2026年9月3日 OpenAI 发布 GPT-6 Astra 后，总裁 Greg Brockman 在简报会上喊出欢迎来到 AGI 时代，英伟达 CEO 黄仁勋也在社交媒体 X 上高呼 AGI 已经到来，并顺带推销了用于训练该模型的英伟达 GPU。商业领袖忙着宣告终局，写下第一代大模型配方的核心科学家却在集体转身离开，因为现有靠堆叠算力和互联网文本的路线已经逼近天花板，真正的下一代突破正转移到脱离大厂束缚的独立新型实验室中。
GPT-6 Astra 的跑分水分与顶尖大脑的出走
外行在欢呼通用人工智能降临，内行却从成绩单里看到了现有配方的裂痕。GPT-6 Astra 在前沿数学 FrontierMath Tier 4 (v2) 上拿到了 97.6% 的高分（官方宣传中四舍五入为约 98%），但在考察综合推理的 ARC-AGI-3 基准测试中，官方大力宣传的 99.9% 跑分其实是在提供商适配器（provider adapter）模式下跑出来的——该模式允许模型在请求之间保留不透明的推理状态并支持对话压缩。一旦切回一视同仁的标准测试框架（standard harness），它的得分立刻暴跌至 62.7%。
在其他硬核测试里，GPT-6 Astra 的表现同样算不上统治级。它在 Terminal-Bench Science 0.1 中得分为 64.6%，而在允许使用工具的人类最后一场考试（Humanity's Last Exam）中仅拿到 57.2% 的分数，直接输给了竞品 Claude Fable 5.1 的 65.0%。ARC Prize 官方与 AGI 协会（AGI Society）随后双双公开警告，现有评测表现和榜单饱和根本不足以证明 GPT-6 Astra 实现了 AGI。
看穿这层数字幻觉的缔造者们选择了用脚投票。OpenAI 联合创始人兼前首席科学家 Ilya Sutskever 早在 2024 年 5 月便离开老东家，创立了 Safe Superintelligence（SSI）；主导 OpenAI 推理模型 o1 和 o3 研发的前研究副总裁 Jerry Tworek 离职创办了 Core Automation；AlphaGo 灵魂人物 David Silver 离开 Google DeepMind，与 Lasse Espeholt 联合创立了 Ineffable Intelligence；在 Meta 工作了 12 年的 Yann LeCun 因内部战略分歧于 2025 年 11 月官宣离职，创办了 AMI Labs；而在 Google 效力的 27 年老兵、首席科学家 Jeff Dean，也在 2026 年 8 月 5 日联合传奇工程师 Sanjay Ghemawat 以及核心学者 Quoc Le、Oriol Vinyals 共同官宣创立 Discovery Loop。
- 结论.当大厂忙着用工程补丁把榜单分数刷到极限时，真正的架构师已经确信单靠扩大参数量和互联网文本预训练走不到终点。
后扩容时代的四张技术赌桌
这批被称为 Neolabs（新型实验室）的独立机构虽然都在质疑现有大语言模型配方，但开出的药方截然不同。今日的模型在部署后权重就会冻结，无法像人类一样从少样本和持续经验中更新认知，一旦强行重训又容易引发灾难性遗忘。为了跨过这道坎，出走的学者们把筹码押在了四个不同的技术维度上。
第一张赌桌是高样本效率与持续学习。Sutskever 在 2025 年 11 月 25 日的 Dwarkesh 播客中明确判断，行业正从规模化时代（age of scaling）转向研究时代（age of research），因为现有模型的泛化可靠性远不如人类。与他同赛道的还有前 Cohere 研究负责人 Sara Hooker 创立的 Adaption、押注生物学启发算法的 Flapping Airplanes，以及 Tworek 的 Core Automation。Tworek 直言持续学习是机器学习问题，靠ChatGPT 或 Claude 记笔记、读 Markdown 文件的工程绕路根本不够，Core 的目标是让首个模型在部署期间动态更新权重，且仅需如今百分之一的训练数据。
第二张赌桌直接从底层否定语言模型。LeCun 的 AMI Labs 以 JEPA（联合嵌入预测架构）为核心，放弃逐词或逐像素的生成重建，转而在抽象表征空间里预测世界状态，主攻物理理解、记忆与规划。第三张赌桌是脱离人类数据的纯经验强化学习，Silver 与强化学习先驱 Richard Sutton 在 2025 年春天合著了论文《Welcome to the Era of Experience》，指出只靠模仿人类数据的系统很难超越人类上限，Ineffable 正据此打造直接从数字和物理环境反馈中学习的超级学习者（Superlearner）。第四张赌桌则是把科研本身变成机器，Jeff Dean 领衔的 Discovery Loop 切入点是将大规模机器学习中提出假设、运行实验到评估改进的完整流程自动化，用算力吞吐量直接加速科学发现。
零产品百亿估值背后的巨头阳谋
没有公开发布过任何一个模型或一篇论文，却能拿到天文数字的支票，这是本轮创业潮最反常的景象。Sutskever 的 SSI 在 2024 年 6 月成立后数月内就融到 10 亿美元，2025 年 4 月在 Greenoaks 领投下估值飙升至 320 亿美元，到了 2026 年 7 月 27 日，英伟达更是传出同意向其直接进行 50 亿美元股权投资（双方未披露具体估值）。同样没有公开模型的 Flapping Airplanes 在 2026 年 1 月拿了 1.8 亿美元后，又于 10 月 21 日完成了由 Index Ventures 和 Lux Capital 领投的 10 亿美元新一轮融资，投后估值达 60 亿美元，比同年 7 月 31 日洽谈时的 50 亿美元目标估值还高出一截。
| 实验室名称 | 核心领军人物 | 最新融资额与时间 | 投后估值 / 备注 |
|---|---|---|---|
| Prometheus | Jeff Bezos, Vik Bajaj | 120 亿美元 (2026.06) | 410 亿美元 (B轮，工业AI) |
| SSI | Ilya Sutskever | 50 亿美元 (2026.07) | 2025年4月估值为320亿美元 |
| Ineffable | David Silver, Lasse Espeholt | 11 亿美元 (2026.04) | 红杉参投，种子轮融资 |
| Flapping Airplanes | Ben & Asher Spector | 10 亿美元 (2026.10) | 60 亿美元 (高于7月50亿目标) |
如果把视野拉宽，由 Jeff Bezos 与 Vik Bajaj 共同领导的工业 AI 实验室 Prometheus，更是在 2026 年 6 月 11 日以 410 亿美元估值完成了惊人的 120 亿美元 B 轮融资。风险投资和产业巨头之所以敢如此挥金如土，是因为早年历史给过他们血淋淋的教训。Google 在 2017 年发明了 Transformer 架构，DeepMind 造出了击败围棋世界冠军的 AlphaGo，但真正引爆大众市场的却是 2015 年以非营利机构起步的 OpenAI；而 2021 年从 OpenAI 分拆出来的 Anthropic，到 2026 年 7 月底年化收入已经突破 650 亿美元。
巨头用算力和钞票买断叛军，本质是为自己的万亿上市之路买一份防颠覆保险。
如今的 OpenAI（周活跃用户已达 12 亿）与 Anthropic 正双双冲刺创纪录估值的 IPO。在庞大的商业巨兽内部，基础研究团队不得不与产品团队争夺算力和注意力，任何可能动摇现有大模型现金流的激进探索都会遭遇经典的创新者窘境。
这也解释了为什么许多离职并非彻底决裂。Alphabet 直接作为创始投资方入股了 Jeff Dean 的 Discovery Loop 并保留云合作；英伟达一边在台前为 OpenAI 站台卖卡，一边在幕后给 SSI 塞进 50 亿美元。哪怕小型实验室的技术领先窗口只有几周——例如 TypeSafe AI 在 9 月中旬刚发布决策模型 Jev，两周后 OpenAI 就在开发者日推出了 Decisions API——大厂依然愿意通过高价收购或挖角来回收成果。微软收编 Inflection 核心团队、Google 吸纳 Character.ai 与 Windsurf 领导层，以及 AMD 宣布以约 82 亿美元收购 World Labs，都是这套体外研发收割机制的明证。
- 风险.在算力门槛百倍于十年前的今天，这批零产品起步、估值却动辄百亿美元的实验室一旦无法在两三年内跑通新架构的扩展规律，一级市场将面临惨烈的估值泡沫出清，绝大多数团队终将沦为科技寡头昂贵的外包研究院。