创立的Periodic Labs，选择了一条巨头较少涉足的道路：将AI用于基础科学研究。其首个攻坚方向是超导材料，即通过AI加速发现更低能耗、更高性能的新材料。
Reflection AI：以开源挑战“黑箱”垄断
图：Reflection.AI联合创始人米沙·拉斯金（左）与扬尼斯·安东诺格卢
由谷歌DeepMind前研究员米沙·拉斯金和扬尼斯·安东诺格卢共同创立，旗帜鲜明地选择了开源路线。其目标是构建与OpenAI、Anthropic闭源模型能力相当，但完全开放的先进模型，从根本上打破巨头对AI核心技术的“黑箱”控制。
豪赌背后：高风险与高回报，能否复制OpenAI式奇迹？
尽管面临高昂的研发成本、巨大的失败风险，以及来自OpenAI、Anthropic和谷歌等行业巨头的强势挤压，资本仍义无反顾地涌向这批“新实验室”。
这些巨头已在AI领域构筑起难以逾越的护城河：预计今年将创造数百亿美元营收，并计划到2028年投入约1340亿美元用于AI模型训练。然而，风险投资者依然选择押注这些初创团队，期待它们能复现OpenAI与Anthropic由顶尖学者引领的成功路径。
“你不必组建一个庞大的团队，”早期风投Day One Ventures创始人玛莎·布彻指出，“只要证明你能吸引到关键的研究人才，哪怕只有几位核心科学家，就足以打动投资者。”
一些研究人员也敏锐地捕捉到资本市场的焦虑情绪。他们向投资者传递出明确的信号：面对AI研发成本持续攀升与市场窗口逐渐收窄，必须把握当下融资黄金期，规避未来可能出现的资本寒冬。这种“时不我待”的紧迫感，让这些由明星研究员创立的初创公司获得了本应属于成熟企业的估值水平。
不过，历史教训依然历历在目。Adept、Inflection AI和Character.AI等上一代AI实验室的创始人，最终都选择加入亚马逊、微软和谷歌等科技巨头。这些大公司通过专利授权等方式补偿投资者，既规避了直接收购可能引发的监管审查，也以较低成本获得了关键技术。
但在这类交易中，投资者大多仅能收回本金或获得最高2.5倍的回报，远低于风险投资行业期望的收益水平。但布彻认为，这反而证明了支持技术型创始人的风险可控：“多数风险投资根本无法提供这样的底线保障。”
值得深思的是，当这些“新实验室”的创新方向被验证可行时，OpenAI、谷歌等巨头完全有能力调转船头，利用其庞大的资源后来居上。这些巨头既拥有快速跟进的技术能力，也掌握着定义行业标准的话语权。
这场硅谷AI新战局，究竟是“新实验室”们凭借差异化创新实现弯道超车，还是巨头们凭借强大的财力和人才储备最终“通吃”一切，让我们拭目以待。（文/腾讯科技特约编译金鹿，编辑/郑萌萌）
