Reflection AI 完成20亿美元融资，估值80亿美元，定位为开源AI前沿实验室

人工智能初创企业Reflection AI由两位前Google DeepMind研究员于去年创立，在短短一年内就完成了最新一轮融资，成功筹集20亿美元，公司估值飙升至80亿美元，相比7个月前的5.45亿美元估值，暴涨了近15倍。

该公司最初以自主编程智能体作为切入点，这是一个更为务实的落地方向。如今，Reflection AI正重新定义自身，成为OpenAI、Anthropic等“封闭前沿实验室”的开源替代者，同时被誉为“美国版DeepSeek”。

“我们正在将开放模型的前沿技术带回美国，以在全球范围内构建繁荣的人工智能生态系统。”Reflection AI创始人兼首席执行官Misha Laskin表示。

本轮融资的投资方阵容堪称豪华，包括：Nvidia、Disruptive、DST、1789、B Capital、Lightspeed、GIC、Eric Yuan（Zoom创始人）、Eric Schmidt（谷歌前CEO）、花旗、红杉资本、CRV等。

从编码智能体起步

Reflection AI成立于2024年3月，由曾主导DeepMind Gemini项目奖励建模的Misha Laskin和AlphaGo（即在2016年击败围棋世界冠军的AI系统）的联合创作者Ioannis Antonoglou共同创立。

Laskin在一年前的访谈中提到，他离开DeepMind是因为相信AGI即将实现，而独立的初创公司能够更快地推进这一进程。他预测，“小型任务的智能体”将首先落地，而“通用超人类智能体”大约在3年左右出现。

当时，两人同在Gemini项目团队，Ioannis负责RLHF，Laskin负责奖励模型训练。他们认为，训练和微调大模型的方法已相当成熟，核心问题转向了“数据”以及如何在这些模型上实现“规划”和“搜索”。“独立出来做这件事，能推进得更快。”Laskin解释道。

两人深厚的前沿AI系统研发经验正是他们的核心优势。他们希望证明，即使不依赖科技巨头，顶尖人才也能独立打造最前沿的模型。

在不到3个月前，Laskin在播客中提及，公司的目标是通过“研发与产品协同设计”来打造超级智能。

今年7月，他们推出了面向工程团队的代码理解智能体Asimov，并声称“Asimov已经是代码理解领域中最好的智能体。在与一些大型开源软件项目维护人员进行的盲测中，Asimov的答案在大多数情况下比Cursor Ask和Claude Code（Sonnet 3.7和4）更受青睐。”此后，这家初创公司几乎没有正式发布其他产品。

选择从编程领域起步，是因为他们认为，训练一个能通过代码与软件交互的语言模型，相当于给AI装上了“手脚”，未来语言模型与Salesforce、CRM工具等各类软件的交互，大部分都会通过API、函数调用（即代码）实现，这不仅限于工程师使用。其次，编码对语言模型来说是“天然优势领域”。如果能为企业打造一个解决编码问题的“智能顾问”，就相当于掌握了打造超级智能所需的所有核心能力，后续可以轻松扩展到其他领域。

Laskin表示，Asimov只是第一步，之后会把“企业级超级智能”扩展到编码之外的领域，比如产品、营销、HR的“团队记忆”和知识管理。

在宣布本轮融资的同时，Reflection AI表示已从DeepMind和OpenAI挖来一支顶级团队，他们曾主导或参与了PaLM、Gemini、AlphaGo、AlphaCode、AlphaProof的研发，也为ChatGPT、Character AI等项目做出贡献。

Laskin曾指出，团队核心成员之前在大实验室都能获得高薪，但很多人进入AI领域，本质是想做突破性工作。但大实验室的黄金时期其实是早期，比如DeepMind做Deep Networks、OpenAI做GPT-1到GPT-3的时候，而现在的初创公司反而有机会成为下一个前沿实验室。

“对这些人来说，钱不是首要问题——我们给的股权足够让他们看到长期价值，更重要的是参与感：他们能主导核心方向，而不是在大公司里只负责一小块业务。而且现在有能力冲击前沿实验室的初创公司很少，我们反而成了稀缺选项，毕竟谁不想参与下一个AI突破项目呢？”

Reflection AI还表示搭建了一套先进的AI训练系统，公司承诺将对外开放。更重要的是，Reflection AI声称已经“找到了与开放智能战略相契合的可规模化商业模式”。

据Laskin介绍，Reflection AI目前团队规模约60人，成员主要包括AI研究员和工程师，涉及基础设施、数据训练和算法开发等领域。公司已经获得算力集群，计划在明年推出一个使用“数十万亿tokens”训练的前沿语言模型。

“我们打造出了过去被认为只有顶级实验室才能实现的系统——一个能在前沿规模上训练大规模专家混合（MoE）模型的LLM与强化学习平台。”Laskin说道。

Reflection AI在X上发文称：“我们亲眼见证了这种方法在自主编程领域的成效。现在，我们要把这些方法扩展到通用智能体推理领域。”

开始主打“开源”牌

MoE是一种支撑前沿大模型的架构——此前只有大型、封闭的AI实验室才有能力进行此类规模的训练。中国的DeepSeek在开源大规模MoE训练上取得突破，随后Qwen、Kimi等模型也相继崛起。

此外，一个月前彭博社还曝出，DeepSeek正在开发具有更强大AI Agent能力的新模型，仅需少量提示就能帮用户执行复杂操作，并且还能根据历史操作自我进化和学习，该模型预计在今年年底推出。

Laskin表示：“DeepSeek、Qwen等模型对我们来说是一次警醒——如果我们什么都不做，那么全球智能标准将由别人制定，而不是由美国制定。”

Reflection AI指出，AI能够走到今天，正是依靠一系列被公开分享的关键理念，比如自注意力机制、下一词预测、强化学习等。AI正在成为一切技术的基础层，支撑科研加速、教育提升、能源优化、医学诊断增强、供应链运转等。

“但问题在于，最前沿的技术目前仍集中在封闭实验室中。如果这种趋势持续下去，极少数机构将掌握构建AI所需的资本、算力和人才，形成一种‘滚雪球式’的垄断，排除掉所有其他参与者。”“我们需要打造足够强大的开放模型，让它们成为全球用户与开发者的首选，以此确保智能底座保持开放、可访问，而不是被少数人控制。”

在美国科技圈，Reflection AI的新使命受到了普遍欢迎。

白宫AI与加密事务专员David Sacks在X上发文称：“很高兴看到更多美国开源AI模型的出现。全球市场上相当一部分用户更看重开源带来的成本、可定制性和控制力。我们希望美国在这一领域也能领先。”

Hugging Face联合创始人兼CEO Clem Delangue表示：“这对美国开源AI来说确实是个好消息。”但他也补充说：“接下来最大的挑战，是要展示出在开放模型与数据集上的高频共享速度，就像当前那些主导开源AI的实验室一样。”

开放模型权重，不公开训练数据等

据悉，Reflection AI对“开放”的定义，更接近开放访问而非完全开源，类似于Meta（Llama）或Mistral的策略。

Laskin表示，公司会开放模型权重，即AI的核心参数，供公众使用，但训练数据和完整训练流程不会公开。“实际上，最有影响力的就是模型权重，因为任何人都可以基于它进行实验。至于完整的基础设施栈，只有极少数公司真正有能力使用。”

这种平衡也支撑着Reflection AI的商业模式。Laskin表示，研究者可以免费使用模型，但公司的主要收入将来自大型企业在其模型上构建产品，以及各国政府建设主权AI（Sovereign AI）系统的项目。

“对于大型企业来说，开放模型是默认选择。你希望对模型有完全的控制权——能在自己的基础设施上运行、控制成本、为不同工作负载做定制优化。毕竟，AI成本极高，你当然希望尽可能优化它。这就是我们瞄准的市场。”Laskin说道。

Reflection AI尚未发布首个模型。Laskin透露，该模型将以文本为主，未来会具备多模态能力。公司计划将这轮融资投入到算力资源中，目标是在明年年初发布第一款前沿模型。

对于资金问题，Laskin也在之前的博客中提到，“资金很重要，但我们能比大实验室更高效。比如大型实验室需要100单位资金，我们聚焦核心方向的话10单位就够了，差了一个数量级。”

他坦言，资金需求主要看“什么时候需要扩GPU”——AI公司的主要成本就是GPU支出，其次才是人力和数据。“所以，我们融资的规模，会和进入下一阶段扩张的节奏匹配。我们不用像大实验室那样铺大摊子，效率更高。”

参考链接：

https://reflection.ai/blog/frontier-open-intelligence/

https://techcrunch.com/2025/10/09/reflection-raises-2b-to-be-americas-open-frontier-ai-lab-challenging-deepseek/