“新实验室”爆发：前OpenAI团队Applied Compute估值飙至13亿

type

status

date

slug

summary

“新实验室”浪潮：资本追捧的下一个风口

投资者对专注于前沿研究的初创公司表现出了前所未有的热情。这些被称为“新实验室”的公司，通常由拥有顶级技术背景的研究员创立，旨在填补OpenAI、Anthropic等大型实验室在特定领域或商业化路径上的空白。

Applied Compute并非个例。就在不久前，由前xAI、Anthropic及谷歌研究员创立的初创公司Humans&宣布获得4.8亿美元种子轮融资，估值高达44.8亿美元。这种“天价估值”现象，反映了资本市场对 AGI（通用人工智能）早期赛道中顶尖人才的高溢价认可。Applied Compute若成功完成本轮融资，其估值将较不到三个月前的5亿美元增长逾一倍，这充分证明了市场对“OpenAI校友系”创业项目的极度看好。

Applied Compute的核心竞争力：企业级定制模型

与致力于构建通用 LLM（大型语言模型）的巨头不同，Applied Compute的市场定位非常精准：帮助企业使用自有数据开发和训练定制化的人工智能模型。

根据披露的信息，Applied Compute由前OpenAI研究员Rhythm Garg、Yash Patil和Linden Li于去年五月创立。这三位创始人在加入OpenAI之前均曾在斯坦福大学深造，并在OpenAI参与了代码工具Codex和推理模型等关键产品的研发。

他们的技术核心在于利用 强化学习（Reinforcement Learning）技术来优化模型表现。通过设定特定的目标奖励和行为惩罚，他们能够让模型在金融、法律等对准确性要求极高的特定领域中表现出色。目前，Applied Compute已与DoorDash外卖服务、编程初创公司Cognition及数据标注企业Mercor等客户展开合作，开发能够代表企业员工执行复杂任务的智能Agent。

持续学习：打破静态模型的局限

除了定制化服务，Applied Compute还在研发一项极具潜力的技术——“持续学习”（Continuous Learning）。这一概念旨在使智能Agent能够从实际操作经验中不断进化，而不是仅仅依赖于预训练的数据集。

这一技术方向得到了包括OpenAI联合创始人伊利亚·苏茨克沃在内的众多知名 人工智能 研究者的推崇。在 AI变现 和实际落地过程中，模型能否适应动态变化的业务环境是关键。Applied Compute致力于解决这一痛点，使其产品不仅仅是一个静态的问答工具，更是一个能随着企业业务发展而成长的智能伙伴。

激烈的市场竞争与人才流动

尽管前景广阔，但Applied Compute面临的竞争同样激烈。据报道，由前OpenAI首席技术官Mira Murati创立的Thinking Machines Lab也瞄准了类似的赛道，计划通过强化学习技术根据客户的具体业务指标来定制模型。

此外，这一领域的快速发展也伴随着剧烈的人才流动。有消息称，Applied Compute的研究负责人布兰登·斯奈德即将离职创办自己的公司。这种“裂变式”的创业潮虽然为行业带来了活力，但也给初创公司的团队稳定性带来了挑战。

财务表现与未来展望

在营收方面，Applied Compute展现出了强劲的增长势头。首席执行官Patil曾透露，公司在去年11月已实现了1280万美元的年化营收。虽然对于一家估值13亿美元的公司来说，这一营收数字仍处于早期阶段，但考虑到其成立时间之短以及 大模型 技术的商业化潜力，投资者显然更看重其未来的爆发力。

知情人士透露，著名风投机构凯鹏华盈（Kleiner Perkins）正洽谈领投此轮融资，融资金额可能高达7000万美元。此前，该公司已从红杉资本、Benchmark和Lux Capital等顶级机构处募集了8000万美元。

总结

Applied Compute的快速崛起和高额融资，是当前 AI 行业“新实验室”趋势的一个缩影。它标志着人工智能正在从通过通用 ChatGPT 类产品震撼世界，转向深入垂直行业、解决具体企业痛点的应用深水区。

对于关注 人工智能 发展的观察者来说，这不仅是一场资本的盛宴，更是技术落地模式的一次重要探索。未来，这些“新实验室”能否兑现其高昂的估值，将取决于它们能否在激烈的竞争中持续交付解决实际问题的产品。

获取更多关于 OpenAI 动态、Prompt 技巧以及全球 AI日报 资讯，请持续关注 AINEWS，我们为您提供最前沿的行业洞察。