Reflection AI 获20亿美元融资，致力打造开源十万亿token级AI模型

昔日AlphaGo与Gemini的核心开发者联手创业！Reflection AI成功融资20亿美元，英伟达等巨头注资，目标构建「十万亿token级」开源模型，推动AI技术民主化，打破少数公司垄断。

在人工智能领域的资本盛宴中，美国投资者正以巨额资金押注未来格局！

PitchBook数据显示，全球AI基础模型公司去年融资349亿美元；今年已翻倍至719亿美元，资本热潮持续升温。

近日，由DeepMind前研究员创立、成立仅一年多的AI初创Reflection AI，意外斩获20亿美元高额融资。公司估值迅速飙升至80亿美元！

从谷歌前CEO施密特到英伟达，再到红杉资本、花旗集团，顶级资本争相入局，一场围绕开源AI主权的科技冷战，正点燃资本市场最狂热的火焰。

开源与闭源对抗、算力与人才争夺、美国与中国竞逐，Reflection AI宣称要打造「美版DeepSeek」，在AI新时代夺回技术主导权。

关于未来智能控制权的终极对决，已悄然拉开序幕。

AI决战时刻

Misha Laskin（下图左）曾主导DeepMind「Gemini」项目的奖励建模；Ioannis Antonoglou（下图右）则参与了2016年击败围棋世界冠军的AI系统AlphaGo的开发。

创始人的辉煌履历成为公司核心卖点——他们深信，在巨头体系之外，顶尖AI人才完全能打造前沿模型。

Reflection AI倡导「开放智能」理念：模型、论文、数据全部开源，允许高校、初创公司、企业免费微调、部署与审计，以防前沿AI被少数巨头掌控。

CEO Laskin透露，团队现有约60人，主要由基础设施、数据训练和算法开发方向的AI研究员与工程师构成。

公司已部署大规模算力集群，并计划明年发布训练规模达「十万亿token级」的前沿语言模型。

这笔融资释放出关键信号：投资者不再只押注OpenAI和谷歌等闭源模型，开源路线正成为资本新宠。

尽管有人担忧开源AI模型可能带来风险或滥用，但支持者认为这条路径不可或缺。

红杉资本Stephanie Zhan断言当前是AI行业的「决战时刻」，而Reflection AI已挺身迎战。

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，坚持开放智能之路

Reflection AI联合创始人兼CEO Misha Laskin表示，美国急需一个像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，这可能促使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等玩家参与开源，但整体竞争力仍显不足。

Misha Laskin在采访中称：「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」。

他将当前局势类比为冷战时期的太空竞赛。

但无论是开源还是闭源模型，要打造领先AI系统，都需要海量算力、顶级人才——归根结底，就是资金。

这也解释了为何在今年3月完成1.3亿美元融资仅七个月后，Reflection AI又火速完成20亿美元新融资。

Laskin坦言，Reflection AI未来还需更多资金，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持续扩大，尤其来自希望掌控自身AI技术的大型企业与政府，这将最终支撑可持续的商业路径。

为何坚持开放？

科技与科学的进步，根植于开放与协作的价值观。

从互联网、Linux到现代计算协议标准，开放是常态而非偶然。

正是开源，允许二次开发、深度定制，嵌入全球各类系统。大学教学、初创应用、大企业部署——开放即影响力。

开放科学的意义在于：基于已有成果，他人可学习、提问、改进、再突破。

当今AI的迅猛发展，正因许多关键技术公开共享，如自注意力机制、下一个token预测、强化学习等。

如今，AI正成为所有产业的底层技术基座。它驱动科研、提升教育、优化能源、加速医疗诊断、重塑供应链……未来几乎所有系统都将运行于AI之上。

但问题在于，前沿AI技术正被少数闭门实验室掌控。

若此格局持续，资本、算力、人才将被少数人垄断。留给其他人的机会之窗正迅速关闭。

我们必须在此窗消失前，建立足够强大、能成为开发者和用户首选的开放模型。唯此，才能确保智能基础开放可获，而非由少数人掌控。

过去一年的进展

过去一年，Reflection AI为此目标做足准备。

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搭建了曾被认为只有顶级实验室才能实现的大规模训练平台，支持大语言模型与强化学习融合，具备训练超大规模专家混合模型的能力。

首先，他们将此方法用于「自动编程」关键领域，取得重大突破。

接下来，他们将把此体系用于更通用的智能体推理任务。

他们不仅完成巨额融资，还建立了可持续商业模式，既保证开放理念，又能持续发布前沿模型。

如今，团队正全力扩展，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，开启终极智能竞赛

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Reflection AI，目标是打造能够编写与维护代码的超级智能系统。

当前，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的「根节点问题」。

联合创始人Ioannis Antonoglou说：

我们认为，自主编程就是AGI完备的。

若你能证明拥有超级智能的软件工程师，那你已拥有AGI。接下来只是将同一套算法推广到其他垂类问题。

他认为，在「编程」问题中，你已找到获得超级智能的完整路径——所有构成智能的要素，都此任务中被激活。

代码即LLM的天然UI

智能形式多样，不限于编写代码。但代码恰是推进机器智能最「可触达」的表层之一。

Misha Laskin预测：「我们认为，智能的演化速度将快于软件本身。」他进一步解释：

选择从软件工程入手，因此领域已为机器智能做好准备——整个软件体系天生更「机器友好」。

对人类，操控三维物体是天性；对语言模型，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，代码即最符合「人体工学」的操作界面。

此趋势影响将逐步显现。过程中，软件公司将开始构建「AI友好型界面」，加速甚至瞬间完成人机交互。

Misha设想未来：「GUI的某些部分可能被取代，背后实为语言模型用代码完成任务。」

原本需用户点十下的操作，未来或只需模型生成一行代码，任务即完成。

Reflection团队对「超级智能」的定义实用：能通过操作计算机创造价值的系统。

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，即通过代码智能体。所以一旦解决此问题，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创始人相信，自主智能体最有效的训练方式，是在量身定制的环境中练习技能——如当年的DeepMind Atari游戏环境或OpenAI Gym。

在「编程」领域，这些环境和工具已较易想象；但对更复杂认知场景，或需更大胆想象力与技术突破。

Misha认为，当前AI如蒸汽机时代早期——热力学理论尚未诞生前，发明家们已能造出真正机器。

从理论角度深刻理解模型为何有效，当然极具价值。

在物理学中，每当人类从理论上彻底理解一现象，都会引发新一轮实证创新浪潮——因你知道该往哪里寻找。但你无需等到理论完全成型，才能构建可靠系统。

受物理学大师费曼启发，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：

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。

此言，如今同样适用于AI——及我们对「智能」的理解。

DeepMind创始人Demis Hassabis曾在诺贝尔奖采访中总结对超级智能的追寻：

AI科学的核心，即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，真正建立前沿的开放智能体系。但窗口正在收窄，或许这是最后机会。

参考资料：

https://x.com/reflection_ai/status/1976304405369520242

https://www.sequoiacap.com/article/reflection-ai-spotlight/

https://x.com/stephzhan/status/1976326493291807117