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。

015 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。

① OpenAI" 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。

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。

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。

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。

⑤ You.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。

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。

⑥ OpenAI 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。

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 "。

⑩ OpenAI 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。