顶级 AI 研究人员正以前所未有的速度从 Meta、谷歌等科技巨头出走，转而创立初创公司并迅速完成巨额融资，硅谷 AI 人才流动正进入新一轮加速期。

4 月 28 日，据 CNBC 报道，前谷歌DeepMind 研究员 David Silver 宣布为其成立仅数月的初创公司 Ineffable Intelligence 完成 11 亿美元种子轮融资，创下纪录。

另一位前 DeepMind 员工 Tim Rockt ä schel 据报道正为其新公司 Recursive Superintelligence 寻求最高 10 亿美元融资。与此同时，前Meta AI 负责人 Yann LeCun 离职后创立的 AMI Labs 已于今年 3 月完成 10 亿美元融资。

报道称，投资者的热情为这波出走潮提供了强劲燃料。据 Dealroom 数据，2026 年以来，风险投资已向 2025 年初以来成立的 AI 初创公司注入 188 亿美元，有望超越去年全年的 279 亿美元规模。

分析人士指出，大厂的人才不仅带走了技术积累，更带走了对行业盲区的深刻洞察，这正是投资者押注的核心逻辑。

融资规模惊人：数月成立即斩获数亿美元

报道称，这批出走创业者所获得的融资规模，已远超传统早期投资的想象边界。

Ricursive Intelligence 由前 Anthropic 及谷歌 DeepMind 研究员 Anna Goldie 和 Azalia Mirhoseini 联合创立，专注于芯片设计 AI 工具。

该公司于去年 9 月成立，随即在 12 月和今年 1 月完成两轮共 3.35 亿美元融资。Periodic Labs 由前 OpenAI 和 DeepMind 员工创立，致力于开发自主实验室，于去年 9 月完成 3 亿美元融资，距其成立仅数月。

总部位于旧金山的 Humans& 由前 Anthropic 和 xAI 员工于去年 10 月创立，今年 1 月完成 4.8 亿美元融资。

Eurazeo 的 Stern 将这批创始人的竞争优势归结为独特的内部视角：

" 他们知道什么在规模化层面真正有效，也清楚地知道内部正在放弃哪些机会。机会就在那里。"

技术路线分化：押注 LLM 之外的下一代范式

据报道，这批新兴公司并非简单复制大厂路线，而是在技术方向上呈现出明显的差异化布局。

HV Capital 的 Jo ë l-Carbonell 指出，越来越多的 AI 研究人员开始质疑，继续扩展当前大语言模型路线是否足以突破 AI 能力的下一个瓶颈。

AMI Labs 的方向是开发能够从持续真实世界数据中学习的 AI 系统。该公司发言人表示，

"AI 在内容生成方面已取得重大进展，但在基础认知、因果推理和真实环境中的可靠行为方面仍存在明显不足。随着 AI 从屏幕走向工业、机器人、医疗健康等物理环境，这些局限性变得愈发关键。"

Ineffable Intelligence 则将聚焦强化学习——即让 AI 模型从经验中学习，而非依赖人类标注数据，与当前主流的互联网文本训练路线形成对比。据一位知情人士向 CNBC 透露，这一方向也是 Humans& 所采用的技术路径。

Ricursive Intelligence 的 Goldie 则强调了独立身份的战略价值：

" 芯片制造商要信任我们处理其最核心的知识产权，我们必须保持中立，这在谷歌内部是不可能做到的。"

值得注意的是，报道指出，这批初创公司在获得充裕资金后，正在将触角伸回大厂，形成人才的二次流动。

Ricursive Intelligence 的 Goldie 透露，公司重新集结了 AlphaChip 的核心团队，" 这涉及招募我们的一些老同事 "。目前团队成员的背景横跨谷歌、Anthropic、英伟达、苹果和 xAI。

这一模式在多家新兴公司中普遍存在——创始人凭借个人声誉和投资者提供的充足资金，得以从前雇主及其他 AI 巨头处吸引顶级研究人员加盟，进一步强化了初创公司与大厂之间的人才竞争。

出走潮背后：大厂 " 内卷 " 催生创业窗口

大型 AI 实验室之间的军备竞赛，正在无意间为规模更小、更灵活的公司创造机会。

作为 AMI Labs 的投资方之一，法国风投机构 Eurazeo 董事总经理 Elise Stern 表示，

" 当你身处一场竞赛，你会极度收窄焦点。这就制造了真空地带——新架构、智能体、可解释性、垂直模型等整片研究领域正在被降低优先级，不是因为它们不重要，而是因为它们赢不了眼前这场竞赛。"

HV Capital 合伙人 Alexander Jo ë l-Carbonell 同样指出，随着主要 AI 实验室面临证明天价估值的压力，商业目标的优先级不断提升，顶级研究人员的探索空间被大幅压缩。

" 在大型基础模型实验室内部，交付基准性能和维持快速发布节奏的压力，几乎不给真正探索性的研究留下空间，尤其是在主流大语言模型范式之外的方向。"

分析称，这种结构性矛盾，使得那些希望追求前沿但非主流研究方向的顶尖人才，越来越倾向于选择出走自立。