The Decoder盘点新实验室：模型核心作者离职创业，押注当前训练路线之外
在GPT-6 Astra发布、黄仁勋宣称“AGI已经到来”之后，The Decoder梳理了 27 家由OpenAI、DeepMind、Meta前核心研究者创办的研究型公司：它们合计融资数十亿美元，多数尚无公开模型或论文，赌的是现有大模型路线之外仍存在研究空白。
AI解读：这批所谓“新实验室”（neolabs）的共同怀疑不在于“更强AI是否将至”，而在于“只靠更大的语言模型、互联网数据加强化学习这条配方能否抵达”。这是The Decoder对其动机的概括，属于媒体判断，不是各家实验室的统一声明。
融资规模与产品进度明显不匹配：SSI获英伟达 50 亿美元投资（彭博社报道）却未发布模型或论文；Flapping Airplanes无公开模型，2026 年 10 月A轮融资 10 亿美元、估值 60 亿美元；Ineffable Intelligence 2026年 4 月 11 亿美元种子轮、投后估值 51 亿美元。这些数字来自报道与表格，尚无对应产品效果数据。
The Decoder把 27 家实验室按研究赌注分为六组，本次披露前两组：改“怎么学”（持续学习、少样本学习、从经验学习）和改“学什么”（空间、物理、视频、机器人控制等非语言信号）。分组是媒体自行划分，无官方定义。
已有可见产出的只有少数：Black Forest Labs的FLUX 3 Action用图像模型预测机器人未来两秒动作，在英伟达RoboLab-120基准上 10 月 22 日排第二、后降至第四，且测试在仿真而非真实机器人上进行；Ndea尚未公布自己的ARC-AGI-3成绩。
离职与创业动机混合：LeCun因与Meta的战略分歧离开，Sutskever称想做不受产品压力影响的研究，也有估值带来的财富因素。部分离职并非彻底切割，谷歌本身就是Discovery Loop的创始投资方。
The Decoder于 2026 年发布Frontier Radar系列第 5 期，梳理一批由大实验室核心研究者离职创办的“新实验室”，并按其研究赌注分类。文章给出的背景是：GPT-6 Astra发布后，英伟达CEO黄仁勋在X上称“AGI已经到来”，OpenAI总裁Greg Brockman称该模型是转折点、欢迎人类进入“AGI时代”；文章指出两人所指的确切含义并不清楚，因为AGI没有公认定义。
文章称，许多构建了当前系统的人看法不同：数十人离开大实验室自立门户，包括OpenAI联合创始人、前首席科学家Ilya Sutskever创办Safe Superintelligence，领导OpenAI推理模型开发的Jerry Tworek创办Core Automation，AlphaGo核心人物David Silver离开Google DeepMind创办Ineffable Intelligence，在Meta工作 12 年的Yann LeCun创办AMI，在谷歌工作 27 年、最近任首席科学家的Jeff Dean创办Discovery Loop。
文章称资金随之而来：据彭博社报道，英伟达 7 月向SSI投资 50 亿美元，该实验室尚未发布任何模型或论文；Jeff Bezos的工业AI实验室Prometheus 6月以 410 亿美元估值融资 120 亿美元；Flapping Airplanes同样没有公开模型，2026 年 10 月A轮融资 10 亿美元。文章把此类公司定义为独立创办、以研究为导向、围绕长期技术赌注构建业务的AI公司，并称这一波在 2024 年变得明显。
融资与产出的落差
文章表格列出 7 家押注“改变模型学习方式”的实验室，其中 6 家标注“无已确认公开产品”：Core Automation融资 4.32 亿美元、估值 36.2 亿美元（Forge，2026 年 7 月）；Flapping Airplanes估值 60 亿美元；Ineffable Intelligence估值 51 亿美元；Ndea据The Information融资 3000 万美元、估值 4.5 亿美元；SSI估值 320 亿美元（2025 年 4 月）；Pathway融资 3000 万美元、估值 5 亿美元（2026 年 8 月）。Adaption有数据工具与AutoScientist API，种子轮 5000 万美元（2026 年 2 月）。
文章对SSI的评价是：可信度主要建立在Sutskever的声誉和“他看到了别人没看到的路”的预期上。Sutskever在 2025 年底与Dwarkesh Patel的对话中称，人类看几个例子就能迁移所学，模型却需要海量数据，他计划改变这一点，并预计 5 到 20 年内出现学习能力比肩人类的系统。
文章称，这些实验室的领先窗口可能很短：TypeSafe AI 9月中旬发布决策模型Jev，两周后OpenAI宣布Decisions API。文章也列出退出路径：微软雇走Inflection核心团队，谷歌拿下Character.ai创始人和Windsurf管理层，AMD拟以约 82 亿美元收购World Labs，英伟达正与Reflection谈判（据《金融时报》）。
第一组赌注：改变学习方式
文章称当前模型部署后通常不更新权重，只能在对话中使用新信息，持续学习仍是核心研究空白。六家实验室从三个角度切入：部署中学习（Adaption、Core Automation）、少样本学习（Flapping Airplanes、Ndea、SSI）、从经验学习（Ineffable Intelligence）。
Adaption由前Cohere研究负责人Sara Hooker与Sudip Roy创办。Hooker 2020年撰文《The Hardware Lottery》称研究方法常因适配硬件而胜出，2026 年 1 月又撰文《On the Slow Death of Scaling》，认为增加算力带来更好模型的可靠性在下降。文章称Adaption的立场是反对scaling，计划做能持续学习的高效AI，首批产品是数据清洗、可视化与AutoScientist自动训练工具，真正目标——部署中学习的模型——尚未出现。
Core Automation的Tworek曾领导o1和o3推理模型开发，联合创始人Rohan Anil曾领导Gemini预训练。Tworek称持续学习是机器学习问题，不是Markdown文件的问题；Core寻找预训练与强化学习之外的学习算法和更易扩展的架构，首个模型据称将在部署中更新权重、只需当今百分之一的训练数据。文章明确写道，这些目前“不过是传闻”。
Ndea由Keras作者、ARC基准设计者François Chollet与Zapier联合创始人Mike Knoop创办，约 15 人，走程序合成路线：搜索能解释所给样例的程序，由神经模型引导搜索。在 3 月推出的ARC-AGI-3上，GPT-6 Astra 9月在标准设置下得分 62.7%、最高 99.9%；Ndea尚未公布自己的成绩。
第二组赌注：语言不够
文章称第二组创始人怀疑语言是通向智能的最佳路径，希望系统理解空间关系、预测物理后果并在世界中行动。文章点名AMI预测抽象状态、Black Forest Labs预测视频帧与机器人动作、General Intuition从电子游戏学习、World Labs生成 3D世界、Physical Intelligence直接在机器人上学习控制。
AMI由LeCun任执行主席，CEO是医疗AI公司Nabla创始人Alexandre LeBrun，技术上基于LeCun 2022年提出的JEPA，用抽象内部表示而非逐token预测。文章称Meta 2025年的V-JEPA 2显示该路线可行：视频预训练后仅 62 小时机器人数据，机械臂就能在陌生实验室完成简单抓放，规划速度远快于像素级方法。AMI 2026年 3 月融资 10.3 亿美元、投前估值 35 亿美元，约十余名员工；LeBrun公开表示产品可能还需数年，研究与大部分代码计划开源。
Black Forest Labs以FLUX图像模型知名，9 月发布FLUX 3 Action：输入相机图像、机器人状态和文本指令，预测未来两秒机器人动作与场景变化，权重已在Hugging Face发布。文章称其在英伟达RoboLab-120基准上 10 月 22 日排第二，后降至第四，测试在仿真中进行而非真实机器人。