行业趋势：资本涌向新一代AI实验室（neolab） - 硅谷投资人在过去一个多月内集中押注被称为neolab的研究型AI创业公司，这些公司试图在巨头忽视的方向上重新定义AI研究范式[1] - 仅五家neolab初创公司就在过去一个月内完成或洽谈了高达25亿美元的融资，显示出资本对“研究本身”的重新定价[1] - 行业意识到，当OpenAI、Anthropic、Google等巨头被规模、流程与算力体系锁定时，便难以快速试错，这为neolab提供了发展缝隙[1][4] 公司案例：Isara - 前OpenAI安全研究员Eddie Zhang创立的Isara正在研发一套能让上千个AI智能体同时协作的软件系统，用以解决财报预测、企业尽调等复杂任务[2] - Isara的核心研究难题在于“协调机制”，即如何让成千上万个智能体在冲突中找到共识并自动分工，这涉及攻克智能体规划及在信用分配、强化学习与安全边界之间重新平衡[2] - 公司正与多家投资机构洽谈融资，目标估值约为10亿美元，其愿景是探索由成千上万小智能体协作组成的“数字社会”[2] 公司案例：Humans& - 前xAI研究员Eric Zelikman创立的Humans&目标是打造“具备情感智能”的AI，公司成立数月便已讨论以40亿美元估值融资10亿美元的可能性[3] - Nvidia与AMD均有意投资，两家GPU巨头希望这些新实验室成为下一代算力大户[3] - 其研究核心在于将强化学习扩展到“长时任务”，使AI能进行长达数周或数月的长期决策、战略规划，追求“长期最优”而非“一次答对”[3] 巨头背景与行业缝隙 - OpenAI与Anthropic今年合计营收或将达到数百亿美元，并计划到2028年累计投入1340亿美元的算力开支，这让后来者难以突破[4] - 但巨头规模本身也孕育了缝隙，其组织、基础设施和招聘体系围绕特定范式搭建后难以转向[4] - 前Salesforce首席科学家Richard Socher正在筹建一家新实验室，计划融资10亿美元，目标是“用AI来自动化AI研究”，打破“一问一答”的交互结构[4] 资本逻辑与细分领域崛起 - 资本押注neolab也因其提供“更安全的风险”，Adept、Inflection AI等明星实验室最终被Amazon、Microsoft等收编，为投资人提供了“半退出”的安全边界[5] - 更多细分研究实验室在崛起，例如前OpenAI研究负责人创立的Periodic Labs专注于“AI自动化科学研究”，并应用于低能耗超导材料探索[6] - 由前DeepMind研究员创立的Reflection AI则专注于高质量开源模型，正面挑战OpenAI与Anthropic的闭源路线[6] 面临的挑战与未来路径 - 算力成本是最大考验，小团队需依靠稀疏化模型、低精度推理等创新架构来弥补计算资源不足[7] - 长期任务的评测体系尚未成熟，行业缺乏衡量“智能体协作质量”和“研究自主性”的标准[7] - 商业模式是关键挑战，neolab必须以“中间成果”嵌入自动化投研、企业财务分析等特定行业场景，形成“研究—产品—收入”闭环才能实现自我造血[7]