0% read
最后更新:
Flapping Airplanes
Flapping Airplanes 是一家人工智能 (AI) 研究实验室，专注于解决 AI 中的数据效率问题。[1][2] 该公司总部位于加利福尼亚州旧金山，于 2026 年 1 月 28 日正式成立，获得了 1.8 亿美元的资金。[2] 其使命是开发无需在海量数据集上进行训练即可达到人类水平认知能力的模型。[1]
概述
Flapping Airplanes 作为一个基础 AI 研究实验室运营。虽然它在一段不确定的时间内一直处于隐身模式，但在 2026 年 1 月正式发布后引起了公众关注。[1][2] 该公司的核心目标是解决其所谓的“数据效率问题”，也被称为“数据墙”。[1][2]
这是指由于可用于训练日益庞大且强大的 AI 模型的高质量数字数据量有限而带来的挑战。[2]
该实验室的基础假设是，与人类智能相比，当前的 AI 系统效率极低。他们的研究基于这样一种估计，即人类的“样本效率比现有模型高出 100,000 倍至 1,000,000 倍”。[1] 这是基于以下观察：人类接触的数据量相对较少（估计到成年时仅为“几十亿个文本标记”），却能达到高度的智能，而大型语言模型则是在互联网的大部分内容上进行训练的。该公司的愿景目标是“想象一个模型可以在不吞噬半个互联网的情况下，就能以人类水平进行思考的世界”。[1][2]
虽然主要重点是长期的、范式转移的研究，但该公司预计其工作最终将在包括企业应用、机器人、金融交易和科学发现等各个领域产生重大的商业价值。[1]
截至 2026 年 10 月 21 日，该公司继续将其工作定位为针对数据和计算效率的研究。它公开描述了一个 GPU 巨内核（megakernel）框架，这是现有资料中描述的第一个具体技术方向，作为其提高 AI 系统训练和运行效率努力的一部分。[4]
历史
Flapping Airplanes 的成立日期尚未公开披露，但该公司在公开亮相前一直处于隐身状态。[1] 社交媒体平台 X 上的官方账号创建于 2025 年 12 月。[2]
2026 年 1 月 28 日，Flapping Airplanes 通过 X 上的一篇帖子正式宣布成立，并获得 1.8 亿美元融资。公告称，公司意在“组建 AI 领域的新卫队”。[2] 次日，即 2026 年 1 月 29 日，联合创始人 Asher Spector 出现在一个节目中，详细阐述了公司的使命，指出数据效率是 AI 更广泛融入经济的关键瓶颈。截至 2026 年 2 月初，该公司的具体研究项目和技术方法仍处于保密状态。[2][1]
2026 年 10 月 21 日，在成立九个月后，Flapping Airplanes 宣布了由 Index Ventures 和 Lux Capital 领投的 10 亿美元 A 轮融资。TechCrunch 报道称该轮融资估值为 60 亿美元，并将其与 1 月份种子轮报道的 15 亿美元估值进行了对比。现有支持者 Sequoia Capital、GV 和 Kleiner Perkins 参与了 A 轮融资，此外还有 Valor、Atreides、A* 和 Nvidia。[4]
Research and Philosophy
Core Problem and Approach
Flapping Airplanes 的研究唯一专注于数据效率。公司领导层认为，要实现 AI 能力的重大提升，对现有技术的渐进式改进是不够的。相反，他们正在从长期的角度追求其所谓的“激进新方法”和“大创意”，而不立即关注特定的商业应用或技术方法。[1]
核心理念体现在公司使用的隐喻中，例如“让我们给模型一个童年”以及“飞越数据墙”的目标。这些短语表明，重点在于开发更复杂、更高效的学习机制，模拟人类的发育和学习过程，而不是依赖暴力式的数据消耗。团队成员 Cyris Kissane 总结了这种方法，指出其目标是构建“通过阅读更少内容来更深层次思考的模型”。[2]
GPU Megakernel Framework
2026 年 10 月，创始人描述了一个 GPU 巨内核（megakernel）框架。GPU 内核是在 GPU 上运行的程序；该框架将多个任务合并为一个内核。创始人称其能够执行完整的训练运行、提供推理服务以及运行视频游戏，包括在一个内核中同时运行这三种工作负载。[4] 该公司将巨内核描述为在 GPU 上以单个内核运行整个程序，从而消除步骤之间的时间并提高 GPU 利用率。[5]
创始人表示，该框架可以将受内存限制的推理与受计算限制的训练重叠。在这种描述中，推理的大部分时间花在等待数据获取上，而训练的大部分时间花在执行计算上；重叠工作负载旨在减少 GPU 空闲时间并提高利用率。创始人将其展示为一种降低 AI 系统训练和运行成本的方法，推进了提高 AI 系统训练和运行效率的更广泛目标。[4]
Company Name
“Flapping Airplanes”这个名字是一个刻意的隐喻，公司称其“体现了我们的文化”。它旨在反映对“分布外（out-of-distribution）”思维的关注以及探索非传统研究路径的意愿。公司寻求吸引那些同样以“分布外方式”思考的研究人员。[1]
Invitation to Debate
在学术和公众监督的一种独特方法中，Flapping Airplanes 积极邀请人们对其关于样本效率的核心前提提出挑战。该公司的网站包含一个专门的电子邮件地址 [email protected]，供那些对其效率估计有异议的人使用，并公开提议讨论此事。[1]
融资
截至 2026 年 10 月 21 日，Flapping Airplanes 已宣布总计 11.8 亿美元的融资。其 1.8 亿美元的种子轮融资于 2026 年 1 月 28 日宣布，由 Index Ventures 领投，Google Ventures (GV) 和 Sequoia Capital 参投。其他参与投资者包括 XTX Ventures、Fundomo、Menlo Ventures、Victor Lazarte、Nova Global 和 Conviction。社交媒体公告还感谢了投资者代表，包括 Sequoia 的 David Cahn 和 Val Sarnataro，以及 Index Ventures 的 “Shardul” 和 “Mark”。[1][2]
2026 年 10 月 21 日，该公司宣布了由 Index Ventures 和 Lux Capital 领投的 10 亿美元 A 轮融资。现有支持者 Sequoia Capital 和 GV 参与了融资，Kleiner Perkins、Valor、Atreides、A* 和 Nvidia 也参与了其中。TechCrunch 报道称 A 轮融资估值为 60 亿美元，并指出 1 月份的种子轮融资对该公司的估值为 15 亿美元。[4] Index Ventures 表示，其合伙人 Mark Xu 将随本轮融资加入公司董事会。[5]
Team and Leadership
Ben Spector 是公司的 CEO。Index Ventures 在 2026 年 10 月报告称，该公司有二十几名员工，全部在旧金山实地办公。团队的工作涵盖整个技术栈，从 GPU 内核到预训练、后训练和推理。Index 将公司的方法描述为根据技能和发展轨迹而非年龄或资历进行招聘，通过团队成员配对来支持学习，并给予他们早期所有权。其例子包括一名在高中时期加入并构建了自动化团队大部分工作的代理基础设施的工程师，以及一名模型训练的新手，他后来领导了公司的整个预训练运行。Index 合伙人 Mark Xu 将随 A 轮融资加入董事会。[5]
Founders
该公司由 Ben Spector、[3] Asher Spector 和 Aidan Smith 创立。[2]
Team Composition
该公司将其团队描述为“世界级研究科学家”和极具天赋的“年轻研究人员”的结合。该实验室强调其团队成员包括来自国际数学奥林匹克 (IMO)、国际信息学奥林匹克 (IOI) 和国际物理奥林匹克 (IPhO) 等著名学术竞赛的奖牌获得者。公司还提到聘用了“两名美国辩论冠军”。[1] 一位公开宣布的团队成员 Cyris Kissane 表示，他们加入公司是为了“帮助缩小”人类学习效率与当前 AI 数据需求之间的差距。[2]
Angels and Advisors
Flapping Airplanes 由 AI 和技术领域的一群知名人士担任顾问。公司网站列出的天使投资人和顾问包括：
- Chris Re，斯坦福大学教授，以其在数据系统和 AI 方面的工作而闻名。
- Andrej Karpathy，AI 研究员，OpenAI 创始成员，曾任特斯拉 AI 总监。
- Jeff Dean，Google AI 负责人。[1]
在公司发布背景下提到的其他顾问包括 Suhail Nimji 和 Jml Campbell。[2]
Public Commentary
Flapping Airplanes 的成立引起了投资者和 AI 社区知名人士的评论。
领投方 Index Ventures 表达了对创始团队的热情：“有些创始人你一见到，无论他们正在构建什么都不重要。你只知道你想参与其中。我们很高兴能共同领投这笔投资……”[2]
顾问 Suhail Nimji 将创始人描述为“由坚韧、动力和真实性定义的动态双人组”。[2]
被列为公司顾问的 Andrej Karpathy 对新型 AI 研究初创公司面临的挑战和潜力发表了评论。在关于 Flapping Airplanes 公告的一条转发评论中，他指出：“你可能会遇到一种传统的说法，即 AI 已经发展得太快，以至于一家新的、以研究为重点的初创公司无法竞争并超越 AI 领域的现有巨头。这正是我在 OpenAI 成立时经常听到的观点……”[2]
联合创始人 Asher Spector 阐述了公司研究重点背后的经济动机：“就 AI 难以融入经济的程度而言，我真的认为这是因为模型的数据效率远低于人类。”[2]
发现错误了吗？
