「【新智元导读】昔日 AlphaGo 和 Gemini 幕后英雄联手创业！Reflection AI 获 20 亿美元融资，英伟达投钱，目标打造「十万亿 token 级」模型，让 AI 不再被少数人掌控。」
一图看透全球大模型！新智元十周年钜献，2025 ASI 前沿趋势报告 37 页首发
在 AI 资本竞速的战场上，美国投资者正用真金白银押注未来！
据 PitchBook 统计，全球 AI 基础模型公司去年融资 349 亿美元；今年，已融资翻番至 719 亿美元。
刚刚，DeepMind 前研究员创立、成立一年多的 AI 初创 Reflection AI，竟斩获高达 20 亿美元融资。估值瞬间飙升至 80 亿美元！
从谷歌前 CEO 施密特到英伟达，再到红杉、花旗，顶级玩家争相入局，一场围绕开源 AI 主权的科技冷战，正在燃起资本最狂热的火焰。
开源 VS 闭源、算力 VS 人才、美国 VS 中国，Reflection AI 宣称要打造「美版 DeepSeek」，在 AI 新时代夺回技术话语权。
关于未来智能控制权的终极对决，正在悄然拉开帷幕。
「AI 决战之时」
Misha Laskin（下图左）曾主导 DeepMind「Gemini」项目中的奖励建模工作；Ioannis Antonoglou（下图右）则参与了 2016 年打败围棋世界冠军的 AI 系统 AlphaGo 的开发。
创始人的经历成为公司核心卖点------他们相信，在巨头体系之外，顶级 AI 人才完全可以打造前沿模型。
Reflection AI 主打「Open Intelligence」理念：模型、论文、数据全开放，让高校、初创、企业免费微调、部署、审计，以避免前沿 AI 被少数巨头垄断。
据 CEO Laskin 介绍，目前团队约有 60 人，主要由基础设施、数据训练和算法开发方向的 AI 研究员与工程师组成。
公司已部署大规模算力集群，并计划在明年发布一款训练规模达「十万亿 token 级」的前沿语言模型。
这笔融资也透露出一个信号：投资者不再只押注于 OpenAI 和谷歌等闭源专有模型，连开源路线也开始成为资本追逐的热点。
尽管一些人担心开源 AI 模型可能带来风险甚至滥用，但支持者认为这条路径不可或缺。
红杉的 Stephanie Zhan 认为现在就是 AI 行业的「决战时刻」，而 Reflection AI 已接受挑战。
熔炉时刻
真正的转折点往往悄然而至------今日的选择将定义未来数十年的轨迹。这些关键时刻塑造企业命运，同样铸就我们的事业与人生。
唯有敏锐识别潜藏的战略拐点，并敢于打破常规果断行动，才能在变革中持续领跑。
「美版 DeepSeek」
「下一步坚持开放智能」
Reflection AI 的联合创始人兼 CEO Misha Laskin 表示，美国急需拥有像 DeepSeek 那样的本土对标者------
一个能与顶级闭源模型竞争的开源 AI 平台，否则可能在全球技术竞争中失去优势。
Laskin 直言，当前西方开源模型普遍落后于 DeepSeek 及其他中国对手，这可能导致更多用户转向中国产品。
他指出，西方虽有 Meta、法国的 Mistral AI，甚至 OpenAI 等玩家也在参与开源，但整体竞争力仍显不足。
在接受采访时，Misha Laskin 说道：「美国目前正缺少一个像 DeepSeek 那样的存在，这也是我们这样的实验室为什么必须存在」。
他将当前局势比作冷战时期的太空竞赛。
但无论是开源模型还是闭源模型，要想真正打造出领先的 AI 系统，都需要海量的算力、顶级的科研人才------说到底，就是钱。
这也正是为何在今年 3 月刚完成 1.3 亿美元融资仅七个月后，Reflection AI 又火速完成了一轮高达 20 亿美元的新融资。
Laskin 坦言，Reflection AI 未来还将需要更多资金，毕竟竞争对手也在加速融资。
他指出，仅 OpenAI 一家就在上月获得了英伟达最多可达 1000 亿美元的投资承诺。
不过，他认为开源模型的市场需求正在持续扩大，尤其是来自希望掌控自身 AI 技术的大型企业与政府，这将最终撑起一条可持续的商业路径。
「
」
「为什么坚持开放？」
科技与科学的进步，源于开放与协作的价值观。
无论是互联网、Linux，还是现代计算的协议标准，都是开放的。
绝非偶然。正是因为开源，才有人能二次开发、深度定制，把它们嵌入全球各类系统。大学会教，初创会用，大企业会部署------开放，就是影响力。
开放科学的意义也在于：基于已有成果，别人可以学习、提问、改进、再突破。
如今的 AI 之所以取得如此进展，也正是因为许多关键技术是公开共享的，如自注意力机制、下一个 token 预测、强化学习等。
如今，AI 正在成为所有产业的底层技术基础。它驱动科研、提升教育、优化能源、加速医疗诊断、重塑供应链...... 未来一切系统，几乎都将运行在 AI 之上。
但问题是，前沿 AI 技术如今正被少数闭门实验室掌控。
如果这种格局持续下去，资本、算力、人才将被少数人垄断。留给其他人的机会之窗正在迅速关闭。
我们必须在这个窗口消失之前，建立足够强大、足以成为开发者和用户首选的开放模型。唯有如此，才能确保智能的基础是开放且可获取的，而不是由少数人掌控。
「」
「过去一年的成绩」
过去一年，Reflection AI 为这个目标做好了充分准备。
Reflection AI 的团队成员曾参与推动多个重大 AI 项目：PaLM、Gemini、AlphaGo、AlphaCode、AlphaProof，以及 ChatGPT、Character AI 等。
Reflection AI 搭建了一个曾被认为只有顶级实验室才能实现的大规模训练平台，可支持大语言模型和强化学习的融合，具备训练超大规模专家混合模型（Mixture-of-Experts）的能力。
首先，他们把这套方法用在「自动编程」这一关键领域，取得重大突破。
接下来，他们将把这套体系用于更通用的智能体推理（agentic reasoning）任务。
他们不仅完成了规模庞大的融资，还建立了一套可持续的商业模式，既保证开放理念，又能继续发布前沿模型。
现在，我们正全力扩展，打造结合大规模预训练与先进强化学习的下一代开放模型。
「竞逐超级智能」
「开启终极智能比赛」
2016 年，现年 37 岁的谷歌 DeepMind 研究员 Ioannis Antonoglou 参与开发了 AlphaGo。
八年后，他与另一位 DeepMind 前研究员、35 岁的 Misha Laskin 携手创办了 Reflection AI，目标是打造一个能够**「编写与维护代码的超级智能系统」**。
当前，大多数 AI 编程公司仍专注于为开发者提供辅助工具，而 Reflection 的野心是：「彻底取代程序员。」
Reflection 创始团队坚信，「「自主编程」是通向通用超级智能（AGI）的「根节点问题」（root-node problem）。」
联合创始人 Ioannis Antonoglou 说
我们认为，自主编程就是 AGI 完备的（AGI-complete）。
如果你能证明你拥有超级智能的软件工程师，那你已经拥有了 AGI。接下来只是将同一套算法推广应用到其他垂类的问题上。
他认为，在「编程」这个问题里，你已经找到了获得超级智能的完整路径------所有构成智能所需的要素，都已经在这个任务中被激活。
「」
「代码就是 LLM 的天然 UI」
智能的形式有很多种，不只是用于编写代码的那一种。但**「代码恰恰是推进**「「机器智能」 」最「可触达」的表层之一」。
Misha Laskin 预测道：「我们认为，「智能的演化速度将快于软件本身」。」他进一步解释：
而选择从软件工程入手，是因为这个领域已经为机器智能做好了准备------整个软件体系天生就更「机器友好」。
对人类来说，操控三维物体是天性；而对语言模型来说，「编程语言就像人类的空间感知能力一样本能天然」。
对 LLM 而言，代码就是最符合「人体工学」的操作界面。
这一趋势的影响将逐步显现。在这一过程中，软件公司将会开始构建「AI 友好型界面」，加速甚至瞬间完成人类与软件产品的交互。
Misha 设想了一种未来：「「GUI」 「的某些部分可能会被取代，背后实际是语言模型在用代码完成任务。」」
原本需要用户点十下的操作，未来可能只需模型生成一行代码，任务即可完成。
Reflection 团队对「超级智能」的定义非常实用：「能通过操作计算机来创造价值的系统。」
Misha 表示：「我们认为，未来语言模型在软件世界中完成工作的方式，就是通过代码智能体（coding agent）。所以一旦你解决了这个问题，「你就实现了计算机上的超级智能，适用于任何拥有」 「AI」 「友好接口的软件系统。」」
Reflection 的创始人相信，「自主智能体最有效的训练方式，是在为其量身定制的环境中练习技能」------就像当年的 DeepMind Atari 游戏环境，或 OpenAI Gym 所做的一样。
在「编程」领域，这些环境和工具已经比较容易想象；但对于其他更复杂的认知场景，可能还需要更大胆的想象力与技术突破。
Misha 认为，当前的 AI，就像蒸汽机时代早期------在热力学理论尚未诞生之前，发明家们已能造出真正的机器。
从理论角度深刻理解模型为何有效，当然非常有价值。
在物理学中，每当人类从理论上彻底理解一个现象，都会引发新一轮实证创新浪潮------因为你知道该往哪里寻找。 但你无需等到理论完全成型，才能构建出可靠的系统。
受物理学大师费曼（Richard Feynman）的启发，Misha 最初走上物理之路。
在一次关于能量守恒的演讲中，费曼说过：
在如今的物理学中，我们并不知道「能量」究竟是什么。意识到这一点非常重要。
这句话，如今同样适用于 AI------以及我们对「智能」的理解。
DeepMind 创始人 Demis Hassabis 曾在诺贝尔奖采访中如此总结对超级智能的追寻：
AI 科学的核心，就是探索和理解什么是智能。 而理解某件事最深刻的方式，就是亲手把它造出来。
现在，我们还有机会，真正建立一个前沿的开放智能体系。但窗口正在收窄，可能这就是最后一次机会。
参考资料：