作者 | 铅笔道 欣晓

编辑 | 铅笔道 黄小贵

硅谷又出现一家 75 亿美元（约合人民币 500 亿元）独角兽。

10 月 9 日，AI 创业公司 TypeSafe AI 宣布完成 8.7 亿美元（约 58 亿元人民币）融资，a16z 领投、红杉资本跟投。就在 24 天前，它的估值还只有约 2 亿美元。短短时间，估值暴涨 37.5 倍。

硅谷投资人争相下注，只因 TypeSafe AI 的生意很独特：让企业软件变得智能。

01 24 天估值暴涨 37 倍

TypeSafe AI 的创始人阿尔梅达（Diogo Almeida），曾参与打造 ChatGPT。

早年，他在 OpenAI 担任研究人员，参与过 InstructGPT 及人类反馈强化学习（RLHF）等相关研究。这些技术后来成为 ChatGPT 的重要基础。

2024 年离开 OpenAI 后，，Almeida 与前 Meta 研究人员萨沙 · 盛（音，Sasha Sheng）、工程师加夫尼（Erik Gafni）共同创办 TypeSafe AI。萨沙 · 盛是上海人，本科毕业于上海交大机械工程专业。

三个人秘密研发了两年，直到今年 9 月 15 日，公司才第一次公开亮相。

当天，TypeSafe AI 发布首款模型 Jev，同时宣布完成 4000 万美元种子轮融资，由美国风投 DCVC 领投。当时媒体报道的公司估值约为 2 亿美元。

Jev 是一种很垂直的模型：帮企业软件做决策。比如，一家保险公司，可以用它判断哪些理赔申请需要人工复核；一家招聘网站，用它判断哪些候选人达标。

一个字概括 Jev 的特点：快。

接下来几周，这家公司的命运发生了变化。

Jev 发布三天后，云平台 Vercel 公布了一组数据：Jev 上线仅 24 小时，便吸引近 13% 的平台付费团队尝试使用。这个比例是 GPT-5.6 系列同期的两倍，创下 Vercel 新模型上线后的采用速度纪录。

到 10 月 15 日，Vercel 披露，Jev 上线前两周，已有 35.3% 的付费团队使用过它。尽管直到 9 月中旬才发布，Jev 仍成为该平台 9 月请求次数最多的模型。

TypeSafe AI 还宣称，产品发布后不久，已有约三分之一的美国《财富》500 强企业使用 Jev。不过，公司尚未公开这些企业的完整名单。

资本闻风而动。

10 月 9 日，TypeSafe AI 公布新一轮融资：8.7 亿美元，估值 75 亿美元。

从 9 月 15 日的约 2 亿美元算起，短短 24 天，公司估值增长了 37.5 倍。

领投方 a16z 派出了重量级人物卡萨多（Martin Casado）。他曾联合创办软件定义网络公司 Nicira，并于 2012 年以 12.6 亿美元将其卖给 VMware。此后，他进入 a16z，长期负责软件基础设施投资。

这次融资后，Casado 也进入了 TypeSafe AI 董事会。

不仅如此，据投资研究机构 Sacra 援引红杉资本合伙人格拉迪（Pat Grady 的说法），Jev 上线七天内，年化收入运行率已达到 1 亿美元。

TypeSafe AI 究竟做对了什么？

在接受 TechCrunch 采访时，他曾解释，过去几年，大模型已经非常擅长理解和生成人类语言，但这些能力不一定适合计算机软件自动化。

比如，ChatGPT 可以写出一篇文章，帮人分析复杂问题，但如果企业只需要判断一笔交易是否有风险，让它写一大段分析，反而费时费钱。

阿尔梅达认为，人与计算机需要的 AI 并不相同。于是，他决定反过来做：放弃生成文字，专门训练一种帮助软件作出判断的 AI ——这就是 Jev。

行行 AI 董事长、顺福资本创始人李明顺告诉铅笔道，TypeSafe AI 受到追捧，除了技术，还有团队背景的因素。创始人来自 OpenAI，这样的团队不仅可能独立发展，也可能成为科技巨头的收购对象。

02 帮客户每年省下 50 万美元

TypeSafe AI 帮客户用便宜的 AI，替代昂贵的 AI。

Jack & Jill 是一家 AI 招聘平台，已经服务超过 5000 家企业和 40 万名专业人士。它利用 AI 帮助求职者寻找合适的岗位，也帮助企业筛选候选人。

每筛选 1000 名候选人，Gemini 需要花费 0.755 美元，而 Jev 只需要 0.092 美元，成本降低 88%。完成一个岗位初筛的中位耗时，也从 20.3 秒缩短到 10.3 秒。

首次测试后不到 10 天，Jack & Jill 便将初筛环节全部换成 Jev。

按照目前业务规模测算，它每年可节约约 26.5 万美元；考虑业务增长，未来 12 个月预计节省约 50 万美元。

这正是 TypeSafe AI 的机会。

Jev 为什么这么便宜？原因在于，Jev 放弃了生成文本。传统大模型接到任务后，通常需要逐步生成回答。Jev 则直接打个分数或者给个概率，省去文字生成过程。

Jev 适合边界明确的判断任务，并不能取代通用大模型完成复杂分析、长文本生成等工作。

一家电商企业，可以用它给订单打风险分数；一家保险公司，可以用它判断哪些理赔申请需要人工复核；一家客服公司，可以用它给工单分类。

一家头部大厂 agent 负责人何君（化名）告诉铅笔道，企业越来越倾向于让不同模型分工。例如，让 Jev 先判断任务属于哪一类，需要复杂推理时再调用 GPT、Claude，完成摘要整理时则使用更经济的模型。

这样一来，企业不必为了简单任务支付高性能模型的费用。

03 AI 投资，投向看不见的地方

硅谷投资人正在对 AI 商业机会重新判断。

过去几年，AI 行业最受关注的公司，大多在争夺两个市场：面向普通用户的聊天和内容生成，面向程序员的 AI 编程。

但 AI 编程再强，写出来的软件也未必更聪明。这正是 a16z 在投资 TypeSafe AI 时提出的观点：AI 让开发者能够更快地编写软件，却没有让软件本身普遍具备智能。

投资人如今想押注的是让 AI 直接进入软件内部，成为自动执行业务的一部分。而这是用户看不见的地方。

红杉资本在投资文章中将这种变化与数据库作比较：未来，开发者可能像调用数据库一样调用 AI，让软件在运行过程中不断作出判断。

这也是为什么，TypeSafe AI 的融资吸引了 a16z、红杉、DCVC 等机构。

这里还有一个有趣的经济学问题。

Jev 的名字，来自英国经济学家威廉 · 斯坦利 · 杰文斯。

经济学中有一个著名的 " 杰文斯悖论 "：当一种资源的使用效率提高、成本下降后，需求可能迅速增长，最终消耗量反而增加。

TypeSafe AI 希望 AI 也会如此。

以前，因为模型调用昂贵，一家企业可能只让 AI 检查部分订单、抽查部分客服记录。现在，每次判断变得足够便宜，企业便可能扩大检查范围，甚至让 AI 评估每一次业务操作。

原本不存在的 AI 需求，就这样被创造出来。

但是，想赚这份钱的公司还有很多。

10 月 7 日，AI 评测公司 Arize 发布了一份报告，对 Jev 以及 OpenAI、Liquid AI、Cloudflare 等公司的专业决策模型进行比较。

在一项判断 AI 回答是否包含虚构内容的测试中，Jev 的平衡准确率达到 85.5%，OpenAI 相关模型为 81.5%，Liquid AI 为 84.8%。Jev 虽然领先，但部分模型之间的差距并不具有统计显著性。

从 Jev 发布到这份评测出炉，不过三个星期，市场上已经出现多款类似产品。

甚至有开发者推出开源模型 Kev。Arize 的测试显示，在一项 AI Agent 任务路由测试中，Kev 与 Jev 的成绩非常接近。

TypeSafe AI 的融资也提醒创业者：做出一个便宜模型，只是生意的开始。一旦竞争对手能够提供相近的准确率和更低的价格，客户随时可能转身离开。真正的竞争力，还要看能否深度进入客户业务、积累稳定调用量，并提供难以替代的服务。