智东西

编译｜万贵霞

编辑｜心缘

智东西 2 月 5 日消息，前 Cohere 研究副总裁、前谷歌 DeepMind 研究员Sara Hooker创办的 AI 初创公司Adaption Labs昨天宣布，其种子轮融资中获得5000 万美元（约合人民币 3.47 亿元），押注于规模更小、但更智能的 AI 模型。

本轮融资由 Emergence Capital Partners 领投，Mozilla Ventures、Fifty Years、Threshold Ventures、Alpha Intelligence Capital、E14 Fund 和 Neo 等机构参与投资。该公司在融资后未透露其估值信息。

Adaption Labs 官宣公告（图源：X）

Adaption Labs 由前 Cohere 高管 Sara Hooker 与 Sudip Roy 联合创办。Cohere 是一家加拿大的 AI 公司，专注于大语言模型及自然语言处理技术，为企业和开发者提供生成式 AI 解决方案。

该公司的联合创始人兼 CEOSara Hooker 介绍说，Adaption Labs 的核心工作围绕自适应数据、自适应智能、自适应界面三大支柱展开，分别实现 AI 系统实时生成处理任务数据、按需动态调配算力、从用户交互中自主学习三大能力，以此摆脱对大型静态数据集和昂贵重训练的依赖。

据《财富》杂志昨日报道，Adaption Labs 将利用本轮种子融资，招聘更多 AI 研究人员和工程师，同时引入设计师，为 AI 系统开发不同于主流模型 " 聊天栏 " 形式的用户界面。

一、Adaption Labs 在研发更省算力的 " 可适应 "AI 系统

Adaption Labs 成立于 2025 年，由前 Cohere 高管 Sara Hooker 与 Sudip Roy 联合创办，Sudip Roy 曾是 Cohere 推理计算总监。该公司总部位于旧金山，致力于打造能够实时适应并持续学习的 AI 系统，以区别于依赖大规模静态训练、计算开销高的主流 AI 模型。

Adaption Labs 的 CTO Sudip Roy 在提升 AI 系统效率方面拥有深厚经验。Hooker 在采访中说：" 我的联合创始人能让 GPU 运行得非常快，这对我们至关重要，因为我们的系统需要实时处理数据。"

两位创始人希望开发计算资源需求更低、运行成本更可控的 AI 系统，使模型在实际使用中具备更高效率，而不必频繁进行昂贵的重训练。Hooker 提到，最昂贵的计算环节是预训练，因为它需要大量计算资源和时间；相比之下，推理计算可以让每一单位算力获得更高回报。

此外，《财富》杂志报道称，Adaption Labs 还专注于构建可通过多种技术手段灵活适配特定任务的模型，提升模型对不同应用场景的适应能力，这也是公司名称 "Adaption" 的由来，这一理念与 Cohere 所强调的模型协同与适应性方向一致。

Sara Hooker 提到，Adaption Labs 围绕三大 " 支柱 " 展开工作：

1、自适应数据：AI 系统可实时生成和处理解决问题所需的数据，而非依赖大型静态数据集；

2、自适应智能：根据问题难度自动调整算力投入；

3、自适应界面：从用户与系统的交互方式中学习。

Adaption Labs 围绕工作的三大 " 支柱 "（图源：Adaption Labs 官网）

报道称，Adaption Labs 的方法并非通过耗时训练来调整模型全部内部权重，而是在模型响应查询的瞬间，即推理阶段改变其行为。模型核心权重保持不变，但系统仍可根据当前任务动态调整自身行为。无梯度学习（gradient-free learning）由此规避了微调和提示工程中的诸多复杂问题。

截至目前，Adaption Labs 已于昨天宣布完成约5000 万美元（约合人民币 3.47 亿元）的种子轮融资，为其技术研发和团队扩张提供资金支持。

二、从 Cohere 到 " 持续学习 " 的未解难题

在 Cohere 任职期间，Sara Hooker 曾大力推动 Aya 项目。该项目汇集了来自 119 个国家的 3000 名计算机科学家，将先进 AI 能力应用于数十种主流模型表现不佳的语言，同时使用相对紧凑的模型规模。

Aya 项目介绍（图源：领英）

《财富》杂志提到，这项工作创造性的数据管理和训练方法可以在一定程度上弥补模型规模的不足，也为 Sara Hooker 创办新公司奠定了基础。

Hooker 在接受采访时说，她希望构建能够持续学习的模型，无需昂贵的重新训练或微调，也不必像当前多数企业那样依赖大量提示和上下文工程，就能让 AI 系统适应特定用例。持续学习是 AI 领域尚未攻克的核心难题。Hooker 直言：" 这或许是我研究过的最重要课题。"

" 如何在不修改权重的情况下更新模型？"Sara Hooker 提出这一问题。

她认为，AI 架构领域正在出现多项创新，使计算资源得以更高效地利用。" 我们正在摆脱仅仅把它视为一个模型的思维方式，" 她说，" 这是一个基于交互的系统，模型应当根据任务实时调整。"

Hooker 曾在谷歌 DeepMind从事研究工作，自那时起，她就以反对 AI 领域 " 规模至上 " 的主流观点而知名。她在 2020 年发表的论文《硬件彩票（The Hardware Lottery）》提到，AI 创新理念能否成功，往往取决于是否适配现有硬件条件，而非其自身价值。

该论文摘要（图源：康奈尔大学）

近期，她又发表论文《规模的缓慢消亡（On the Slow Death of Scaling）》，论证采用更优训练方法的小型模型，可能在性能上超越更大规模的模型。

结语：AI 行业正处于一个关键时期

Adaption Labs 并非唯一一家试图攻克持续学习难题的新型 AI 实验室。近年来，一批被称为 "新实验室" 的初创公司陆续出现，它们诞生于 OpenAI、Anthropic 和谷歌 DeepMind 等老牌机构取得突破之后。

OpenAI 高级研究员 Jerry Tworek 近期离职并创办了初创公司 Core Automation，他同样说对构建能够持续学习的 AI 系统充满兴趣。此外，谷歌 DeepMind 前顶级研究员 David Silver 上个月离职，创办 Ineffable Intelligence，该公司将专注于强化学习，即 AI 系统通过自身行动而非静态数据进行学习，在某些条件下也可能实现持续学习能力。

Sara Hooker 说，AI 行业正处于一个关键时期，技术进步不再仅依赖构建更大的模型，而在于打造能够更便捷、更经济地适应具体任务的系统。

来源：Adaption Labs 官方、《财富》杂志