YOHO AI

标签： AI融资

  • 巴黎AI语音公司Gradium拿下英伟达1亿美元，要抢ElevenLabs的活

    AI语音技术概念图
    实时语音AI正在成为人机交互的新入口（图源：TechCrunch / Getty Images）

    你跟AI语音助手说话时，最别扭的瞬间是什么？多半是那种尴尬的停顿——你明明把话说完了，它还在”思考”，过了半秒才接上一句。巴黎一家叫 Gradium 的初创公司，盯上的就是这块短板：让机器说话别再卡顿，像真人一样即问即答。

    从开源实验室里长出来的公司

    Gradium 2025年12月才从隐身状态走出来，它本身是从法国 AI 实验室 Kyutai 分拆出来的。Kyutai 由法国电信大亨 Xavier Niel 支持，走开源路线。Gradium 的联合创始人 Neil Zeghidour 是个老面孔，先后待过 Google Brain、DeepMind 和 Facebook，是生成式音频领域的核心研究者之一。

    “语音AI正在到达一个拐点。” Zeghidour 在融资声明里这么判断——他认为语音会成为人和智能系统之间的主要界面。

    英伟达为什么愿意入局

    7月8日，Gradium 宣布把种子轮追加到 1 亿美元，新加入的投资者里出现了英伟达。它最初在2025年12月就拿了 7000 万美元，投资方名单相当豪华：FirstMark Capital、Eurazeo、DST Global Partners，还有 Eric Schmidt 和 Xavier Niel 个人。芯片巨头亲自下场投语音模型，释放的信号很明确：语音已经被视作 AI 基础设施的关键一环，而不只是应用层的点缀。

    它到底做了什么

    Gradium 做的是一个超低延迟的实时语音栈，核心目标是让 AI 声音几乎即时响应。具体拆开来看，几块能力都挺实在：

    • 新一代实时文本转语音，读缩写、邮箱、电话号码这类内容更准，也更自然；
    • 实时语音识别带”语义轮次检测”——能判断你是真的说完了，还是只是停下来喘口气，而不是靠静音就草草打断；
    • Gradium Translate 超低延迟的语音到语音翻译，还有端侧模型 Phonon，以及开源框架 GradBot，几行代码就能搭出能用的语音 agent。

    去湾区抢人，也抢客户

    这笔钱另一大用途，是在旧金山湾区开办公室。巴黎固然是欧洲 AI 重镇，但 Gradium 直言就是要离 Anthropic、Google、Meta、OpenAI 更近，方便挖人和贴近大客户。竞争当然激烈：做语音的 ElevenLabs 今年2月估值已经到 110 亿美元，Google 的 Gemini 也是语音老手。不过 Gradium 说自己上线几周就有了收入，还拿下了雷诺这样的企业客户。

  • Spotify老板的副业又融7亿美元：用一次全身扫描把病掐死在萌芽里

    Neko Health 创始人 Daniel Ek 与 Hjalmar Nilsonne
    Neko Health 两位创始人：Hjalmar Nilsonne（左）与 Daniel Ek（右）

    丹尼尔·埃克大概是全硅谷坐不住的老板之一。Spotify 的事还没忙完，他又带着自己 2023 年创办的 Neko Health，在预防性体检这条路上越跑越快。这家公司刚宣布完成 7 亿美元的 C 轮融资，领投方是 Lightspeed 和 O.G. Venture Partners——距离上一轮 2.6 亿美元 B 轮，才过去一年半。

    Neko Health 做的事听起来简单：给你做一次全身扫描，趁毛病还小的时候把它揪出来。它把自研的扫描设备和血检绑在一起，整个过程没有辐射、大概一小时，能抓出上百万个健康数据点，覆盖皮肤、心脏、血液和代谢。健身房常客还会顺带拿到一份身体成分分析，最近它还能把 Apple Health 的数据接进来，创始人 Hjalmar Nilsonne 说，这让医生手里多了真实世界的行为数据可用。

    真正让投资人掏钱的，是它那套让人想再来一次的体验。在英国和瑞典的门店里，超过 10 万人已经做过扫描，还有 35 万人在排队或已经约好时间。更关键的是复购：平均有四分之三的人，在第一次扫描结束时就直接把明年的名额和钱都预付了。在医疗这种能不来就不来的领域，这个数字挺让人意外。

    Calm 的创始人 Alex Tew 在 X 上写过自己的经历：一次 Neko 扫描在他背上发现了一颗恶性肿瘤，他很快做了切除。“我很感激 Neko 帮我发现了它——否则我真不知道要等到什么时候。”皮肤癌早发现能治好，晚发现会要命，这一条留言大概比任何融资新闻都更能说明问题。

    为什么是现在进美国

    这一轮融资的重要目的，是把生意第一次搬到大西洋对面。Neko 计划先在纽约开第一家美国门店。美国医疗市场又大又碎，体检这块向来是保险公司不怎么管、用户自己掏钱的地带，恰恰给这种直营式预防服务留了空间。

    不是只有它在抢这块蛋糕

    值得玩味的是，连 Midjourney 都在做扫描仪。这家以 AI 生图出名的公司，打算把设备塞进一个带温泉和桑拿的养生馆里，2027 年在旧金山开业。一个走临床路线，一个走 spa 路线，赌的都是同一件事：人们越来越愿意为提前知道身体出了什么岔子花钱。

    • 本轮新进投资方包括 Atomico、General Catalyst、Lakestar、Liberty City Ventures、Positive Sum 和 BDT & MSD
    • 早期支持者 Tim Ferriss 的逻辑很直接：60 分钟内拿到一份高清的“身体地图”，由不着急的医生当面讲清楚，还只卖 299 英镑——这种简单，才是真正能规模化的简单

    埃克把音乐塞进了每个人的耳机，现在他想把防患于未然塞进每个人的年度计划。当 Spotify 的老板开始认真做体检，你大概能感觉到，预防性健康这门生意，正在从极客的玩具变成一门正经的大产业。

  • OpenAI 又走一个：研究员 Miles Wang 带着 20 亿美元估值，去 AI 制药了

    OpenAI 的人才往外流，已经不是新闻了。但这一回有点不一样——据 TechCrunch 报道，研究员 Miles Wang 正在谈离开 OpenAI，自己单干一家做药物研发的 AI 公司。更扎眼的是估值：他洽谈的是一笔约 2 亿美元、公司估值冲到 20 亿美元的融资，Lightspeed 据称在谈领投。

    AI 生物科技研究概念图
    AI 正在被搬到药物研发这条赛道上（图源：TechCrunch）

    一个从哈佛辍学的研究员

    Wang 是什么来头？2024 年，他从哈佛计算机专业辍学加入 OpenAI，参与的研究大多围绕一件事：怎么用 AI 模型去加速科学和生物学上的发现。他合著过论文，专门评估 AI 在自动化科研上的能力。换句话说，他不是那种只写业务代码的人，手里是真有把模型往生物数据上搬的经验。当然，这事儿还没板上钉钉。据称有好几位 OpenAI 研究员也会跟着他走。Wang 本人对报道里的融资金额和公司描述提出了异议，只是没说具体哪错了——这种”不否认也不确认”的态度，反而更像是交易还在拉扯中。

    押注”老药新用”

    据几个消息源，这家公司想做的，是用 AI 模型帮已经上市的药找新用途——甚至包括那些临床试验失败、被药企放弃的药。这条路的聪明之处在于：药早就过了安全测试，不用再从头走一遍漫长的临床，变现速度比从零研发快得多。

    把语言模型那套 transformer 架构，搬到蛋白质、分子预测上——这个想法现在被投成了显学。

    整个赛道都在被资本疯抢

    Wang 这一走，背后是整个 AI 制药赛道的热度。就在同一天，Chai Discovery 刚宣布融了 4 亿美元、估值 38 亿美元，它的联合创始人 Josh Meier 同样是在 OpenAI 待过的研究员；更早之前，DeepMind 分拆出来的 Isomorphic Labs 在 5 月拿下了 21 亿美元的 B 轮。逻辑很简单：既然缩放定律能让模型把话越说越好，那把它用到生物系统上，是不是也能把十年起的研发周期压到三五年？Wang 的估值，买的就是这个信念。

    只是信念归信念，离真做出药还远着。一个没有产品、连公司名都还没公开的项目，凭 OpenAI 出身就估到 20 亿，放在两年前没人敢想。现在投资人愿意付这个价，说明他们赌的是：会造语言模型的人，大概率也会造生物模型。

  • 不租AI了，自己练：Prime Intellect拿1.3亿美元帮企业造专属智能体

    一家叫Prime Intellect的初创公司刚刚宣布完成1.3亿美元A轮融资，估值站上10亿美元。这轮由Radical Ventures领投，Nvidia Ventures、Intel Capital、Dell Technologies Capital、Iconiq跟投，还有一长串创始人天使，比如Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang。换句话说，半个AI创业圈都来捧场了。

    Prime Intellect 融资
    Prime Intellect 完成 1.3 亿美元 A 轮，帮企业训练专属 AI 智能体（图源：TechCrunch）

    它到底在卖什么

    简单说，Prime Intellect想让企业不依赖OpenAI、Anthropic这种封闭前沿实验室，也能拥有自己的AI智能体。它提供一套”全栈”工具：算力接入、强化学习框架、评测工具，客户像逛市场一样按需取用，不用被绑死在一整套方案里。

    这事儿放在几年前几乎不可能。但强化学习（RL）的出现改变了局面——它用”做对了奖励、做错了惩罚”的方式，让公司能在自己的产品和数据上反复打磨模型，为具体业务调出专属能力。谁掌握了这个训练循环，谁就相当于有了自己的AI实验室。

    “不该只有旧金山某栋玻璃大楼里的几个极客才有能力训练AI模型，”Prime Intellect联合创始人兼CEO Vincent Weisser对TechCrunch说，”每一家企业、每一个国家都应该拥有这种能力。”

    真有人买单吗

    有，而且不少。Ramp、Zapier、Flapping Airplanes都在付费使用它的托管版本，这股势头把公司的年化收入冲到了1亿美元。更关键的是效果：金融科技公司Ramp用Prime Intellect搭了个在电子表格里找答案的智能体，结果在准确率上超过了前沿模型，速度更快，成本只是零头。联合创始人Karim Atiyeh的原话是：”比前沿模型准，跑得更快，价钱只有零头。”

    • Radical Ventures 合伙人 David Katz：别人只给零碎能力，Prime Intellect 把顶级实验室的本事做成了”一站式”
    • 客户已超 6000 家，覆盖众多头部 AI 创业公司和大型企业
    • 英伟达、英特尔、戴尔集体下注，说明算力与基础设施方也看好这条路

    企业为什么想”自己掌控智能”

    背后的推力其实有点被迫的意味。越来越多的公司不愿意把专有数据交给OpenAI和Anthropic，怕失去对数据的掌控；也怕依赖一个随时可能被关掉的模型——上个月Anthropic关停Fable就是活生生的例子。Katz说得很直白：企业都在琢磨”怎么才能掌握自己的企业智能，而不是把这些风险交给别人”。

    RL正在悄悄改写”谁能做前沿AI”这件事。过去预训练把能力锁在少数实验室手里，现在后训练和强化学习把优化循环交到了使用者手上。Prime Intellect要做的，就是把这套原本只在实验室内部的基建，原封不动地搬到成千上万家公司面前。接下来它打算把规模继续做大，往更长程的智能体和”会自己学习的模型”方向上押注。

  • 从开源社区到估值15亿美元：Hermes Agent 背后的 Nous Research 又拿下7500万

    Nous Research 与开源智能体 Hermes
    图：开源智能体 Hermes 背后的 Nous Research 正以 15 亿美元估值敲定新一轮融资（图源：TechCrunch）

    据 TechCrunch 援引三位知情人士的消息，做开源智能体 Hermes 的 Nous Research 正在敲定新一轮融资。这轮由 Robot Ventures 领投，Union Square Ventures（USV）和其他几家知名机构也有份，公司估值到了 15 亿美元。据说这轮至少募 7500 万美元，而且投资人的兴趣高得有点出人意料。

    值得一提的是，这距离上一轮 5000 万美元的 A 轮才过去不到三个月。Nous Research 方面拒绝对外置评，USV 和 Robot Ventures 也没回 TechCrunch 的采访请求。但三个独立信源同时放出消息，基本可以确定这笔交易正在发生。

    一个从社区里长出来的团队

    Nous Research 2023 年才正式注册成立，创始团队是 Jeffrey Quesnelle、Karan Malhotra、Ryan Teknium 和 Shivani Mitra。它的根子其实更早，2022 年就从一个开源 AI 研究社区起步。换句话说，这家公司是先有了一帮愿意一起折腾模型的开发者，才慢慢变成一家公司的。

    在更早之前，它从 Paradigm、Robot Ventures、North Island Ventures、OSS Capital 和 Balaji Srinivasan 这些人手里累计拿了大约 7000 万美元。加上这一轮，资本对它下注的逻辑很清楚：大家想赌”开源智能体”会不会成为下一个被巨头盯上的赛道。

    Hermes 到底做对了什么

    故事的关键在 Hermes。OpenClaw 那个能在本地电脑上帮你跑任务、一度刷屏的 Agent 火了之后没几周，Nous Research 就推出了自己的对标产品。它也是跑在你自己电脑上的智能体，能替你办事，但有一个挺关键的区别：Hermes 出厂就带着一批”技能”——网页搜索、写代码、理解图片，这些都不用你额外配置。

    更特别的是，它被设计成能从你的使用里自己学东西。你用得越多，它就越知道怎么把活儿干好，还会在没人干预的情况下，自己攒出新的技能文件。这种”越用越懂你”的路子，让不少开发者觉得它比单纯调个 API 要顺手。

    在 OpenRouter 今年 5 月 9 日的数据里，Hermes Agent 单日消耗的 Token 量冲到 2710 亿，排在所有智能体第一位，把 OpenClaw 都甩在了后面。

    它也能像 OpenClaw 那样，在 Telegram、Discord 这类聊天工具里跟你对话、给你发消息。对很多人来说，最大的吸引力是：你可以远程、全天候地让 AI 替你跑任务，不用一直盯在屏幕前。

    开源加上好上手，让 Hermes 在 GitHub 上攒下了相当吓人的人气：大约 21.4 万颗 star，接近 4 万个 fork。开发者既能把它装在个人电脑上，也能丢到一台虚拟服务器上去跑。

    钱要花在哪，以及那个绕不开的问题

    除了 Hermes，Nous Research 还发了一些专攻编程和数学的语言模型，也搭了一张去中心化的网络，让贡献者把自家的硬件接进去，用于算力和训练。

    它还给了不想折腾环境的用户一个云端托管版，按月付费，档位从 20 到 200 美元不等。几位消息人士说，新一轮的钱主要就是用来把 Hermes 的产品和商业模式再往前推一推。

    这自然引出那个老问题：一个打着”开源、免费”旗号的智能体，真能靠订阅养活自己吗？Hermes 目前仍是 MIT 协议、官方也说”永久免费”，但五个月里两轮融了上亿美元，回报总得有出处。云端那个付费档，大概率才是收入真正落地的地方。对习惯自己托管的人来说，未来免费版和云端版会不会慢慢拉开功能差距，值得盯一盯。

  • 英伟达参投的法国语音AI公司Gradium：1亿美元种子轮，专攻超低延迟

    Gradium 语音 AI 模型
    Gradium 所在的 AI 语音赛道正被资本市场重新定价（图：TechCrunch）

    巴黎有家叫 Gradium 的初创公司，专做语音 AI 模型。这周四它对外说，自己把种子轮重新打开，拉进了英伟达当新投资人，整轮融资加起来到了 1 亿美元。比起金额，更值得琢磨的是它背后的来路。

    一个从实验室里走出来的团队

    Gradium 是从法国 AI 实验室 Kyutai 分拆出来的，而 Kyutai 背后站着法国电信大亨泽维尔·尼尔。两边的核心人物都是同一个人：尼尔·泽吉杜尔。这位老哥之前在谷歌大脑、DeepMind 和 Facebook 都待过，是做语音研究的行家。Kyutai 团队早年搞出来的 EnCodec、SoundStream 和 Moshi，是现在整个语音 AI 行业底层技术的重要来源。换句话说，这家公司不是拿了别人的论文来套壳，而是站在自己人写的基础研究上起步的。

    它想消灭的是那个让人尴尬的停顿

    Gradium 做的音频模型主打一个词：超低延迟。说白了，就是让 AI 的声音几乎实时回应，别再出现那种「嗯……让我想想」的卡顿。现在不少 AI 智能体聊天时，说到一半会冷场半秒，这种停顿在人类对话里特别出戏。他们提供的东西包括语音识别、语音合成、声音克隆和实时翻译，是给开发者做语音界面用的。

    为什么要跑到大洋彼岸开办公室

    这轮钱怎么花，Gradium 说得很直白：去湾区开个办公室，跟硅谷抢人。原来去年 12 月它刚从隐身状态出来时就拿了 7000 万美元，投资人名单里就有 FirstMark、Eurazeo、DST Global，还有谷歌前 CEO 施密特和泽维尔·尼尔本人。这次新进来的英伟达又添了大约 3000 万美元。一家欧洲 AI 公司专门跑去买硅谷的工程人才，这本身挺说明问题——光靠研究底子，已经留不住顶尖工程师去跟美国公司的薪水硬刚了。

    有投资人点破过这件事：种子轮能跨过 1 亿美元、还能让英伟达亲自写支票，说明语音 AI 这个赛道正在被当成「基础设施」来定价，而不是普通的应用层。

    对手一大把，但它手里有牌

    赛道里不缺狠角色。光是做语音的 ElevenLabs，今年 2 月估值就到了 110 亿美元；谷歌的 Gemini 在语音上也很有名。Gradium 的牌在于研究血统和英伟达的战略背书，它把自己定位成给开发者提供「前沿级延迟」的那一个，而不是只拼音色好不好听。目前它已经签下了法国车企雷诺这样的大客户，说明在汽车行业那种需要处理实时语音的场景里，它确实能啃下订单。

    • 种子轮总额 1 亿美元，英伟达新近入局
    • 分拆自 Kyutai 实验室，底层技术自研
    • 主打超低延迟语音，目标消灭 AI 对话卡顿
    • 赴湾区设办公室，正面争夺工程人才
  • 可灵 AI 单轮融了近 30 亿美元：全球视频大模型最大一笔钱

    可灵 AI 单轮融了近 30 亿美元：全球视频大模型最大一笔钱

    7月2日晚上，快手在港交所发了个公告——旗下的视频生成大模型“可灵 AI”要独立出来，单轮融资规模最高 30 亿美元，投后估值大概 180 亿美元。这个数字创下了全球视频大模型公司单轮融资的纪录，国内 AI 领域也就仅次于 DeepSeek 首轮的 70 亿美元。可灵这是要单飞了。

    30 亿美元约占可灵扩大后注册资本的 16.67%，对应投后估值约 180 亿美元——全球视频基础模型赛道迄今最大的一笔融资。

    钱是谁给的？

    这轮阵容挺豪华。领投的有 CPE 源峰、国方创投、来自阿布扎比的 BlueFive Capital、腾讯、中关村科学城基金和中信证券，一共 34 家机构认购。跟投里还有阿里云、百度这样的产业资本，华策影视、芒果系的厚为资本这些文娱产业方也进来了。值得一提的是，BlueFive 来自中东，这是中东资本头一回投中国的 AI 视频模型；而 CPE 源峰同时押了 Kimi 和可灵，等于在 AI 赛道上“通用+垂直”两头下注。整个交易分两步走：领投方先出 138.24 亿元人民币，15 家额外投资方再加 52.2 亿，60 天认购期里还能再进最多 14 亿，凑到上限 204.47 亿元。

    可灵 AI 单轮融资近 30 亿美元，创全球视频大模型公司融资纪录
    可灵 AI 单轮融资近 30 亿美元，创全球视频大模型公司融资纪录

    为什么现在要拆出来单干？

    说白了，是被算力开支和竞争逼的。快手这一年几乎把资本开支全砸在了 AI 基础设施上，调整后净利润因此被拖累。把可灵拆出来独立融资，既能给它输血，也能让母公司喘口气。数据其实很能打：可灵今年一季度收入超过 6.5 亿元，同比涨了 300% 多；3 月的年化收入（ARR）接近 5 亿美元，一年翻了四倍；全球用户已经破了 1 亿，而且大约四分之三的收入来自海外。对一个视频大模型来说，这样的海外变现能力不多见。

    拿到钱，仗才刚开始

    不过投资人现在的心态变了。以前看的是技术 demo 够不够炫，现在更盯着能不能赚钱、边际效率高不高。 30 亿美元砸研发是够了，但可灵得赶紧跟其他视频大模型拉开差距，把钱变成实打实的成本优势才行。协议里还写了回购条款：要是 2031 年 10 月底前没能完成 IPO，或者没按约定时间重组，投资人可以要求按原价加每年 8% 的单利回购，母公司还得连带担责。这压力可不小。

    快手已经放话，未来 12 个月内可能启动可灵 AI 赴港上市。视频大模型这条赛道，海外有 Runway、OpenAI 的 Sora，国内有一堆追兵，可灵手里多了 30 亿美元的弹药，但真正的较量，是把这笔钱花出效率来。

  • 估值冲上10亿美元：Prime Intellect 想让每家企业都拥有自己的「AI实验室」

    估值冲上10亿美元：Prime Intellect 想让每家企业都拥有自己的「AI实验室」

    Prime Intellect 团队与算力集群
    Prime Intellect 把「AI 实验室」能力打包成企业可用的全栈平台（图源：TechCrunch）

    一家叫 Prime Intellect 的创业公司刚完成 1.3 亿美元 A 轮融资，估值一口气冲到 10 亿美元。它做的事有点反常识：别人都在帮你更好地用 OpenAI、Anthropic，它却想帮你彻底甩开这些前沿实验室，自己动手造 AI 智能体。

    从「租模型」到「自己造」

    过去企业想上 AI，基本只有一条路：去大厂的 API 里租现成模型。Prime Intellect 给出的是一套「全栈」——算力、强化学习框架、评估工具打包在一起，又像超市货架一样可以挑着用，不用担心被某个厂商绑死。创始人 2024 年才起步，看准的是强化学习这条技术路线：模型靠奖励和惩罚反复打磨，企业就能针对自己的业务训练专属智能体，相当于把「AI 实验室」搬回了公司内部。

    企业为什么突然想自己掌控

    动力很现实。把专有数据交给别人，企业怕的是失去控制权；更怕依赖的模型说关就关——Anthropic 的 Fable 项目上个月突然停摆，就是一记警钟。CEO Vincent Weisser 说得很直白：不该只有旧金山那几栋玻璃大楼里的人有能力训练模型，每家企业、每个国家都该有。

    「不该只是旧金山玻璃塔里那几个极客才有训练 AI 的能力，应该是每家企业、每个国家都行。」

    钱和数据主权一起到账

    这套打法已经有人买单。金融科技公司 Ramp 用它的平台做了个查表格的 agent，准确率压过前沿模型，速度更快，成本却只有零头。Zapier 也在客户名单里。快速起量把公司年化收入推到了 1 亿美元。领投方 Radical Ventures 的评价是：别人只给零件，Prime Intellect 给的是顶级 AI 实验室才有的「一站式」能力，而且价格企业扛得住。

    • 本轮由 Radical Ventures 领投，英伟达、英特尔、戴尔的战投悉数入局，还有 Perplexity 创始人等多位明星创业者个人跟投。
    • 平台走模块化路线，客户按需取用，不必一次性押上全部预算。
    • 背后是大公司在 AI 主权上的集体焦虑：数据要握在自己手里，供应链不能卡在别人手上。

  • Mercor估值冲上200亿美元：雇专家给AI当考官，这门生意两年涨了四倍

    Mercor这家公司最近又成了风投圈的话题中心。彭博7月9日报道，这家从AI训练数据起步的创业公司正在谈新一轮融资，估值直接喊到了200亿美元。要知道去年10月它刚完成3.5亿美元C轮，估值还只是100亿美元——不到一年，数字就翻了一倍。

    更抓人的是创始人兼CEO布伦丹·福迪（Brendan Foody）自己在X上晒的数据：公司年化收入跑到了20亿美元以上，比四个月前整整翻了一倍。一边是收入暴涨，一边是并购动作——上周四Mercor宣布买下Deeptune，一家专门训练AI智能体的公司，对方整个团队一并加入。再加上这轮可能的新钱，看起来年初那场风波已经被它甩在身后了。

    Mercor估值冲上200亿美元
    Mercor靠给AI模型 supplying人类考官，估值一年翻倍（图源：TechCrunch）

    说白了，Mercor干的事听起来简单，细想却有点荒诞：它雇各路专家——诗人、经济学家、程序员、科学家——付钱让他们去评估AI模型的输出到底好不好。那些训练前沿大模型的实验室，需要人来告诉自己”模型是不是真的变强了”。Mercor就是提供这批”考官”的人。

    两个辩论队队友，撑起一个200亿的故事

    这家公司2023年才成立，三个创始人是从高中辩论队里走出来的朋友：福迪、阿达什·希雷马特（Adarsh Hiremath）和苏里亚·米德哈（Surya Midha），福迪今年才23岁。从C轮时大约4.5亿美元的年化收入，到今年中接近20亿，二十来个月里涨了四倍多。背后站着Felicis、Benchmark、General Catalyst这些一线基金，累计融资大约4.92亿美元。

    有意思的是，估值倍数反而被”压”下来了。100亿对4.5亿收入，是大约22倍市销率；如果按200亿对20亿算，只剩10倍。换句话说，市场一边兴奋于生意盘子变大，一边也在悄悄担心这门买卖到底能撑多久。

    它在训练那个可能取代自己的东西

    这种担心不是没来由。Mercor赚的正是”派人类专家去训练AI模型”的钱，可模型越聪明，对人工评估的依赖理论上就越少。真有一天模型能自己给自己、或者互相打分，那批考官的需求可能就缩水了。

    但福迪在斯坦福的演讲里抛出了另一种看法，他管这叫”agentic data”（智能体数据）：AI能力越强，要它被评估的维度反而越细，而不是越窄。会写诗，就需要诗人来评；能做经济分析，就需要经济学家。需求不是一次性的训练浪潮，而是跟着整个行业一起长。

    • 它给AI实验室供应的是”懂行的人”——这是大厂自己很难内部搞定的一摊运营活。
    • 买下Deeptune，是把盘子从传统数据标注，扩到了更吃香的AI智能体训练。
    • 年初的数据泄露和外包员工诉讼还没完全翻篇，能这么快把收入和估值同时拉回来，说明资本现在愿意为”训练流水线的掌控者”付高价。

    在不少人眼里，谁捏住了数据这一环，谁就捏住了AI往上走的长期价值。Mercor赌的，正是自己能一直站在模型和它所需要的”人”之间。

  • OpenAI当年出价5亿没买下，如今它靠游戏录像训练机器人、估值23亿

    两年前，OpenAI 揣着 5 亿美元想买下 Medal——一个让玩家上传和分享游戏录像的平台，创始人 Pim de Witte 拒绝了。当时看有点莽。但到了 2026 年，de Witte 手里的 AI 公司 General Intuition 完成 3.2 亿美元 A 轮融资，估值冲到 23 亿美元，Khosla Ventures 领投，贝佐斯、前谷歌 CEO 施密特，以及 MIT 和 DeepMind 的研究人员都跟了进来。算上去年 10 月启动时的 1.34 亿，累计融资已经超过 4.54 亿。市场用真金白银证明了一件事：那堆游戏录像，比大多数人以为的值钱得多。

    用游戏数据训练机器人世界模型概念图
    用游戏数据训练机器人世界模型概念图（本文配图由 AI 生成）

    游戏画面里藏着什么

    General Intuition 的赌注听上去有点反直觉：用电子游戏里的人类操作记录，去教现实世界的机器人。它的训练数据来自 Medal 积累的数十亿小时游戏画面。但真正关键的不是画面本身，而是内嵌在每一帧里的”动作标记”——玩家在哪一刻按下了哪个键、做了什么决策。多数同行只靠视频去猜动作，而 de Witte 认为，拥有真实的人类操作数据，才是模型理解”自我”和”环境”分野、进而掌握因果关系的内核。

    de Witte 把公司的逻辑讲得很直白：”模型本身的泛化能力，就是产品。”他不想做机器人整机厂商，而是要成为别的机器人公司搭建产品时脚下的那块地基。

    8 分钟，让四足机器人学会走路

    传统机器人训练有两条老路：在真实环境里采数据，贵且慢；在仿真器里练，速度快却躲不开”仿真到现实的鸿沟”——你在 Unity 里训好的模型，放到真实地板和墙壁前常常像个路痴。General Intuition 把游戏数据当成连接两者的桥：先在海量游戏交互里学”物体怎么动、智能体怎么走、动作怎么改变状态”，再拿极少量的真实机器人数据做下游微调。他们演示过一台四足机器人，只经过 8 分钟真实世界微调，仅靠前置摄像头，就在有行人和动态障碍的办公室里零样本导航成功。

    • 领投方 Khosla 看中的是独有数据壁垒，以及”AI 直觉涌现”的愿景
    • de Witte 划下红线：不做任何用于伤害人类的自主武器
    • 目标是对标 NLP 的 GPT-3 之后——通用基座加轻量适配，取代每个任务单独训练

    有意思的是，当中国的人形机器人公司在拼命扩产量、把模仿学习的工业栈跑起来时，General Intuition 想走的是另一条路：卖”世界模型”这个软件层，而不是卖铁。这条路线能不能扛住工厂车间和客厅里那些充满摩擦、接触密集的真实物理，还得等它在同行评审的环境里被反复验证。但至少现在，顶级硅谷资本愿意为”通用世界模型”这个赌注下重注。