Neolabs：一场对抗超级智能的赌注

# 新实验室是对超级智能的一场豪赌 来源：https://futuresearch.ai/neolab-challengers-forecast/ 多年来我一直在预测前沿实验室的进展。我的团队第一个算出了 OpenAI 收入的精确拆解（https://futuresearch.ai/openai-revenue-report/），我在一月份就预测 Anthropic 将在 2026 年登顶顶级实验室（https://futuresearch.ai/blog/forecasting-top-ai-lab-2026/），并且一路追踪了它的财务数据（https://futuresearch.ai/anthropic-financial-forecast/）。我们还共同撰写了 AI 2027 背后的 AGI 时间线。 所以，我越来越感到困惑：为什么有人把数十亿美元投进这些追逐 AGI 的新创公司？如果连 Google、Meta 和 xAI 都跟不上，他们凭什么认为自己能竞争？ 标准的答案是：这些围绕著名研究者和巨额支票建立起来的“新实验室”（neolabs），拥有差异化的路径。Reflection AI 是开源的，LeCun 的 AMI 押注的是 LLM 之外的路线，Thinking Machines 则早早地做 B2B 商业化。（David Silver 的 Ineffable 和 Ilya 的 SSI 则更加神秘。） 但这并不能真正解释 Discovery Loop。Anthropic 和 OpenAI 都公开表示过要自动化研发。这是 FutureSearch 共同撰写的 AI 2027 时间线预测（https://futuresearch.ai/ai-2027/）的核心部分，也正是这条时间线让我们预测超人类能力大约在 2031 年出现。 我的结论是：押注新实验室的人并不相信递归式自我改进。他们在赌超级智能不会到来，他们认为 LLM 会触及天花板——尽管迄今为止每一次这样的预测都错得离谱。 对风投来说，这是一个有趣的位置。“当然，我会把 10 亿美元投进这家令人兴奋的 AI 初创公司，创始人是著名的 AI 研究员。但是，我并不指望 AI 在短期内起飞。”这并非不合逻辑，只是它对应的是一个狭窄的可能未来：AI 会带来大规模颠覆，但那是在 10 多年以后，而且可能采用的是与我们现在完全不同的方法。 因此，我对六家拥有数十亿美元弹药库的“AGI”公司都做了预测： Safe Superintelligence（https://futuresearch.ai/safe-superintelligence-forecast/）、Thinking Machines Lab（https://futuresearch.ai/thinking-machines-forecast/）、Reflection AI（https://futuresearch.ai/reflection-ai-forecast/）、David Silver 的 Ineffable Intelligence（https://futuresearch.ai/ineffable-intelligence-forecast/）、Yann LeCun 的 AMI Labs（https://futuresearch.ai/ami-labs-forecast/）和 Discovery Loop（https://futuresearch.ai/discovery-loop-forecast/）（今天早上刚成立）。每个名字都链接到我为那家实验室写的独立预测页面，其中包含了这张对比表里没有的问题：发布日期、收入和估值。 | 实验室 | 算力，2028年底 | 前沿模型 | 融资总额，2028年底 | 资深三大实验室人才，2027年8月 | |---|---|---|---|---| | **Safe Superintelligence**<br>Sutskever · 2024年6月 · 约80亿美元融资 | **0.65 GW**（https://futuresearch.ai/app/p/a/neolab-compute-2028?idx=0）<br>（0.18 至 2.2） | **2029年1月**（https://futuresearch.ai/app/p/a/neolab-frontier-model-dates?idx=0）<br>（2027年3月 至 2034年6月） | **210亿美元**（https://futuresearch.ai/app/p/a/neolab-capital-raised-2028?idx=0）<br>（80亿 至 640亿） | **7**（https://futuresearch.ai/app/p/a/neolab-senior-hires-2027?idx=0）<br>（2 至 20） | | **Thinking Machines**<br>Murati · 2025年2月 · 融资20亿+ | **0.75 GW**（https://futuresearch.ai/app/p/a/neolab-compute-2028?idx=1）<br>（0.2 至 1.7） | **2030年12月**（https://futuresearch.ai/app/p/a/neolab-frontier-model-dates?idx=1）<br>（2028年2月 至 2043） | **150亿美元**（https://futuresearch.ai/app/p/a/neolab-capital-raised-2028?idx=1）<br>（30亿 至 600亿） | **23**（https://futuresearch.ai/app/p/a/neolab-senior-hires-2027?idx=1）<br>（10 至 52） | | **Reflection AI**<br>Laskin · 2024年3月 · 约46亿美元融资 | **0.21 GW**（https://futuresearch.ai/app/p/a/neolab-compute-2028?idx=3）<br>（0.06 至 0.75） | **2029年6月**（https://futuresearch.ai/app/p/a/neolab-frontier-model-dates?idx=3）<br>（2027年6月 至 2036） | **135亿美元**（https://futuresearch.ai/app/p/a/neolab-capital-raised-2028?idx=3）<br>（50亿 至 430亿） | **32**（https://futuresearch.ai/app/p/a/neolab-senior-hires-2027?idx=3）<br>（15 至 68） | | **Ineffable Intelligence**<br>Silver · 2025年末 · 11亿美元融资 | **0.28 GW**（https://futuresearch.ai/app/p/a/neolab-compute-2028?idx=4）<br>（0.06 至 1.2） | **2035年6月**（https://futuresearch.ai/app/p/a/neolab-frontier-model-dates?idx=4）<br>（2029年6月 至 2053） | **68亿美元**（https://futuresearch.ai/app/p/a/neolab-capital-raised-2028?idx=4）<br>（10亿 至 300亿） | **15**（https://futuresearch.ai/app/p/a/neolab-senior-hires-2027?idx=4）<br>（6 至 36） | | **Discovery Loop**<br>Dean · 2026年8月 · 种子轮未结束 | **0.18 GW**（https://futuresearch.ai/app/p/a/neolab-compute-2028?idx=2）<br>（0.02 至 1.05） | **2036年6月**（https://futuresearch.ai/app/p/a/neolab-frontier-model-dates?idx=2）<br>（2029年8月 至 2060） | **65亿美元**（https://futuresearch.ai/app/p/a/neolab-capital-raised-2028?idx=2）<br>（10亿 至 300亿） | **10**（https://futuresearch.ai/app/p/a/neolab-senior-hires-2027?idx=2）<br>（4 至 24） | | **AMI Labs**<br>LeCun · 2025年末 · 约10亿美元融资 | **0.04 GW**（https://futuresearch.ai/app/p/a/neolab-compute-2028?idx=5）<br>（0.01 至 0.25） | **2037年12月**（https://futuresearch.ai/app/p/a/neolab-frontier-model-dates?idx=5）<br>（2029年11月 至 2068） | **42亿美元**（https://futuresearch.ai/app/p/a/neolab-capital-raised-2028?idx=5）<br>（10亿 至 215亿） | **6**（https://futuresearch.ai/app/p/a/neolab-senior-hires-2027?idx=5）<br>（2 至 16） | 这有点难预测，你可以从非常宽的置信区间里看出来。名单上最有趣的实验室故意不发布任何产品，因此任何以产品或排行榜作为判定标准的问题在 SSI 身上都会失效。在这里，“前沿模型”指的是：如果实验室发布了模型，就在公认的指数上进入前五；如果没有发布，则通过报道和独立专家评估被可信地认定达到前沿级别。 六个新实验室各自首次拥有前沿模型的日期区间图：Safe Superintelligence 2029年1月，Reflection AI 2029年6月，Thinking Machines 2030年12月，然后是 Ineffable Intelligence、Discovery Loop 和 AMI Labs 在2030年代中期，尾部延伸到2040年以后；图上还标注了每个实验室的预测算力和2028年底的融资中位数 *三家实验室在2029到2030年间争夺前沿，另外三家则是研究型押注，其中位时间在十年（！）之后。* 毫不意外，这些新实验室的资本、算力和人才都只是 OpenAI 和 Anthropic 的零头。替补席上最好的算力中位数——0.75 吉瓦——比 OpenAI 的 Stargate 建设（https://www.datacenterfrontier.com/machine-learning/article/55319132/scaling-stargate-openais-five-new-us-data-centers-push-toward-10-gw-ai-infrastructure）正朝着 10 吉瓦规模低一个数量级；而最好的资本中位数大约只有 OpenAI 最新一轮融资（https://finance.yahoo.com/sectors/technology/articles/openai-raises-122-billion-852-073000122.html）的六分之一。如果变革性的智能按照现有巨头的节奏到来，那它将来自现有巨头。按照当前竞赛的走势，新实验室在 AGI 上具备竞争力的可能性显然很低。 以下是我对每个实验室的总结，仅基于我问这六家实验室的四个问题背后的理由，并侧重于我最关心的那个时间线——每家的首个前沿模型何时出现。这些不是完整介绍。每个实验室都有自己的预测页面，链接在其名字上方，包含这张板凳表没有涉及的发布日期、收入和估值。 **Safe Superintelligence** 根据预测，SSI 在每个资源门槛上都是最可信的挑战者，而在每个产出门槛上都是最不可观测的。它已经悄无声息地筹集了约 80 亿美元——是大多数报道所称数字的两倍多——其中包括 Nvidia 7 月份的 50 亿美元投资（https://finance.yahoo.com/technology/ai/articles/nvidia-takes-5-billion-stake-201104151.html），再加上早期几轮融资的约 30 亿美元（https://finance.yahoo.com/technology/ai/articles/ai-startup-roughly-50-employees-133000150.html）。Nvidia 的交易附带下一代 Vera Rubin 平台的优先使用权，两家公司表示这将把 SSI 的算力提升一个数量级。这为它买来了板凳上最早的前沿模型中位数——2029年1月——左尾延伸到2027年3月。 令人意外的是人才数字。根据 FutureSearch 的数据，SSI 中公开可查的、曾在大三大实验室担任高级职位的员工只有两人，而一年后的中位数预测仅为7人，总员工数约50人。其他每一个认真的实验室都把招聘规模当作武器。SSI 押注的是：把资本和算力集中在尽可能小的团队上，胜过人头数量。（还记得 OpenAI 曾经硬性限制 150 名员工，甚至为此裁员的时期吗？）外部观察者应该关注的不是产品发布——因为不会有发布——而是报道的基调，因为这个前沿问题会像 Anthropic 未发布的 Mythos 那样，通过泄露和独立专家评估来判定。 **Thinking Machines** Thinking Machines 拥有板凳上最大的算力锚点：与 Nvidia 签署了至少 1 吉瓦（https://thinkingmachines.ai/news/nvidia-partnership/）下一代系统从2027年初开始供应的协议，外加一笔数十亿美元的 Google Cloud 扩张合约（https://techcrunch.com/2026/04/22/exclusive-google-deepens-thinking-machines-lab-ties-with-new-multi-billion-dollar-deal/）用于强化学习。而且它确实发布了一个基础模型——这真正让它区别于这个名单上的其他公司（尽管这个模型并不太好）。它叫 Inkling（https://artificialanalysis.ai/articles/thinking-machines-has-released-inkling-the-new-leading-u-s-open-weights-model），一个 9750 亿参数的混合专家模型，在 Artificial Analysis 指数上排名第41位，在约一百个被追踪的模型中排第十三位（https://artificialanalysis.ai/models/inkling），离我们预测的前五相去甚远。 这就是为什么基础设施最好的实验室，其前沿模型中位数却是2030年12月，右尾一直到2043年。产品优先的路径——Tinker（https://siliconangle.com/2025/12/12/thinking-machines-makes-tinker-ai-fine-tuning-service-generally-available/）和中等档位的模型——让它在押注前沿的同时有东西可以卖，而且这个等待可能是无限期的。Thinking Machines 最有可能成为一家伟大的公司，却从未真正占据前沿。 **Reflection AI** Reflection 是黑马，FutureSearch 的预测者们发现了一些我在新闻里没见过的东西。它已经筹集了约 46 亿美元（https://sacra.com/c/reflection-ai/），3月份的 C 轮融资以 250 亿美元投前估值进行，但报道出奇地少。它是板凳上招聘速度最快的实验室，目前约 230 人（https://tracxn.com/d/companies/reflectionai/__KVEoLsLZwA5w-u-mA8mUMbw5gQeaFPHv0BYiPPNCtcA），去年秋天还只有约 60 人，到明年8月其资深三大实验室人才中位数预计为32人，是板凳上最多的，比 Thinking Machines 的23人多出一半。它的开放权重策略也让它拥有最可见的判定路径，这就是为什么它的前沿模型中位数（2029年6月）尽管资本远少于 SSI，却能与 SSI 相差无几。 Reflection 没有多少算力。（虽然这从来没能阻止 Anthropic。）Reflection 的算力是按月租用的，在 SpaceX 的 Colossus 2 园区每月花费 1.5 亿美元，租约任何一方都可以在 90 天通知期内终止（https://www.turingpost.com/p/reflectionai）。它在结构上与 SSI 完全相反——重人力、轻基础设施。值得关注的是，它能否在滚动租约或烧钱速度迫使它做出选择之前，把人才转化为旗舰模型。它的旗舰开放权重模型尚未发布（https://turingpost.substack.com/p/inside-reflection-ai-the-20b-open）。 **Ineffable Intelligence** David Silver 的实验室拥有欧洲有史以来最大的种子轮——11 亿美元（https://techcrunch.com/2026/04/27/deepminds-david-silver-just-raised-1-1b-to-build-an-ai-that-learns-without-human-data/）。其融资表中的惊人一笔是英国的主权 AI 基金与 Sequoia、Nvidia 和 Google 并列——一个国家的政府直接持有一个还没有产品的研发实验室的股权。他们可能拥有很好的基础设施，6月份宣布的 Google Cloud 上最大规模的下一代 Nvidia 集群之一（https://www.googlecloudpresscorner.com/2026-06-16-Ineffable-Intelligence-Selects-Google-Cloud-To-Power-Its-Superintelligence-Mission）。 Silver 并没有退出 AGI 竞赛。（我在 Demis Hassabis 的新书里读到了一些关于他的内容。）他押注的是另一种架构会赢，他称人类数据为化石燃料（https://decrypt.co/365853/google-deepmind-veteran-raises-1-1-billion-ai-isnt-trained-human-data），并构建从经验中学习的系统——我认为这是他从 DeepMind 早期就持有的观点，一个非常 AlphaZero 式的视角。前沿模型中位数偏晚（2035年6月，尾部到2050年以后）并不是对他雄心的否定。它衡量的是：一个拒绝 LLM 范式的实验室，要过多久才能拿出排行榜能看到的东西。值得关注的是强化学习的结果。 **Discovery Loop** 板凳上最著名的创始团队，其算力中位数却排在倒数第二，前沿模型中位数是2036年6月——这对我来说太疯狂了，到那时除了前沿实验室还有别的东西重要吗？预测把 Discovery Loop 视为前沿模型的消费者而非生产者，一个自动研究编排层，依靠 Google 作为创始投资方和云合作伙伴（https://finance.yahoo.com/technology/ai/articles/jeff-dean-leaving-google-27-170255620.html）。不过他们最终可能还是想要自己的模型，因为一个能自动化 ML 研究的循环，本身也就是一个训练模型的循环，2029年8月的左尾恰好承载了这种情景。中位数只是说明这条路很长，而 2060 年的右尾则说明它可能永远不会拿出一款旗舰模型。 所以问题是：即使他们真的自动化了研发，他们能用自己自动化的研发，还是只会把它卖给别人——别人会用它造出 AGI，然后吞掉整个世界经济？ 我在一篇专门的帖子（https://futuresearch.ai/discovery-loop-forecast/）中发布了完整的 Discovery Loop 预测，包括它的循环会首先攻克哪个科学领域。它为这张表增加的启示是：新实验室这个类别混淆了两种不同的公司。这真的是一家 AGI 公司吗？ **AMI Labs** Yann LeCun 的实验室在每一项指标上都排在最后：算力中位数只有 SSI 的十六分之一，3月份完成 10.3 亿美元融资（https://techcrunch.com/2026/03/09/yann-lecuns-ami-labs-raises-1-03-billion-to-build-world-models/）后资本轨迹最小，资深人才只有6人，前沿模型中位数是2037年12月，尾部是板上最长的。显然这是有意为之。LeCun 说过，人类级 AI 不会建立在 LLM 之上（https://www.technologyreview.com/2026/01/22/1131661/yann-lecuns-new-venture-ami-labs/），而该实验室的世界模型架构对纯文本排行榜是不可见的，所以我们是在衡量一家走不同路线的公司，而不是它自己所描述的那条。LeCun 的主张是 LLM 无法达到 AGI，所以对他来说，也许一个十年期的项目其实是合理的？ 如果 AMI 是对的，它的成功几乎不会体现在这些指标上，第一个迹象会出现在这些问题都不关注的地方。对于一个为衡量竞赛而建的板凳来说，一个拒绝该前提的实验室是一个值得拥有的对照组。 **给预测打分** 我希望很快能拿到关于新实验室的更多证据。我想，在审视了这一切之后，我的主要预测是：等到他们中任何一家拿出正经东西的时候，OpenAI 或 Anthropic 已经造出超级智能了。 在 FutureSearch 应用（https://futuresearch.ai/app）里自己预测一下，要么从 DeepMind 发布模型的那一刻开始，要么从某个时刻开始——