新智元報道

編輯：KingHZ

【新智元導讀】昔日AlphaGo和Gemini幕后英雄聯(lián)手創(chuàng)業(yè)！Reflection AI獲20億美元融資，英偉達投錢，目標打造「十萬億token級」模型，讓AI不再被少數人掌控。

在AI資本競速的戰(zhàn)場上，美國投資者正用真金白銀押注未來！

據PitchBook統(tǒng)計，全球AI基礎模型公司去年融資349億美元；今年，已融資翻番至719億美元。

剛剛，DeepMind前研究員創(chuàng)立、成立一年多的AI初創(chuàng)Reflection AI，竟斬獲高達20億美元融資。估值瞬間飆升至80億美元！

從谷歌前CEO施密特到英偉達，再到紅杉、花旗，頂級玩家爭相入局，一場圍繞開源AI主權的科技冷戰(zhàn)，正在燃起資本最狂熱的火焰。

開源VS閉源、算力VS人才、美國VS中國，Reflection AI宣稱要打造「美版DeepSeek」，在AI新時代奪回技術話語權。

關于未來智能控制權的終極對決，正在悄然拉開帷幕。

AI決戰(zhàn)之時

Misha Laskin（下圖左）曾主導DeepMind「Gemini」項目中的獎勵建模工作；Ioannis Antonoglou（下圖右）則參與了2016年打敗圍棋世界冠軍的AI系統(tǒng)AlphaGo的開發(fā)。

創(chuàng)始人的經歷成為公司核心賣點——他們相信，在巨頭體系之外，頂級AI人才完全可以打造前沿模型。

Reflection AI主打「Open Intelligence」理念：模型、論文、數據全開放，讓高校、初創(chuàng)、企業(yè)免費微調、部署、審計，以避免前沿AI被少數巨頭壟斷。

據CEO Laskin介紹，目前團隊約有60人，主要由基礎設施、數據訓練和算法開發(fā)方向的AI研究員與工程師組成。

公司已部署大規(guī)模算力集群，并計劃在明年發(fā)布一款訓練規(guī)模達「十萬億token級」的前沿語言模型。

這筆融資也透露出一個信號：投資者不再只押注于OpenAI和谷歌等閉源專有模型，連開源路線也開始成為資本追逐的熱點。

盡管一些人擔心開源AI模型可能帶來風險甚至濫用，但支持者認為這條路徑不可或缺。

紅杉的Stephanie Zhan認為現(xiàn)在就是AI行業(yè)的「決戰(zhàn)時刻」，而Reflection AI已接受挑戰(zhàn)。

熔爐時刻

真正的轉折點往往悄然而至——今日的選擇將定義未來數十年的軌跡。這些關鍵時刻塑造企業(yè)命運，同樣鑄就我們的事業(yè)與人生。

唯有敏銳識別潛藏的戰(zhàn)略拐點，并敢于打破常規(guī)果斷行動，才能在變革中持續(xù)領跑。

美版DeepSeek

下一步堅持開放智能

Reflection AI的聯(lián)合創(chuàng)始人兼CEO Misha Laskin表示，美國急需擁有像DeepSeek那樣的本土對標者——

一個能與頂級閉源模型競爭的開源AI平臺，否則可能在全球技術競爭中失去優(yōu)勢。

Laskin直言，當前西方開源模型普遍落后于DeepSeek及其他中國對手，這可能導致更多用戶轉向中國產品。

他指出，西方雖有Meta、法國的Mistral AI，甚至OpenAI等玩家也在參與開源，但整體競爭力仍顯不足。

在接受采訪時，Misha Laskin說道：「美國目前正缺少一個像DeepSeek那樣的存在，這也是我們這樣的實驗室為什么必須存在」。

他將當前局勢比作冷戰(zhàn)時期的太空競賽。

但無論是開源模型還是閉源模型，要想真正打造出領先的AI系統(tǒng)，都需要海量的算力、頂級的科研人才——說到底，就是錢。

這也正是為何在今年3月剛完成1.3億美元融資僅七個月后，Reflection AI又火速完成了一輪高達20億美元的新融資。

Laskin坦言，Reflection AI未來還將需要更多資金，畢竟競爭對手也在加速融資。

他指出，僅OpenAI一家就在上月獲得了英偉達最多可達1000億美元的投資承諾。

不過，他認為開源模型的市場需求正在持續(xù)擴大，尤其是來自希望掌控自身AI技術的大型企業(yè)與政府，這將最終撐起一條可持續(xù)的商業(yè)路徑。

為什么堅持開放？

科技與科學的進步，源于開放與協(xié)作的價值觀。

無論是互聯(lián)網、Linux，還是現(xiàn)代計算的協(xié)議標準，都是開放的。

絕非偶然。正是因為開源，才有人能二次開發(fā)、深度定制，把它們嵌入全球各類系統(tǒng)。大學會教，初創(chuàng)會用，大企業(yè)會部署——開放，就是影響力。

開放科學的意義也在于：基于已有成果，別人可以學習、提問、改進、再突破。

如今的AI之所以取得如此進展，也正是因為許多關鍵技術是公開共享的，如自注意力機制、下一個token預測、強化學習等。

如今，AI正在成為所有產業(yè)的底層技術基礎。它驅動科研、提升教育、優(yōu)化能源、加速醫(yī)療診斷、重塑供應鏈……未來一切系統(tǒng)，幾乎都將運行在AI之上。

但問題是，前沿AI技術如今正被少數閉門實驗室掌控。

如果這種格局持續(xù)下去，資本、算力、人才將被少數人壟斷。留給其他人的機會之窗正在迅速關閉。

我們必須在這個窗口消失之前，建立足夠強大、足以成為開發(fā)者和用戶首選的開放模型。唯有如此，才能確保智能的基礎是開放且可獲取的，而不是由少數人掌控。

過去一年的成績

過去一年，Reflection AI為這個目標做好了充分準備。

Reflection AI的團隊成員曾參與推動多個重大AI項目：PaLM、Gemini、AlphaGo、AlphaCode、AlphaProof，以及ChatGPT、Character AI等。

Reflection AI搭建了一個曾被認為只有頂級實驗室才能實現(xiàn)的大規(guī)模訓練平臺，可支持大語言模型和強化學習的融合，具備訓練超大規(guī)模專家混合模型（Mixture-of-Experts）的能力。

首先，他們把這套方法用在「自動編程」這一關鍵領域，取得重大突破。

接下來，他們將把這套體系用于更通用的智能體推理（agentic reasoning）任務。

他們不僅完成了規(guī)模龐大的融資，還建立了一套可持續(xù)的商業(yè)模式，既保證開放理念，又能繼續(xù)發(fā)布前沿模型。

現(xiàn)在，我們正全力擴展，打造結合大規(guī)模預訓練與先進強化學習的下一代開放模型。

競逐超級智能

開啟終極智能比賽

2016年，現(xiàn)年37歲的谷歌DeepMind研究員Ioannis Antonoglou參與開發(fā)了AlphaGo。

八年后，他與另一位DeepMind前研究員、35歲的Misha Laskin攜手創(chuàng)辦了 Reflection AI，目標是打造一個能夠編寫與維護代碼的超級智能系統(tǒng)。

當前，大多數AI編程公司仍專注于為開發(fā)者提供輔助工具，而Reflection的野心是：徹底取代程序員。

Reflection創(chuàng)始團隊堅信，「自主編程」是通向通用超級智能（AGI）的「根節(jié)點問題」（root-node problem）。

聯(lián)合創(chuàng)始人Ioannis Antonoglou說

我們認為，自主編程就是AGI完備的（AGI-complete）。

如果你能證明你擁有超級智能的軟件工程師，那你已經擁有了AGI。接下來只是將同一套算法推廣應用到其他垂類的問題上。

他認為，在「編程」這個問題里，你已經找到了獲得超級智能的完整路徑——所有構成智能所需的要素，都已經在這個任務中被激活。

代碼就是LLM的天然UI

智能的形式有很多種，不只是用于編寫代碼的那一種。但代碼恰恰是推進機器智能最「可觸達」的表層之一。

Misha Laskin預測道：「我們認為，智能的演化速度將快于軟件本身?！顾M一步解釋：

而選擇從軟件工程入手，是因為這個領域已經為機器智能做好了準備——整個軟件體系天生就更「機器友好」。

對人類來說，操控三維物體是天性；而對語言模型來說，編程語言就像人類的空間感知能力一樣本能天然。

對LLM而言，代碼就是最符合「人體工學」的操作界面。

這一趨勢的影響將逐步顯現(xiàn)。在這一過程中，軟件公司將會開始構建「AI友好型界面」，加速甚至瞬間完成人類與軟件產品的交互。

Misha設想了一種未來：「GUI的某些部分可能會被取代，背后實際是語言模型在用代碼完成任務?！?/strong>

原本需要用戶點十下的操作，未來可能只需模型生成一行代碼，任務即可完成。

Reflection團隊對「超級智能」的定義非常實用：能通過操作計算機來創(chuàng)造價值的系統(tǒng)。

Misha 表示：「我們認為，未來語言模型在軟件世界中完成工作的方式，就是通過代碼智能體（coding agent）。所以一旦你解決了這個問題，你就實現(xiàn)了計算機上的超級智能，適用于任何擁有AI友好接口的軟件系統(tǒng)。」

Reflection的創(chuàng)始人相信，自主智能體最有效的訓練方式，是在為其量身定制的環(huán)境中練習技能——就像當年的DeepMind Atari游戲環(huán)境，或OpenAI Gym所做的一樣。

在「編程」領域，這些環(huán)境和工具已經比較容易想象；但對于其他更復雜的認知場景，可能還需要更大膽的想象力與技術突破。

Misha認為，當前的AI，就像蒸汽機時代早期——在熱力學理論尚未誕生之前，發(fā)明家們已能造出真正的機器。

從理論角度深刻理解模型為何有效，當然非常有價值。

在物理學中，每當人類從理論上徹底理解一個現(xiàn)象，都會引發(fā)新一輪實證創(chuàng)新浪潮——因為你知道該往哪里尋找。 但你無需等到理論完全成型，才能構建出可靠的系統(tǒng)。

受物理學大師費曼（Richard Feynman）的啟發(fā)，Misha最初走上物理之路。

在一次關于能量守恒的演講中，費曼說過：

在如今的物理學中，我們并不知道「能量」究竟是什么。意識到這一點非常重要。

這句話，如今同樣適用于AI——以及我們對「智能」的理解。

DeepMind創(chuàng)始人Demis Hassabis曾在諾貝爾獎采訪中如此總結對超級智能的追尋：

AI科學的核心，就是探索和理解什么是智能。 而理解某件事最深刻的方式，就是親手把它造出來。

現(xiàn)在，我們還有機會，真正建立一個前沿的開放智能體系。但窗口正在收窄，可能這就是最后一次機會。

參考資料：

https://x.com/reflection_ai/status/1976304405369520242

https://www.sequoiacap.com/article/reflection-ai-spotlight/

https://x.com/stephzhan/status/1976326493291807117