2026年，AI领域融资狂飙——
OpenAI募资1220亿美元，Anthropic募资300亿美元，xAI募资200亿美元。
仅第一季度，AI领域就募资了2420亿美元，占同期全球风险投资总额的80%，资金集中度持续攀升。
海外巨头外，国内 AI 大模型企业融资也紧随其后：DeepSeek传计划融资500亿，阶跃星辰将完成近25亿美元融资，月之暗面将完成20亿美元融资。
新物种崛起：研究型初创公司成资本新宠
市场共识聚焦于大模型的同时，一批从顶级实验室出走的 AI 大牛，正掀起一场 "非共识" 创业潮——押注超越 LLM 的下一代通用 AI。
Ineffable Intelligence、Thinking Machines Lab、Safe Superintelligence…
名单越拉越长，每个名字背后，都是动辄十亿美元级的种子轮融资。
这些研究型初创公司，区别于传统初创公司（核心是找用户、赚营收），也不同传统科研机构（核心是拓展人类知识边界，不一定考虑商业化），核心目标是解决 AGI 等顶级科学难题，并以风险投资的资金、极快的速度推进，赌定 "科学突破后的无限商业价值"。
今天，我们就拆解这场“十亿级种子轮”盛宴，看看这些AI大牛们究竟在押注什么，以及这场狂欢背后，藏着怎样的行业趋势。
Ineffable Intelligence：AlphaGo 之父的纯强化学习革命
创始人：David Silver，DeepMind 首席科学家、AlphaGo 之父，AlphaGo/AlphaZero/AlphaFold 核心负责人，强化学习领域全球顶尖专家。
融资：2026 年 4 月完成11 亿美元种子轮（欧洲史上最大），投后估值 51 亿美元
投资方：红杉 + 光速领投，英伟达、谷歌、英国主权 AI 基金等参投
Ineffable Intelligence 是最近一家获得十亿美元级种子轮的公司，由 AlphaGo 之父 David Silver 创立。
Ineffable Intelligence 的核心理念是：AI 应该通过与环境交互自主探索，从自身经验中发现知识，而非依赖人类生成的数据。
大语言模型和强化学习并非替代关系，而是互补关系：大语言模型解决人类已知知识的高效传递，强化学习解决人类未知领域的探索发现。
GPT-5、Claude等主流模型依赖互联网文本数据进行预训练，本质上是在模仿人类已有的知识和表达方式。而Ineffable的超级学习器从零开始，通过强化学习与环境交互，自主发现策略、推理模式和知识表示。
强化学习路线理论上没有数据天花板，可从环境交互中持续学习，但目前技术成熟度低、商业化路径尚不明确。
Recursive Superintelligence：让 AI 学会自己做研究
创始人：Richard Socher（前 Salesforce 首席科学家）、Tim Rocktäschel（DeepMind 前首席科学家）
融资：5 亿美元首轮投资，估值 40 亿美元
投资方：Google Ventures 领投，英伟达跟投
Ineffable Intelligence 以外，近期还有一家初创就40亿美元估值拿到5亿美元首轮投资的公司，这家公司是Recursive Superintelligence。
Recursive Superintelligence由前 Salesforce首席科学家 Richard Socher、DeepMind 前首席科学家 Tim Rocktäschel 共同在英国注册成立。
Richard Socher 是将神经网络方法真正带入自然语言处理领域的关键人物之一，谷歌学术引用量已超 18 万次。他创立的 AI 搜索引擎You.com估值已达 15 亿美元。
Recursive Superintelligence的核心命题是"自学习 AI"—— 不是让 AI 更聪明地回答问题，而是让 AI 自主完成科学研究的全流程：提出假设、设计实验、评估结果、迭代方向。换句话说，它想把人类研究员从这个循环里完整地移走。
"Recursive"（递归）这个名字已经把公司的野心说得很清楚：一个系统能够不断优化自身、螺旋上升。如果它真的能做到，药物研发、材料科学、物理学等领域都可能迎来一个 "没有人类科学家参与也能快速推进" 的阶段。
Thinking Machines Lab：最大种子轮的光环与危机
创始人：Mira Murati（前 OpenAI CTO，主导 GPT-4 研发）
融资：2025 年 7 月获20 亿美元种子轮，估值120 亿美元
投资方：a16z 领投，英伟达、AMD、思科、简街资本等跟投
Thinking Machines Lab是这批顶级大牛创业公司中，种子轮最大的一家，其创始人 Mira Murati 是 OpenAI 的灵魂人物之一。
Thinking Machines Lab致力于构建一个未来，让每个人都能获取知识和工具，使人工智能为他们独特的需求和目标服务。
然而，这家光环加身的公司却陷入了困境：
产品迟滞：直到 2025 年 10 月才推出首款产品 Tinker，一个大模型微调 API，与谷歌、亚马逊、微软已有技术类似。
人才流失：不完全统计，Meta 已从该公司挖走 5 名创始成员，OpenAI 也挖走了包括前 CTO 巴雷特・佐夫在内的 4 名核心成员。
融资受阻：500亿美元估值融资受阻，出售谈判破裂。
2026年3月10日，英伟达与Thinking Machines Lab同步宣布，双方达成多年期战略合作，并由英伟达进行“重大投资”，金额未披露。根据协议，Thinking Machines Lab将在2027年初开始部署至少1吉瓦的英伟达新一代Vera Rubin系统，用于前沿模型训练和推理。1吉瓦算力是迄今只有最顶级AI实验室才触及的门槛。
Safe Superintelligence：安全优先于商业化
创始人：Ilya Sutskever（OpenAI 联合创始人、前首席科学家）
融资：2024 年 9 月完成10 亿美元首轮融资，2025 年 4 月获得 20 亿美元融资，估值 320 亿美元
投资方：a16z、红杉、DST Global、SV Angel 等
Safe Superintelligence是这批顶级大牛创业公司中，第一家拿到10亿美元首轮融资的公司。
其创始人 Ilya 曾是是“谷歌大脑”团队的核心成员。2015年，Ilya 与马斯克、奥特曼等人共同创立OpenAI，并担任首席科学家。在OpenAI期间，Ilya 是 GPT 技术路线的奠基人之一，强烈推动预训练+微调范式。
2023 年，他与 Sam Altman 在 AI 发展的速度、控制方式以及最终目的上爆发了不可调和的冲突，最终离开 OpenAI。
对于Safe Superintelligence来说，安全优先于商业化
Safe Superintelligence 的目标非常明确：开发对人类有益的、完全可控的超级智能 AI 系统。
如果这一目标达成，它可能成为全球范围内的“AI治理中枢”，所有未来AI生态都可能围绕它构建，它的“架构、安全协议、计算资源”可能成为基础设施。
Project Prometheus：贝佐斯的物理AI实验室
创始人：贝佐斯与科学家维克·巴贾杰（Vik Bajaj）
融资：2025 年 11 月完成62 亿美元首轮融资，2025 年 4 月获得 100 亿美元融资，估值 380 亿美元
投资方：贝佐斯、摩根大通和贝莱德等
物理AI、空间智能、世界模型等AI与物理世界结合的领域，也是顶级大牛们的共识，最具代表性的，有贝佐斯和Vikram Bajaj的Project Prometheus、杨立昆的AMI、李飞飞的World Labs等。
Project Prometheus由贝索斯与科学家维克·巴贾杰（Vik Bajaj）共同创办，主攻能够“理解物理世界”的AI模型，目标落地场景是航空航天、汽车等领域的工程制造。
Project Prometheus去年成立之初就拿到62亿美元（约合人民币422.84亿元）融资，贝索斯本人也是出资方之一。
巴贾杰曾在Google X与谷歌联合创始人谢尔盖·布林（Sergey Brin）共事，参与过后来独立为Waymo的自动驾驶项目。他还联合创办了Alphabet旗下生命科学实验室Verily，以及AI创业孵化器Foresite Labs并出任CEO，去年已从Foresite Labs离任，全力投入Project Prometheus。
AMI Labs：图灵奖得主的世界模型创业
创始人：Yann LeCun（2018 年图灵奖得主、CNN 奠基人、前 Meta 首席 AI 科学家）
融资：2026 年 3 月完成10.3 亿美元种子轮，投前估值35 亿美元
投资方：凯辉创新、Bezos Expeditions（亚马逊创始人贝佐斯的家族投资公司）等五家机构和天使投资人共同领投
AMI Labs于2026年1月在巴黎正式成立，由图灵奖得主、前Meta首席科学家杨立昆（Yann LeCun）联合创办，杨立昆在AMI担任董事长一职，而AI医疗公司Nabla的联合创始人Alexandre LeBrun担任AMI的首席执行官。
AMI的联合创始人阵容豪华，前Meta AI研究科学家、纽约大学助理教授谢赛宁担任首席科学官；香港科技大学电子与计算机工程系及计算机科学与工程系教授冯雁（Pascale Fung）担任首席研究与创新官；前Meta欧洲区副总裁Laurent Solly担任AMI首席运营官；前Meta AI研究总监Michael Rabbat担任全球模型副总裁。
AMI正在研发正在一种能够学习现实世界传感器数据抽象表示、忽略不可预测细节、并在表征空间中进行预测的模型，该系统能理解现实世界、有持久记忆、能够推理和规划并且安全可控，可应用于工业过程控制、自动化、可穿戴设备、机器人、医疗健康等对可靠性、可控性和安全性要求较高的场景。
对于世界模型，AMI的首席科学官谢赛宁表示：“世界模型”之所以关键，是因为它追求的不是表面的生成能力，而是对世界规则的建模能力。下一代AI真正要跨越的门槛，不是把语言能力继续放大，而是让系统具备对现实世界的表征、理解与预判能力。
World Labs：李飞飞看见的世界
创始人：李飞飞（"AI 教母"、斯坦福前 AI 实验室主任、ImageNet 创始人）
融资：2026 年 2 月完成10 亿美元融资
投资方：Autodesk、英伟达、AMD、a16z等
2012 年，李飞飞用 1500 万张标注图片教会了机器看见物理；现在，她想让机器看懂物理在三维空间里的位置、关系和可能性，也就是所谓的世界模型。
World Labs 的 Marble 模型可以从文本、图像和视频输入里生成高保真、几何物理一致、持久可导航的三维环境，支持自由漫游、编辑和创作。目标是赋予 AI 以空间大脑，服务于虚拟现实、游戏、影视和机器人等场景。
2026 年 4 月，World Labs 官宣推出Spark 2.0，将最具野心的 3DGS（3D 高斯泼溅）世界带入到 Web。这意味着，原本只有专业设备才能运行的超大规模、高保真 3D 场景，现在变成任何人都可以在浏览器中访问的内容。
共性特征与底层逻辑
创始人：个人信用 = 早期估值
这份名单的创始人有一个共同特征——他们是在带着已经验证过的、改变行业的技术成果出来"创业"。
图灵奖：Yann LeCun
大厂技术一把手：Ilya（OpenAI 首席科学家）、Mira（OpenAI CTO）、LeCun（Meta 首席 AI 科学家）、Silver（DeepMind 首席科学家）
里程碑技术：GPT-4、ChatGPT、AlphaGo、LLM、ImageNet 等改变行业的技术都出自其手
投资人在种子轮阶段买的不是产品或营收，是创始人的判断力和人才号召力。
底层逻辑：人才争夺 + 终极路线豪赌
人才即壁垒：顶尖研究员稀缺，融资本质是 "买断人才 + 团队"，防止被竞争对手挖走
路线战争：巨头与资本集体押注 "后 LLM 时代" 的通用 AI 路线
算力军备：巨额资金主要用于买 GPU、建超算中心、挖人，而非短期商业化。
投资方特点
把所有公司的投资方拉到一起看，英伟达的名字出现在几乎每一笔融资中：SSI、TML、World Labs、Ineffable、RSI、AMI Labs等等。
底层逻辑是双向绑定：英伟达需要这些公司的算力订单，这些公司需要英伟达确保芯片供应。
英伟达的策略已经从"卖铲子"升级为"押注整个AGI生态的所有主要路线"——不管谁赢，它都赢。
除英伟达外，投资人结构呈现三层：顶级风投（a16z、红杉、光速、DST Global）全程押注；产业巨头（谷歌、AMD、思科、丰田、Autodesk）绑定生态；主权基金与家族办公室（淡马锡、Bezos Expeditions）追求长期技术垄断。
天才与资本的终极赌局
这波"十亿美元级种子轮"现象，是AI行业从LLM向AGI跃迁的标志性事件，本质是资本对顶尖人才+终极技术路线的双重豪赌。
从 LLM 到强化学习、自主学习、AI安全、世界模型，AI 行业正站在新旧时代的转折点。这批大牛创业公司的走向，将直接决定未来 5-10 年全球 AI 的发展方向。
无论结果如何，这场 "后 LLM" 时代的军备竞赛，都值得每一位关注 AI 与创投的人，持续深度跟踪。
