标签: AI融资

  • Meta前高管创业,一轮融资估值12亿美元:Glow要用AI重做终端安全

    网络安全圈又冒出一只独角兽。一家叫Glow的初创公司这周正式走出隐身状态,一上来就顶着12亿美元的估值,创始团队来自Meta和Snowflake。它们押的宝很直接:AI正在彻底改写企业保护员工设备的方式,老一套的终端安全方案该换了。

    “回想过去十年,一切都在往云和SaaS上搬。可现在,AI以一种前所未有的方式,直接落到了终端上。”——Glow联合创始人兼CEO Roi Tiger

    Glow创始团队
    Glow创始团队,中间为CEO Roi Tiger。图片来源:Glow

    一轮融资就成了独角兽

    这家总部在帕洛阿尔托的公司周三宣布,完成1.8亿美元的A轮全股权融资,估值直接冲到12亿美元。领投方阵容不小——红杉资本、Cyberstarts、Greenoaks和Redpoint,还有Index、Lux Capital等一众机构跟投。有意思的是,Glow连一个营收数字都还没对外公布,就先拿到了独角兽的门票,这在最近的网络安全创业圈里越来越常见。

    团队履历是它敢开这个价的底气。CEO Roi Tiger当过Meta的工程副总裁,联合创始人里有Snowflake前网络安全策略负责人Omer Singer、Claroty前研发副总裁Ophir Arie,以及另一位Meta工程负责人。COO Emily Heath更是干过联合航空和Docusign的首席信息安全官,还在Wiz被谷歌以320亿美元收购的过程中担任董事。

    攻击方在用AI,防守方也得换打法

    为什么现在要重做终端安全?因为战场变了。一边是企业疯狂往内部塞各种AI工具,另一边是攻击者也学会了用生成式AI自动写钓鱼邮件、造恶意软件、发起更刁钻的攻击。从员工笔记本到服务器再到各种联网设备,每一个终端都成了新的风险敞口。

    这种焦虑在Anthropic发布Mythos模型后被进一步放大——那款模型展示了识别和利用软件漏洞的能力,让”AI辅助黑客攻击”从科幻话题变成了现实威胁。Glow成立于2025年,做的就是一套终端安全平台,用专门的AI智能体持续扫描企业环境、实时评估风险、自动执行安全策略,盯住员工设备上跑的每一个软件、AI智能体和开发工具。


    要抢CrowdStrike们的饭碗

    Glow瞄准的是一块巨头林立的市场——CrowdStrike、微软、SentinelOne、Palo Alto Networks全在里面。Tiger的说法是,现有的终端检测响应产品大多是”事后诸葛亮”,等威胁冒头了才去抓;而Glow想做的是前置拦截,在风险软件、AI智能体和开发工具进入企业环境之前就把它们挡在门外。

    虽然刚露面,Glow说自己已经有了付费客户,覆盖医疗、零售和金融等行业,典型部署规模能覆盖全球组织里数万台员工设备,不过它没肯透露具体客户名字和数量。平台底层用的是Anthropic和谷歌Gemini的模型,通过Amazon Bedrock调用,Glow自己再包一层软件,给模型喂企业上下文,提升它们处理安全任务的可靠性。

    它已经实打实拦下过一些麻烦:比如阻止恶意npm包被装进客户环境、揪出试图偷偷拉取这类软件的AI智能体、发现那些安全检测工具缺失或功能被削弱的设备。目前公司有近100名员工,约七成在以色列,其余在美国。至于”AI原生终端安全”能不能真的长成一个独立赛道,还得看企业们接下来怎么应对越来越能打的AI模型。

  • Uber创始人卡兰尼克带17亿美元回归:这次他要造机器人的底盘

    如果你以为特拉维斯·卡兰尼克(Travis Kalanick)在被自己一手创办的 Uber 扫地出门后就此淡出,那这次他用一笔巨款把所有人的注意力又拉了回来。他的机器人公司 Atoms 刚刚完成一轮 17 亿美元的融资,领投方是硅谷顶级风投 a16z,本·霍洛维茨(Ben Horowitz)本人将进入董事会。

    特拉维斯·卡兰尼克
    Uber 联合创始人特拉维斯·卡兰尼克 图片来源:Getty Images

    参与这轮融资的还有贝恩资本、Fifth Wall 等机构。但最有戏剧性的一笔,是 Uber 也出现在了投资人名单里。要知道,2017 年正是这家公司在性骚扰、歧视和职场文化风波中把卡兰尼克赶下了 CEO 的位置。九年过去,被赶走的创始人和赶走他的公司,又坐到了同一张桌子上。

    Atoms 到底是家什么公司

    说白了,Atoms 是卡兰尼克离开 Uber 后一系列动作的集大成者。他先是搞了个叫 CloudKitchens 的”幽灵厨房”生意,今年三月又给整个盘子换了个新名字叫 Atoms,同时把老同事安东尼·莱万多夫斯基(Anthony Levandowski)掌舵的重工业自动化公司 Pronto 收入囊中。

    卡兰尼克说,他还想把生意做到采矿业里去,走得比 Pronto 现在给矿区车辆做的自动化更远。去年有消息称,他曾想在 Uber 支持下买下中国自动驾驶公司小马智行(Pony AI)的美国业务,不过据 The Information 报道,这桩谈判在三月已经告吹。

    “某种程度上,这轮融资是在了却一桩未竟之事。它是燃料,让我们把从 Uber 起步、在 CloudKitchens 延续、如今要在 Atoms 收尾的’比特到原子’故事讲完。”——特拉维斯·卡兰尼克

    在 X 上宣布融资的帖子里,卡兰尼克没有透露 Atoms 具体要造什么,但他把自己的野心说得很大。他说 16 年前就踏上了”把物理世界数字化”的旅程——用软件去理解、预测、控制现实世界,打造一种”以原子为基础的计算机”,在这里制造业就是 CPU,房地产就是存储,运输就是网络。他还有个更直白的说法:要给机器人造一个”底盘”(wheelbase)。

    a16z 为什么押注”回归的卡兰尼克”

    “特拉维斯回来了。”霍洛维茨在同一天发帖,语气里满是兴奋。他的理由是,要撼动经济里那些老派又笨重的环节,需要一种稀缺的创业者——既要有近乎偏执的拼劲,又要有跨越软件架构到机械工程的知识广度。在他看来,卡兰尼克就是这样的人。

    霍洛维茨认为,Atoms 的核心是让人在物理世界里变得更高效。他把这件事的价值类比成 Uber 之于出行、计算机之于数字世界——用 AI 和机器人,让每个人、每件事都更有生产力。


    卡兰尼克没细说这笔钱会怎么花,但从字里行间看,很大一部分会砸向招人。他把创业者要面对的对手形容成”最终 Boss”——大自然,以及它对一切改变的顽固抵抗。听上去像是在给自己打气,也像是在给准备加入的人递一份挑战书。这里的几个看点值得留意:

    • 17 亿美元的规模,在机器人赛道属于顶格融资,a16z 亲自坐进董事会分量很足;
    • Uber 的回归投资,让这段”创始人被逐”的旧账多了层和解的意味;
    • Atoms 想做的是机器人的通用”底座”,而不是单一产品,野心指向的是整个物理世界的自动化。

    争议缠身的创业者、天量资金、几乎没有边界的目标,卡兰尼克这次的故事一开场就足够抓人。至于他能不能真的把”比特到原子”这条线走通,恐怕得等 Atoms 拿出第一台真机器才好评判。

  • 前Google Brain研究员用AI智能体替非英伟达芯片写底层代码

    上个月,Jeremy Nixon 悄悄把一家公司推到了台前。这家叫 Infinity 的初创公司刚宣布拿到 1500 万美元融资,估值 1 亿美元,投资方里除了 Touring Capital、Principal VC,还有来自 OpenAI 和 Anthropic 的研究员个人。Nixon 本人是个有意思的人——他曾在 Google Brain 做研究,也是黑客社区 AGI House 的创始人。真正让外界注意到他的,是他抛出的一个有点狂的念头:AI 系统本身,能不能成为一种「元技术」,自己发明新东西。

    从「自动发明算法」到「自动写芯片代码」

    早在做 Infinity 之前,Nixon 就捣鼓过一个叫 Omega 的机器学习算法。它的特别之处在于,能自己创造出新的机器学习算法,然后在一个反馈回路里自动评估好坏。那次成功让他开始琢磨:这套思路能不能挪到别的地方?他盯上了硬件——自动化系统或许也能生成那些让芯片跑得更高效的底层代码,比如内核(kernel)这一类东西。

    英伟达的护城河,一半是软件

    这里得先说清楚一件事。很多人以为英伟达厉害是因为芯片性能好,这当然没错,但另一半答案藏在 CUDA 里。CUDA 是英伟达的软件层,让原本为图形设计的 GPU 能当通用处理器用,PyTorch、TensorFlow 都建在它上面。开发者用 Python 写应用,默认就跑在英伟达的卡上。问题是,绝大多数应用层公司既没资源也没本事自己写内核、把应用移植到别的芯片上。

    Nixon 想做的,是把 CUDA 这套「让芯片好用」的活儿交给一个 AI 智能体来干,而且不挑芯片——SRAM、GPU、手机芯片、Systolic Array 统统能适配。

    一个会自己改自己代码的智能体

    Infinity 的核心产品叫 Ignition,是个 AI 研究智能体。它的任务很硬核:为那些想挑战英伟达的芯片写 AI 推理所需的底层代码。它会测试、调试,测量硬件在这套代码下跑得快不快,不行就自动重写,直到性能提上去。整个系统是自优化的,会持续学习、自我改进,而且能适应不同的芯片架构,不管对方是不是闭源的。

    不收授权费,只抽性能提升的成

    这种打法听起来很「AI 原生」。Nixon 说,客户里已经包括 AI 芯片公司 D-Matrix——一家立志挑战英伟达的玩家,同时 Infinity 还在和其他大芯片厂、云厂商谈。更妙的是它的收费模式:不收前置授权费,而是从性能提升和成本节省里抽成,衡量的指标很直接,就是每秒令牌数(tokens per second)的变化。在一个案例里,这个智能体把原本可能要花几年或几个月的过程,压缩到了几小时或几天。

    • Infinity 不是第一家想拆英伟达墙角的公司,但它走的是「逐产品蚕食」的软件路线,而不是去造另一块卡。
    • 人类并没有被踢出局,而是给智能体定大方向,繁琐的体力活交给它。
    • 公司目前只有 26 个人,分布在设计、运营和工程岗。

    把视角拉远一点,Infinity 其实是这一波「AI 基础设施去中心化」浪潮里的一朵浪花。当训练和推理不再被绑死在某一家厂商的软件栈上,更多芯片公司才有机会把货卖出去。这条路能不能走通,取决于 Ignition 真能在不同架构上稳定逼近 CUDA 的水平——这是个需要时间验证的承诺,不是今天就能盖棺的事。

    Infinity 创始人 Jeremy Nixon
    Infinity 创始人 Jeremy Nixon(图源:TechCrunch)
  • 一家叫Natural的初创公司,要替AI智能体重写支付轨道

    Natural 团队
    图片来源:TechCrunch / Natural

    AI 智能体现在已经能帮你找供应商、比价格、联系承运商把货安排妥当。可真到了付钱那一下,它还是得把人类叫过来点头。一家叫 Natural 的初创公司觉得这很别扭,干脆拿了两千万美元(约 3000 万美元)的 A 轮,想从最底层把这套为「人」设计的支付轨道重写一遍。

    问题出在「轨道」本身

    今天金融系统跑的那套基础设施——信用卡、ACH 转账、各种清算网络——每一环都默认有个「人」在授权。可智能体是按机器速度工作的,它没法等月底才出账单,更没办法为了一笔毫秒级的 API 调用去填一张信用卡。支付那一下成了整条自动化链路上唯一的断点。

    Natural 的创始人 Kahlil Lalji 是银行背景出身,本来发誓这辈子不再碰金融——上一家公司卖给了 Earnin,他自称被这个行业「烧」过。但他发现,智能体的进化速度已经甩开了现有的金融架构。「代理式支付会结构性地成为这个赛道里最重要的问题,这一点太明显了,我绕不开它。」

    「世界上发生的支付笔数,可能会比今天多出两三个、甚至四个数量级。」——Natural CEO Kahlil Lalji

    它想做什么,又面临谁

    Natural 把自己定位成一个「智能体编排层」:企业接上它的基础设施,就能让自己的 agent 自主付款、收款,甚至还和其他 agent 互相交易。这轮由 Forerunner 的 Kirsten Green 领投,总融资来到 4000 万美元。团队里已经挖来了曾在 Stripe、Ramp、Square 干过的老兵。

    • 直接对手是 Stripe——它也在抢着给 AI 智能体重做支付轨道,但大公司的转身总归更慢。
    • 其他玩家如 DCVC 支持的 Skyfire,押注用美元稳定币重构这套 backbone;Natural 两条路都接,传统银行支付和稳定币都做。
    • 它不只管「代付」,还打算重新设计纠纷处理这类支付里最麻烦的环节。

  • Prime Intellect 融了 13 亿美元:企业不想再给大模型厂商”交租”了

    Prime Intellect 创始人团队
    Prime Intellect 把训练 AI 智能体的全套家当打包成”全栈”服务(图源:TechCrunch)

    一家 2024 年才成立的公司,靠帮企业自己训练 AI 智能体,融到了 1.3 亿美元 A 轮,估值直接站上 10 亿美元。投资方名单读起来像一张 AI 圈名人堂——英伟达、英特尔、戴尔的战投都在,还有 Perplexity、Box、Harvey、Cognition 这些公司的创始人以个人身份下注。这轮由 Radical Ventures 领投,光看阵容就知道,芯片和云厂商都想在”谁来训练明天的模型”这件事上占个座。

    一家成立两年的公司,凭什么值 10 亿

    Prime Intellect 做的事说白了就是一句话:别再从 OpenAI 或 Anthropic 那里按 token 租智能了,自己造一个更适合业务的。它把训练 AI 智能体需要的家当打包成一套”全栈”——算力、强化学习框架、评估工具,客户像逛市场一样按需取用,不会被绑死在一套方案上。

    “不应该只有旧金山玻璃大厦里的少数极客才拥有训练 AI 模型的能力,每一家企业、每一个国家都应该拥有这种能力。”——Prime Intellect CEO Vincent Weisser

    为什么这件事忽然有了土壤?几年前,自己训模型还是只有巨头玩得起的游戏。但现在强化学习这套打法成熟了,模型可以在具体任务上反复试错、被奖励、被修正,企业慢慢能当自己的”AI 实验室”。真正的难点在于底层基建太复杂,大多数公司根本凑不齐这套零件——Prime Intellect 就卡在了这个缝里。

    企业为什么不想再”租”智能了

    吸引力来自实打实的结果。金融公司 Ramp 用它做了一个在表格里找答案的 Agent,官方说法是准确率高过前沿模型,速度更快,成本只有零头。更关键的是心态变化:企业越来越不愿意把专有数据喂给 OpenAI 和 Anthropic,也怕哪天模型像上个月 Anthropic 的 Fable 那样说关就关。

    • 把敏感业务数据留在自己手里,而不是交给第三方大模型厂商;
    • 不用担心模型被突然下线,业务连续性更有保障;
    • 在垂直任务上,自训的小模型成本可能远低于调用前沿 API。

    Radical Ventures 的合伙人 David Katz 说得更直白:大家开始琢磨”怎么把企业自己的智能掌握在手里,别冒那些风险”。目前年化收入已经冲到 1 亿美元,Ramp、Zapier 都是付费客户。


    钱正流向训练场,而不是模型

    这轮融资背后藏着一个正在成形的判断——资本正在涌向”训练场”,而不是模型本身。就在五天前,做 Agent 安全训练环境的 Bespoke Labs 也拿了 4000 万美元。两笔加起来的信号很清楚:企业想要的不再是又一份订阅,而是 Agent 这个东西的所有权。英伟达和英特尔同时开出支票,说明连芯片厂也信了这套逻辑——它们不在乎模型最后归谁,只要训练跑在自己的硅上就行。接下来一年要回答的问题是,Prime Intellect 能不能在 OpenAI 和 Anthropic 自己猛攻企业市场时,守住这 1 亿美元的增速。

  • AI芯片又一笔10亿美元:SambaNova估值冲到110亿,摩根大通把算力搬回自家机房

    SambaNova 这家公司,你可能没怎么听过,但在 AI 芯片这条赛道上,它刚干了一件挺有象征意义的事。7 月初,这家 2017 年成立的帕罗奥图创业公司宣布完成 10 亿美元 F 轮融资的第一笔交割,投后估值来到 110 亿美元。领投方是老牌成长基金 General Atlantic,贝莱德、卡塔尔投资局、Intel Capital 等一众机构跟投。

    有意思的是,这笔钱距离它上一次融资只隔了不到五个月。今年 2 月它才拿下 3.5 亿美元 E 轮,同时发布了第五代芯片 SN50。换句话说,资本市场的钱还在疯狂往 AI 基础设施里灌。

    SambaNova 的 CEO Rodrigo Liang 说了一句很直白的话:摩根大通这种级别的银行开始自己搭私有、安全的算力底座来跑推理,这个信号会传到银行业之外。

    它到底造的是什么芯片

    SambaNova 走的是和英伟达不一样的路子。它的芯片不是要取代英伟达,而是贴着英伟达一起用。公司主打”高端推理”——把今天动辄几万亿参数的前沿大模型,塞进一个机柜里跑,而且跑得飞快。Liang 对外说过,SN50 跑推理的解码部分比竞品快五到十倍。

    SambaNova AI 芯片
    SambaNova 的 AI 推理芯片(图源:TechCrunch)

    今年 2 月发布的 SN50 基于数据流架构,计算能力是上一代 SN40 的 5 倍,网络带宽是 4 倍,预计 2026 年下半年开始向客户发货,软银是它的第一个部署伙伴。

    三类客户,和一个 IPO 悬念

    Liang 把客户分成三块:一是主权云,各国政府出钱扶植本地私有云;二是新云(neocloud);三是自建自用的大企业。除了摩根大通,沙特阿美、英特尔以及一些日本企业也在客户名单上。


    • SambaNova 成立以来累计融资规模已相当可观,本轮后现金储备进一步增厚
    • 资金一大用途是锁供应链——在汹涌的需求面前先把产能和物料攥在手里
    • 与英特尔的关系也在加深,双方从投资到联合开发产品一起推向市场

    至于公司未来,Liang 话讲得很活。被问到连续融资是不是意味着铁了心独立,他说”一直有人来找我们”,这扇门在动态的 AI 市场里还开着,但增长势头更可能把公司推向”某天上市”。据 CNBC 报道,他甚至提到了 2027 年 IPO 的可能性,大概率选美国。

    AI 基础设施建设的热度,从这 10 亿美元里就能看出来。当大行都不愿意把最敏感的模型推理完全交给云厂商,像 SambaNova 这样专做”把大模型安全跑在自己地盘上”的芯片公司,就有了存在的理由。

  • DeepSeek 冲刺 IPO:估值一个月从 500 亿跳到 710 亿美元

    去年年初,一家叫深度求索的中国公司用极低的成本训出了能跟美国一线大模型掰手腕的模型,把整个硅谷看愣了。现在,这家公司准备把自己送上股市。

    据彭博社报道,DeepSeek 正在筹备 2027 年登陆资本市场,最早今年底就可能递交申请;与此同时,它打算新一轮融资大约 15 亿美元,估值放到 710 亿美元左右。消息出来前才一个月,DeepSeek 刚完成成立以来的第一笔外部融资——70 亿美元,估值约 500 亿美元。换句话说,它的身价在短短几周里又涨了四成多。

    一笔为上市量身定做的融资

    这轮钱跟上一轮性质不太一样。70 亿那笔是把外部投资人第一次请进股东名册,定了个 500 亿美元的基准价;这一笔 15 亿更像是上市前的”标价动作”——在真正向公众打开账本之前,先让市场知道私人资本愿意给它多少。它要的不是分散股权,而是给投行和未来的散户一个信号:这家公司值这个价。

    从 500 亿到 710 亿美元,一个月出头的工夫,估值跳了 42%。在公开市场还没给过它一个真实价格之前,这个数字更像谈判筹码,而不是定论。

    凭什么值这么多

    支撑估值的,是实打实的使用量。企业级 AI 网关 Vercel 的数据显示,今年 6 月,DeepSeek 处理的 token 占到了将近 23%,排第二;第一是 Anthropic,占 32%。一家中国开源实验室,能在一个全球开发者的入口里吃掉接近四分之一的流量,这本身就说明问题。

    更耐人寻味的是芯片。美国的出口管制卡着先进半导体,DeepSeek 的云服务却跑在华为的芯片上。它用这件事证明了一件事:即便拿不到英伟达最顶尖的货,中国团队照样能把模型能力追到美国一线实验室的几口气之内。

    DeepSeek 上市概念图
    DeepSeek 冲刺 IPO,开源模型的经济账第一次要摊开给公众看

    股东名单里站着”国家队”

    彭博社提到,DeepSeek 的投资人里已经有腾讯,以及北京的国家人工智能产业投资基金。这两家都有动力在上市前把估值推高——不管公开市场最后肯付多少钱。

    • 成立仅三年,靠”低成本训出高性能模型”出名
    • 开源权重,下载量和 token 份额都说明影响力,但收入始终没公开
    • 从幻方量化的长期支持,转向外部融资和公众披露,自由度会部分换成透明度

    当然,这个故事还有没说完的部分。DeepSeek 拒绝置评,彭博的报道也只是单方信源。等它真的披露收入、毛利、芯片投入和公司治理,710 亿美元才算接受检验。对盯着开源替代方案的人来说,DeepSeek 的估值曲线已经成了观察中国 AI 实验室怎么进公开市场的风向标。

    📎 原文来源:DeepSeek reportedly in talks to raise $1.5B, then IPO(TechCrunch / Dominic-Madori Davis)
  • 贝索斯3.2亿美元押注General Intuition:用游戏数据教AI理解真实世界

    General Intuition CEO Pim de Witte
    General Intuition 创始人兼 CEO Pim de Witte(图源:TechCrunch)

    大语言模型把文字玩得炉火纯青,可一旦要理解”东西怎么在空间和时间里动”,就明显露怯了。ChatGPT、Claude 这类模型擅长生成句子,却不太懂物理世界里的因果。General Intuition 这家公司觉得,答案不在更多文本里,而在数十亿小时的游戏录像中。

    “我们把它看作预训练的下一个阶段,”CEO Pim de Witte 说,”我们有一个单一模型,既能对着屏幕里的《堡垒之夜》做决策,又能适应真实世界的动态——这是大语言模型永远做不到的。”

    从游戏片段里长出来的公司

    General Intuition 脱胎于 Medal TV,一个让玩家上传和分享游戏高光的平台,月活大约 1000 万。过去几年沉淀下来的数亿小时录像,成了训练数据的起点。但真正值钱的不是画面本身,而是画面里内嵌的动作标签——玩家在哪个瞬间按了哪个键、按了多久。

    这家公司刚完成一轮 3.2 亿美元融资,估值 23 亿美元,总融资额累计到 4.54 亿美元(去年 10 月成立时先拿过 1.34 亿美元种子轮)。投资方阵容相当扎眼:Khosla Ventures 领投,General Catalyst、杰夫·贝索斯、埃里克·施密特,甚至还有 F1 世界冠军尼科·罗斯伯格,以及 DeepMind 和 MIT 的研究人员。更有意思的是,de Witte 据称在 2024 年底拒绝过 OpenAI 开出的约 5 亿美元收购 Medal 数据的邀约。

    八分钟真实数据,让机器人学会走路

    公司最终要卖的不是世界模型,而是一个能从游戏泛化到现实世界的智能体。演示里最抓人的一幕,是一台四足机器人用和游戏智能体完全相同的”大脑”在办公室里自主探索,偶尔撞上椅腿,像个刚学步的孩子。令人意外的是,给这个机器人的模型做微调,只需要八分钟在户外街道采集的真实数据。

    de Witte 把世界模型当成”训练场”——一个逐帧生成、而非传统引擎渲染的仿真环境。他让人走向一堵墙,角色没有穿过去。这种对物理常识的把握,正是他们押注的核心:游戏数据是一条能规模化的捷径。2025 年公司靠早期接入拿到了约 4000 万美元收入,产品计划在今年夏末正式开放。


    为什么是游戏,而不是更多视频

    多数竞争对手想仅凭视频画面反推动作,General Intuition 认为这远远不够。他们坚信,玩家按键的精确记录能帮模型区分”自我”和”环境”,建立起更深层的因果理解。Khosla 在采访里说,吸引他的是这份愿景加独有的数据壁垒:”对于世界模型,我认为那次跃迁会是 AI 里’直觉’的涌现。”

    • 资金大头投向算力扩张,已与 CoreWeave 合作,准备下一版模型的预训练
    • API 计划在今年夏末更大范围开放,让客户在工厂数字孪生、游戏工作室里检验模型
    • “我们不会去做一家自动驾驶公司,我们要让下一个人做这件事容易十倍”

    一条明确的红线

    de Witte 早年做过三年人道主义工作,包括在无国界医生组织。他给技术划了一条硬杠:不碰致命自主武器。”假设我公开说要做致命自主武器,你觉得别国会怎么反应?”但他欢迎模型用在搜救上。公司还做了个叫 Nerve 的平台,给玩家提供数据标注、再到机器人远程操控的工作机会——这代玩家最容易被 AI 冲击,他想让他们站在牌桌这边。

  • 新加坡AI视频公司PixVerse融了4.39亿美元,估值冲破20亿,阿里入局

    做AI视频生成的公司这两年不算少,但真能拿到大钱、还被阿里看上的不多。新加坡的PixVerse刚宣布完成一轮C轮扩展融资,总额4.39亿美元,估值直接冲过20亿美元。这一轮由CDH Investments领投,新进来的名字里最扎眼的是阿里巴巴,此外还有Mirae Asset、BlueFocus、Eastern Bell Capital等。

    AI视频生成概念图
    AI视频生成正成为生成式AI里最烧钱、也最被资本追捧的赛道之一。

    三年、1.5亿用户、20亿估值

    这家公司2023年才成立,创始人是王昌虎和Jaden Xie。王昌虎之前在字节做计算机视觉,Xie做过投资。他们现在对外说,消费端产品已经有超过1.5亿注册用户、1500多万月活。至于其中多少是付费用户,他们没说——这是个留白,但也正常,很多AI应用都靠这个盘子撑起估值。

    三套模型,外加一个“世界模型”

    PixVerse不是只卖一个模型。它有V系列,面向普通用户和API调用;C系列,面向专业影视和广告工作流;今年早些时候还发布了R系列“世界模型”,专门给游戏和虚拟世界搭建用。用户能生成最高4K、还带声音的视频,图片转视频的价格是每分钟4.8美元。

    Xie对TechCrunch说:“关键差别不在数据,而在你怎么标注它,因为数据到处都是。”他的联合创始人王昌虎在字节搭过TikTok背后的视觉理解技术,靠精准标注撑起了推荐算法。

    一句大实话,点了一圈对手

    同行都在说自己“质量高”,这话没有信息量。Xie真正想强调的差别在“标注”:数据到处都是,谁标得好谁赢。他还很不客气地点了对手——OpenAI关掉Sora 2、等于退出了这个赛道;Meta和腾讯也做不出够质量的视频模型。所以能打到质量线的没几家。

    亚洲这边有字节的Seedance、Kling AI,以及前腾讯AI负责人危宇的Video Rebirth;西方则有Runway、Luma、Midjourney。世界模型这条更窄的赛道上,Yann LeCun和李飞飞也都在做。


    钱要花在哪,估值能不能站住

    这轮钱怎么花?扩世界模型、招研究员、铺全球企业销售。PixVerse目前150人,散布在新加坡、北京、上海,还跟投资人阿里签了部署合作,把视频生成功能接进阿里的体系。视频生成这条赛道热得发烫,但变现终究是硬仗——1500万月活里多少真付费、企业客户能不能持续掏钱,才是20亿估值能不能站稳的关键。Sora退场留下的空位,正在被亚洲公司抢。

    • 融资规模:C轮扩展4.39亿美元,估值突破20亿美元
    • 关键投资人:CDH Investments领投,阿里巴巴等新进
    • 产品矩阵:V系列(消费/API)、C系列(专业)、R系列(世界模型)
    • 用户盘子:1.5亿注册、1500万月活,付费率未披露
    📎 原文来源:Video generation startup PixVerse raises $439M, valuation soars past $2B(TechCrunch / Ivan Mehta)
  • 三个23岁辩论队友做的AI数据公司,估值冲上200亿美元

    AI训练数据标注场景
    给AI实验室供训练数据,正在成为一门估值惊人的生意(图源:TechCrunch / Getty Images)

    硅谷最疯的造富故事又添一笔:一家帮 AI 实验室做数据标注的公司,估值要在不到一年里从 100 亿翻到 200 亿美元。更离谱的是,把它做起来的是三个 23 岁的年轻人,而且公司从成立第一天起就盈利。

    高中辩论队出来的独角兽

    Mercor 成立于 2023 年,三位创始人是在旧金山湾区一所高中的辩论队里认识的。去年10月,他们 22 岁,被福布斯评为全球最年轻的自手起家亿万富豪。如今 23 岁,据估算如果本轮融资顺利完成,每人身家将接近 43 亿美元。

    从 100 万美元到 20 亿美元年化营收,Mercor 只用了 24 个月——创始人称这是”史上最快的增长曲线”。

    卖的不是软件,是专家的人力

    Mercor 的生意模式很直接:把领域专家——博士、律师、医生、工程师、银行家、程序员——对接给需要高质量专业数据来训练前沿模型的 AI 实验室。它目前管理着约 3 万名合同工,用自研的 AI 面试平台筛过 500 多万候选人,每天给合同工发出的报酬超过 400 万美元。客户名单里有 OpenAI、Anthropic 和 Google;Meta 曾是它的大客户,直到 2026 年 3 月因一次安全问题暂停合作。

    估值翻倍的逻辑

    据彭博报道,Mercor 正在洽谈以约 200 亿美元估值融资 5 亿美元,并且已经拿到至少一份 term sheet。九个月前它刚以 100 亿估值完成 3.5 亿美元 C 轮。撑起估值的硬指标是营收:年化收入今年2月刚破 10 亿,到6月就翻倍到 20 亿,CEO 在 X 上亲自确认了这一里程碑。同一天,Mercor 还宣布收购 Deeptune——一家帮训练 AI agent 的公司,曾拿到 a16z 领投的 4300 万美元 A 轮,重写了数百个真实软件环境供强化学习练习,团队整体并入。这意味着 Mercor 正从静态标注,一路延伸到 agent 训练。

    光鲜背后的暗面

    2026 年一开始,Mercor 过得并不顺。3 月它卷入了开源库 LiteLLM 的供应链攻击,最多有 4TB 的内部与合同工数据暴露;Meta 因此暂停合作,合同工也发起了集体诉讼。福布斯还曝出前员工怀疑有朝鲜特工用盗取的凭证渗透进平台,另有员工因挪用资金被解雇。Mercor 自称调查显示对客户和合同工数据的影响”非常有限”。