估值百亿，产品几无，这便是当下最疯狂的AI资本叙事。

最近，前OpenAI CTO米拉·穆拉蒂创立的Thinking Machines Lab，正以高达500亿美元的估值，筹划新一轮40亿至50亿美元的融资。而它拿得出手的，仅是一个名为Tinker、界面尚待考证的API接口。

相比传统商业逻辑，这无异于一场豪赌：资本押注的，早已不是产品，而是人，是那串贴在创始人身上的“OpenAI开国元老”的黄金标签。

穆拉蒂的实验室，正是席卷硅谷的neolab（新生代实验室）风潮中最耀眼的一朵浪花。据国外知名VC menlo合伙人Deedy推文，AI领域新兴的10家neolab中，9家在种子轮阶段就斩获10亿美元估值。

一批从OpenAI、DeepMind等巨头出走的顶尖研究员，正以反叛者的姿态，用全新的范式重建AI研究的逻辑。他们不谈营收，不论商业化，只谈那些看似天方夜谭的方向：情感智能、AI社会、自动化科学家等。

资本的反应则更为直接与狂热：Humans&成立数月估值40亿，SSI瞄准超智能安全估值320亿，Periodic Labs一出手种子轮便是3亿……这些在传统视角下“啥也没有”的实验室，正以令人咋舌的估值，鲸吞着数十亿美金。

当最聪明的大脑决定另起炉灶，资本的选择是不看PPT，只认履历，用真金白银为他们的直觉与纯粹投票，赌他们能用履历兑换一个不一样的未来。

01

5家，拿下 25亿美元

当OpenAI和Anthropic的估值飙升至1830亿美元量级，变得“贵得离谱”时，资本的洪流正悄然涌向一批更为神秘、精悍的新型实验室neolab。

根据The Information报道，仅五家neolab初创公司，就在过去一个月内完成或洽谈了高达 25亿美元 的融资。

如果只看研究方向，neolab的主题几乎毫无共识：有人在做多智能体数字社会，有人在研究情感智能，有人在做自动化科学家，有人探索身体化智能，有人在推进实验物理材料，有人在逼近通用智能的边界。

它们共同点只有一个——创始人都是那批走出巨头实验室的最能打的人。这些neolab的创始人，几乎全部从OpenAI、DeepMind、Anthropic等巨头出走，个人财富早已达到千万乃至亿美元级别。然而，他们放弃了巨头的稳定与高薪，选择all in一种新的AI范式。

正是这种财务自由带来的纯粹性，构成了neolab最核心的魅力。他们可以无视短期商业化压力，专注于那些巨头不屑或无力触及的高风险、长周期探索。

于是，我们看到了研究方向呈现出前所未有的多元化：

前xAI研究员Eric Zelikman筹集10亿美元打造情感型AI初创Humans&，他不追求更快的推理速度，而是让AI理解情绪、进行价值权衡，并建立长期关系。

OpenAI安全研究员Eddie Zhang创业打造“多智能体数字社会”Isara，试图让上千个AI智能体像真实公司一样自主分工、协作与治理。

前OpenAI首席科学家Ilya Sutskever创立SSI，将“开发可控的超智能”作为唯一使命，安全优先于一切，据传估值已触及320亿美元。

相比之下，巨头们似乎被禁锢在大模型优化的单一路径上，追求参数与算力的线性增长。而neolab则追求迭代智能，其使命不是把模型做得更大，而是去发现新的智能结构。这种纯粹性也让他们能够保持极度小而精的团队，将“技术复利”做到极致。

当然，这也催生了“梦想驱动估值”的奇观。这些实验室普遍收入极低甚至为零，没有成熟产品，却凭借创始人的光环效应和颠覆性愿景，在早期就获得令人瞠目的估值。

最典型的案例莫过于前OpenAI CTO Mira Murati创立的Thinking Machines Lab。在仅推出一个初步的开发者工具Tinker、产品能力有待考证的情况下，其估值据传已高达500亿美元。

相比巨头，neolab的10亿美元估值几乎是白菜价，例如Murati作为OpenAI开国元老的标签，其加成就已值百亿。

02

情感智能、游戏视频模型……九成种子轮拿10亿美元估值

接下来依次介绍这些neolab。

①OpenAI“开国元老”单干，做超智能保险

Safe Superintelligence（SSI）由前OpenAI首席科学家Ilya Sutskever联合Daniel Gross与Daniel Levy创立，将"开发可控的超智能"作为唯一使命，安全优先于短期商业化。团队聚焦精锐科研与安全工程，而非消费级产品化。

▲ Ilya Sutskever、Paul Christiano、aniel Kokotajlo（从左到右）

披露融资规模接近/超过十亿美元，并与云基础设施方战略合作保障算力。技术上需解决三大核心：推进能力时确保安全边界领先、将理论对齐工程化、在无产品压力下维持透明治理。

短期内SSI是"科研+安全验证"的高强度实验室。尽管目前无商用产品，但其获得Google（TPU支持）与Nvidia投资，估值据报达320亿美元级别，表明资本对“长周期、安全性极高”的AGI实验室有信心。

②前OpenAI CTO出走创业，聚焦“企业定制模型”

相比Cursor的290亿美金估值，Thinking Machines啥也没有就快估值500亿美元。原因在于其创始人Mira Murati给它的加成太大。这位前OpenAI CTO、临时CEO技术背景聚焦工程研发+产品落地+AI前沿技术操盘，她于今年出走创立新公司。

▲Mira Murati

新公司主攻“可解释的群体智能”与符号-概率混合架构，将大量轻量级模型组织成层级化“工作流工厂”，通过可验证协议在金融风控、药物发现等高风险场景，实现可审计的多智能体协同。

实验方向包括任务分解语言、跨智能体信任评分与动态合约（以弱监督奖励流标注），安全边界被设为首要原则。10月，Thinking Machines推出了Tinker。

近期，Thinking Machines Lab在筹集40亿至50亿美元。此前它已筹集了20亿美元资金，最近一次的估值为100亿美元。

③前xAI研究员筹集10亿美元打造情感型AI

Eric Zelikman来自xAI，是行业内罕见专注“情绪、价值观与长期关系建模”的研究者。他的方向不追求更快的推理速度或更长的上下文，而是让AI更像人。其能处理数周乃至数月的任务，理解情绪、做价值权衡，并建立长期关系。

▲Eric Zelikman

由Zelikman创立的Humans&致力于打造“情感智能”AI，把传统强化学习从分钟级、小时级任务，延伸到用时数周甚至数月的现实任务，如长期决策、战略规划、陪伴式互动等。其目标是让AI不再追求“一次答对”，而是追求“长期最优”，具备自我情绪建模与长期目标协调能力。

尽管研究尚未商业化，也没有成熟产品，Humans&仍在成立数月内与投资人洽谈以40亿美元估值融资10亿美元。知情人士称，Nvidia与AMD均有意投资，希望这类新实验室成为下一代算力大户。

④前DeepMind 12年元老创业Reflection AI，逐梦超级智能

Reflection AI的CEO Misha Laskin，DeepMind前研究科学家，主导了Gemini从初代到1.5的RLHF训练体系和奖励模型架构设计，负责模型与人类反馈的闭环优化。芝加哥大学理论物理博士+伯克利博士后，2017年创业做AI需求预测，25岁入选福布斯“30 Under 30”。

CTO Ioannis Antonoglou是DeepMind 12年元老，AlphaGo、AlphaZero、MuZero核心架构设计者，直接参与策略搜索与价值网络构建，推动强化学习在复杂棋类和决策任务中实现突破。

两位创始人联手，带领60人团队大部分来自DeepMind、OpenAI，专注于高性能模型训练、强化学习算法优化与大模型架构设计。他们的目标是，将强化学习、奖励建模和大规模生成模型紧密结合，首先打造自主编码智能体，使其能够在复杂编程任务中自我优化、规划与执行，再逐步扩展到通用推理与跨领域问题解决。

投资人直接投入1.3亿美元，A轮估值5.55亿美元，红杉、英伟达、LinkedIn联合创始人Reid Hoffman等均在股东名单上。

⑤You.com CEO双线作战，10亿美元建AI实验室

前Salesforce首席科学家、You.com创始人、斯坦福NLP博士Richard Socher，正在筹建一家以他本人命名的新型研究所，目标直指“自动化AI研究”。同名研究所Richard Socher在筹备阶段就计划募资近10亿美元。

▲Richard Socher

Socher的设想是把科研流程彻底机器化：构建一套能够自动完成模型设计、实验执行与迭代优化的闭环系统，让AI能自主生成新想法、自我反思、自动验证，从而显著压缩从概念提出到可复现结果之间的周期。这种理念瞄准的是“研究生产力的系统级解放”。

短期内，Socher团队的能力对药物研发、材料科学、半导体等高实验密度行业尤其具有吸引力。这一方向不是堆算力，而是重构科学家的工作方式。

团队强调三条核心路径：1）自动化实验设计与超参搜索，减少人工反复调试；2）强化实验可复现性，并构建完善的闭环验证体系；3）将“自动化研究”的产出标准化为可工程化模块，使其能真正应用在企业级场景中。

⑥OpenAI和DeepMind大佬离职联手，押注“AI做科学”

Periodic Labs由前OpenAI后训练研究副总裁Liam Fedus与前DeepMind资深研究员Ekin Dogus Cubuk创立，目标是打造“AI科学家”：不仅生成论文和预测，而是真正开启“从模拟→设计→实验→验证”的全链路自动化科研流程。

▲Ekin Dogus Cubuk（左）和William（Liam）Fedus（右）

Periodic Labs首要研究方向聚焦于低能耗超导材料、新材料与催化剂等高壁垒、实验密集型领域。其愿景是让AI不只是理论工具，而是能在实验室里自主提出假设、设计合成路线、执行物理实验，并完成结果反馈，实现“真AI科学家”的闭环。

据公开融资文档，Periodic Labs已完成首轮种子融资，金额约为3亿美元，由风投机构Andreessen Horowitz (a16z)与Felicis Ventures领投。

⑦斯坦福三教授做“身体化扩散智能”，专注长期决策

Inception Labs是一家由三位斯坦福背景的顶尖学者联合创立的新型AI公司：扩散模型和FlashAttention关键推动者Stefano Ermon、UCLA助理教授Aditya Grover、康奈尔大学助理教授Volodymyr Kuleshov。

三人长期深耕生成模型、强化学习与科学计算，并拥有将前沿技术成功推向产业的履历，为公司带来罕见的“学术深度+商业落地”双重优势。

公司聚焦“身体化智能”与“长期学习系统”，试图突破传统模型仅停留在文字或静态数据中的局限，让AI置身真实世界，通过持续的物理交互积累经验，形成可长期更新的策略与习惯。他们试图打造“任务生命周期管理器”，让智能体在数周甚至数月中依环境变化不断迭代策略。

在商业端，Inception Labs采用软硬件一体路线，通过机器人与传感系统切入制造业和物流业这些需要长期适应、高频执行的场景。团队已推出Mercury系列扩散语言模型，其中Mercury Coder在编程任务上实现了数倍效率提升，为身体化智能提供高效推理引擎。

⑧游戏视频专家专注于“时空推理”模型

General Intuition由Pim de Witte联合James Swingos、Ken Colton等核心成员创立。创始团队汇集科研、技术基建及视频处理领域专家，Pim此前执掌视频平台Medal九年，带领团队积累海量游戏视频数据，其他成员深耕世界建模与策略学习前沿，兼具技术研发与产业落地经验。

General Intuition起源于视频平台Medal，利用其每年数十亿条游戏视频作为训练集，专注于“时空推理”与环境感知基础模型，让智能体理解物理世界中的运动因果。

2025年10月，公司获得1.34亿美元种子/早期融资，是2025年AI领域规模最大的早期融资之一。资金将用于扩展团队、基础设施及加速机器人/无人机原型验证。

其核心主张是，游戏视频提供了丰富的稀有成功/失败镜头，适合训练理解物体运动、碰撞与长期因果关系的模型。商业路径从游戏AI代理延伸至现实世界的感知控制，如搜救无人机、仓储机器人。

⑨金融圈名人下场做“数学超级智能”，可用于金融分析

Harmonic的故事从一个金融圈明星开始：其联合创始人Vlad Tenev，就是知名券商Robinhood的联合创始人与前CEO。这一次，他从金融与算法交易领域进入AI，引发了资本与媒体的广泛关注。

Harmonic是一家以“人类数学直觉”为起点的AI公司。它并不追求建立更大的模型、堆满算力，而是重新设计数学推理系统：让AI像人一样抽象、验证、反思，把复杂数学任务拆解成结构化步骤。公司已于2025年完成C轮融资，估值达约14.5亿美元。

Harmonic的技术路线是构建“数学层”的系统化推理引擎，与传统大模型并行，而不是取代。他们面向的是科研、量化、工程与高复杂度任务，强调输出必须可验证、可审计、逻辑严谨。与当前主流AIagent趋势相比，Harmonic的定位是提供底层高可靠性的“数学思维组件”。

⑩OpenAI安全研究员创业“多智能体数字社会”

前OpenAI安全研究员Eddie Zhang曾专注于多智能体系统的安全与协作机制研究。他认为未来智能不是一个超级大脑，而是一整个“AI社会”。于是他从最前沿的安全／协作研究中走出来，转身搭建一个全新的“智能体社会平台”。

其创业的公司Isara尝试让上千甚至上万智能体自主分工、协作、达成治理共识，像一个有部门、有责任、有激励机制的公司。它的AI智能体可以在不确定环境中自动分工、协作、分配“责任／信用”、共同完成诸如财报预测、企业尽调、法律文件分析等复杂任务。

从行业趋势来看，Isara的产品与当前流行的“单体AI agent自动化”形成对比。它不只是为了替人做事，而是为了模拟“组织结构+社会机制+群体智能”。

Neo Lab成为了这个时代的信号。AI未来的发电机，正从资源密集但可能陷入路径依赖的巨头实验室，重新回到那些手握新范式蓝图、极致专注的顶尖研究者手中。

而资本所能做的，就是抢在最早期，给他们足够的弹药，去打开那些连巨头都未曾设想的大门。