Thinking Machines Lab 上周发了一篇长文,标题叫《The Future Worth Building Is Human》。通篇引哈耶克和波兰尼的知识论证,说AI不该在少数几个地方训完就冻结,而该像知识一样分散在每个使用者手里,持续被用户塑造。文章发出的同时,这家公司正在推进一笔约20亿美元的种子轮融资,估值报到120亿美元。
一边说"反对中心化",一边握着行业里数一数二的中心化资本。这个反差,比宣言本身更值得琢磨。
宣言讲了什么
论证链条很清楚:波兰尼说厨师和店主的经验是隐性知识,写不进数据库;哈耶克说计划经济输给市场,不是因为不够聪明,而是知识本来就分散在每个人手里,谁也汇总不完。丰田2014年把老工匠请回生产线,理由是"要驾驭机器,先得懂机器"。
由此推出结论:AI要真正有用,也得分散,不能靠一个模型服务所有人。TML给出四条技术路线——训强模型、做可定制工具(含权重训练)、开发人机交互界面、发表研究。
道理站得住。问题在下一步:这套哲学落地之后,长什么样。
Murati的班底和账本
创始人是前OpenAI CTO Mira Murati,核心团队里还有OpenAI联合创始人John Schulman、前研究副总裁Barret Zoph、前副总裁Lilian Weng,另有Meta、Mistral背景的人加入。种子轮20亿美元、估值120亿美元,这个体量足够让TML挤进当前最贵的AI初创公司之列。
值得一提的是,TML招聘页面对外的使命表述是"推进协作式通用智能",和博客里"延伸人类意志与判断力"不是同一句话。哪个才是真正的战略叙事,公司自己似乎也没统一口径。
Tinker:宣言落地后的样子
TML目前唯一的产品是Tinker——一个开放权重模型的后训练API,支持LoRA微调,配套研究与教学资助、社区项目征集。权重训练完可以导出,这点确实比很多同类服务开放。
但训练本身,跑在TML自己的服务器上。这是一个托管式服务,不是用户可以完全自托管的开放系统。
社区的反应总体谨慎正面:认可降低了定制训练的门槛,也认可权重可导出这个加分项。但质疑同样直接——一个跑在别人服务器上的服务,和"知识本地持有、不受中心汇总"的哈耶克式论证,到底哪里像"分散"?
矛盾没被回应
这不是文字游戏,是结构性的。哈耶克反的是"中央计划者能替所有人做决策"这件事,他的解药是让决策权留在信息最灵通的个体手里。TML把这套逻辑用来批评"少数几个实验室训完模型冻结分发"的现状,听着很有力。
但Tinker本身,恰恰是"少数几处基础设施决定大多数人怎么训练模型"的结构。用户能调参数、能导出权重,决定不了服务跑在哪、稳不稵、贵不贵、什么时候被限流——这些决定权,还是握在TML手里。
哈耶克的字用得漂亮,服务器却还是自家的
- 风险.如果TML下一步没有比后训练API更接近"完全去中心化"的产品,这篇宣言就只是一次差异化的融资叙事,而不是技术路线的实质承诺。
孟子说"徒善不足以为政,徒法不能以自行",光有好的理念,落不了地就是空谈。TML的问题不在于理念不够漂亮,而在于目前能拿出手的东西,和理念之间还差一截。这截差距怎么补,是接下来观察这家公司最该盯的变量——不是它讲了什么,是它做出了什么。