昔日AlphaGo和Gemini幕后英雄联手创业！Reflection AI获20亿美元融资，英伟达投钱，目标打造「十万亿token级」模型配资短线炒股，让AI不再被少数人掌控。
在AI资本竞速的战场上，美国投资者正用真金白银押注未来！
据PitchBook统计，全球AI基础模型公司去年融资349亿美元；今年，已融资翻番至719亿美元。
刚刚，DeepMind前研究员创立、成立一年多的AI初创Reflection AI，竟斩获高达20亿美元融资。估值瞬间飙升至80亿美元！
从谷歌前CEO施密特到英伟达，再到红杉、花旗，顶级玩家争相入局，一场围绕开源AI主权的科技冷战，正在燃起资本最狂热的火焰。
开源VS闭源、算力VS人才、美国VS中国，Reflection AI宣称要打造「美版DeepSeek」，在AI新时代夺回技术话语权。
关于未来智能控制权的终极对决，正在悄然拉开帷幕。
AI决战之时
Misha Laskin（下图左）曾主导DeepMind「Gemini」项目中的奖励建模工作；Ioannis Antonoglou（下图右）则参与了2016年打败围棋世界冠军的AI系统AlphaGo的开发。
创始人的经历成为公司核心卖点——他们相信，在巨头体系之外，顶级AI人才完全可以打造前沿模型。
Reflection AI主打「Open Intelligence」理念：模型、论文、数据全开放，让高校、初创、企业免费微调、部署、审计，以避免前沿AI被少数巨头垄断。
据CEO Laskin介绍，目前团队约有60人，主要由基础设施、数据训练和算法开发方向的AI研究员与工程师组成。
公司已部署大规模算力集群，并计划在明年发布一款训练规模达「十万亿token级」的前沿语言模型。
这笔融资也透露出一个信号：投资者不再只押注于OpenAI和谷歌等闭源专有模型，连开源路线也开始成为资本追逐的热点。
尽管一些人担心开源AI模型可能带来风险甚至滥用，但支持者认为这条路径不可或缺。
红杉的Stephanie Zhan认为现在就是AI行业的「决战时刻」，而Reflection AI已接受挑战。
熔炉时刻
真正的转折点往往悄然而至——今日的选择将定义未来数十年的轨迹。这些关键时刻塑造企业命运，同样铸就我们的事业与人生。
唯有敏锐识别潜藏的战略拐点，并敢于打破常规果断行动，才能在变革中持续领跑。
美版DeepSeek，下一步坚持开放智能
Reflection AI的联合创始人兼CEO Misha Laskin表示，美国急需拥有像DeepSeek那样的本土对标者——
一个能与顶级闭源模型竞争的开源AI平台，否则可能在全球技术竞争中失去优势。
Laskin直言，当前西方开源模型普遍落后于DeepSeek及其他中国对手，这可能导致更多用户转向中国产品。
他指出，西方虽有Meta、法国的Mistral AI，甚至OpenAI等玩家也在参与开源，但整体竞争力仍显不足。
在接受采访时，Misha Laskin说道：「美国目前正缺少一个像DeepSeek那样的存在，这也是我们这样的实验室为什么必须存在」。
他将当前局势比作冷战时期的太空竞赛。
但无论是开源模型还是闭源模型，要想真正打造出领先的AI系统，都需要海量的算力、顶级的科研人才——说到底，就是钱。
这也正是为何在今年3月刚完成1.3亿美元融资仅七个月后，Reflection AI又火速完成了一轮高达20亿美元的新融资。
Laskin坦言，Reflection AI未来还将需要更多资金，毕竟竞争对手也在加速融资。
他指出，仅OpenAI一家就在上月获得了英伟达最多可达1000亿美元的投资承诺。
不过，他认为开源模型的市场需求正在持续扩大，尤其是来自希望掌控自身AI技术的大型企业与政府，这将最终撑起一条可持续的商业路径。
为什么坚持开放？
科技与科学的进步，源于开放与协作的价值观。
无论是互联网、Linux，还是现代计算的协议标准，都是开放的。
绝非偶然。正是因为开源，才有人能二次开发、深度定制，把它们嵌入全球各类系统。大学会教，初创会用，大企业会部署——开放，就是影响力。
开放科学的意义也在于：基于已有成果，别人可以学习、提问、改进、再突破。
如今的AI之所以取得如此进展，也正是因为许多关键技术是公开共享的，如自注意力机制、下一个token预测、强化学习等。
如今，AI正在成为所有产业的底层技术基础。它驱动科研、提升教育、优化能源、加速医疗诊断、重塑供应链……未来一切系统，几乎都将运行在AI之上。
但问题是，前沿AI技术如今正被少数闭门实验室掌控。
如果这种格局持续下去，资本、算力、人才将被少数人垄断。留给其他人的机会之窗正在迅速关闭。
我们必须在这个窗口消失之前，建立足够强大、足以成为开发者和用户首选的开放模型。唯有如此，才能确保智能的基础是开放且可获取的，而不是由少数人掌控。
过去一年的成绩
过去一年，Reflection AI为这个目标做好了充分准备。
Reflection AI的团队成员曾参与推动多个重大AI项目：PaLM、Gemini、AlphaGo、AlphaCode、AlphaProof，以及ChatGPT、Character AI等。
Reflection AI搭建了一个曾被认为只有顶级实验室才能实现的大规模训练平台，可支持大语言模型和强化学习的融合，具备训练超大规模专家混合模型（Mixture-of-Experts）的能力。
首先，他们把这套方法用在「自动编程」这一关键领域，取得重大突破。
接下来，他们将把这套体系用于更通用的智能体推理（agentic reasoning）任务。
他们不仅完成了规模庞大的融资，还建立了一套可持续的商业模式，既保证开放理念，又能继续发布前沿模型。
现在，我们正全力扩展，打造结合大规模预训练与先进强化学习的下一代开放模型。
竞逐超级智能，开启终极智能比赛
2016年，现年37岁的谷歌DeepMind研究员Ioannis Antonoglou参与开发了AlphaGo。
八年后，他与另一位DeepMind前研究员、35岁的Misha Laskin携手创办了 Reflection AI，目标是打造一个能够编写与维护代码的超级智能系统。
当前，大多数AI编程公司仍专注于为开发者提供辅助工具，而Reflection的野心是：彻底取代程序员。
Reflection创始团队坚信，「自主编程」是通向通用超级智能（AGI）的「根节点问题」（root-node problem）。
联合创始人Ioannis Antonoglou说
我们认为，自主编程就是AGI完备的（AGI-complete）。
如果你能证明你拥有超级智能的软件工程师，那你已经拥有了AGI。接下来只是将同一套算法推广应用到其他垂类的问题上。
他认为，在「编程」这个问题里，你已经找到了获得超级智能的完整路径——所有构成智能所需的要素，都已经在这个任务中被激活。
代码就是LLM的天然UI
智能的形式有很多种，不只是用于编写代码的那一种。但代码恰恰是推进机器智能最「可触达」的表层之一。
Misha Laskin预测道：「我们认为，智能的演化速度将快于软件本身。」他进一步解释：
而选择从软件工程入手，是因为这个领域已经为机器智能做好了准备——整个软件体系天生就更「机器友好」。
对人类来说，操控三维物体是天性；而对语言模型来说，编程语言就像人类的空间感知能力一样本能天然。
对LLM而言，代码就是最符合「人体工学」的操作界面。
这一趋势的影响将逐步显现。在这一过程中，软件公司将会开始构建「AI友好型界面」，加速甚至瞬间完成人类与软件产品的交互。
Misha设想了一种未来：「GUI的某些部分可能会被取代，背后实际是语言模型在用代码完成任务。」
原本需要用户点十下的操作，未来可能只需模型生成一行代码，任务即可完成。
Reflection团队对「超级智能」的定义非常实用：能通过操作计算机来创造价值的系统。
Misha 表示：「我们认为，未来语言模型在软件世界中完成工作的方式，就是通过代码智能体（coding agent）。所以一旦你解决了这个问题，你就实现了计算机上的超级智能，适用于任何拥有AI友好接口的软件系统。」
Reflection的创始人相信，自主智能体最有效的训练方式，是在为其量身定制的环境中练习技能——就像当年的DeepMind Atari游戏环境，或OpenAI Gym所做的一样。
在「编程」领域，这些环境和工具已经比较容易想象；但对于其他更复杂的认知场景，可能还需要更大胆的想象力与技术突破。
Misha认为，当前的AI，就像蒸汽机时代早期——在热力学理论尚未诞生之前，发明家们已能造出真正的机器。
从理论角度深刻理解模型为何有效，当然非常有价值。
在物理学中，每当人类从理论上彻底理解一个现象，都会引发新一轮实证创新浪潮——因为你知道该往哪里寻找。但你无需等到理论完全成型，才能构建出可靠的系统。
受物理学大师费曼（Richard Feynman）的启发，Misha最初走上物理之路。
在一次关于能量守恒的演讲中，费曼说过：
在如今的物理学中，我们并不知道「能量」究竟是什么。意识到这一点非常重要。
这句话，如今同样适用于AI——以及我们对「智能」的理解。
DeepMind创始人Demis Hassabis曾在诺贝尔奖采访中如此总结对超级智能的追寻：
AI科学的核心，就是探索和理解什么是智能。 而理解某件事最深刻的方式，就是亲手把它造出来。
现在，我们还有机会配资短线炒股，真正建立一个前沿的开放智能体系。但窗口正在收窄，可能这就是最后一次机会。
申宝策略提示：文章来自网络，不代表本站观点。
- 上一篇：配资短线炒股 康平科技：截至2025年9月30日，公司股东人数为11041户
- 下一篇：没有了
相关文章
沪深京指数
热点资讯
