硅谷估值最高的 20 家Neo Labs

#ai #podcast

https://www.youtube.com/watch?v=NZFJj90aKpo
这期视频盘点了硅谷估值最高的 20 家 “Neo Labs”（新实验室）。

大飞在视频中解释道，Neo Labs 是科技史上的一种全新物种，它们大多由顶尖 AI 科学家或财务自由的连续创业者创立，通常没有成熟的产品，营收接近于零，但估值动辄几十亿甚至上百亿美元 [01:24]。它们兼具科学前沿探索与工程、资本的结合，标志着 AI 时代科研到商业化的距离被无限缩短 [02:19, 03:10]。

以下是视频中详细盘点的 Top 20 Neo Labs 完整名单及押注方向：

硅谷 Top 20 Neo Labs 盘点

排名	公司名称	估值 / 融资情况	核心创始背景	核心押注方向 / 特点
1	Prometheus Project (普罗米修斯计划)	约 $380 亿 [03:36]	杰夫·贝佐斯（Jeff Bezos）、前谷歌 X 实验室的 VLAAM 团队 [00:11]	通用工程智能：面向物理经济，用 AI 彻底改造工程设计、制造和物理对象的开发流程（工业时代的操作系统） [00:53, 06:06]。
2	SSI (安全超级智能)	约 $320 亿 [06:13]	伊利亚·苏茨克维尔（Ilya Sutskever，前 OpenAI 首席科学家） [06:17]	纯研究型安全 AGI：拒绝短期商业化，完全专注于在架构最底层实现 AI 的安全、对齐与可控 [06:32, 06:42]。
3	Skild AI	约 $140 亿 [07:08]	卡内基梅隆大学机器人与具身智能实验室团队 [07:12]	机器人通用大脑（安卓路线）：为各种形态的机器人（机械臂、人形机器人、移动机器人）打造通用的基础模型 [07:22, 07:32]。
4	Thinking Motions Lab (TML)	约 $120 亿 [07:47]	前 OpenAI CTO、首席科学家约翰·舒尔曼、巴雷特·佐夫等（约 30 名原 OpenAI 核心成员） [07:56]	开放通用智能：以公共利益公司（PBC）形式运营，强调协作式通用智能和开放的研究文化 [08:17]。创下 AI 种子轮估值纪录 [08:28]。
5	Reflection AI	约 $80 亿 [08:32]	两位创始人来自谷歌 DeepMind [08:36]	开放智能与代码体：从代码智能体起步，逐渐转型为强调开放智能和政研合作的前沿 AI 实验室 [08:47]。
6	HK	约 $60 亿 [09:07]	布雷特·阿德科克（Brett Adcock，Figure AI 和 Archer 创始人） [09:10]	消费端 AI 硬件：少有的直接对准 C 端市场的公司，核心方向是面向个人用户的 AI 硬件和通用交互界面 [09:25]。
7	Physical Intelligence (π)	约 $56 亿 [09:48]	伯克利教授谢尔盖·莱文、斯坦福教授切尔西·芬恩 [09:52]	跨具身通用基础模型：为物理世界打造跨硬件本体的通用基础模型，让机器人迎来 GPT 时刻 [10:03]。投资方阵容豪华（贝佐斯、OpenAI 等） [10:22]。
8	Worldlabs	约 $50 亿 [10:26]	李飞飞（AI 教母、ImageNet 缔造者） [10:30]	空间智能：其首款产品可生成可漫游、可编辑的 3D 世界 [10:45]。获得英伟达、AMD 等巨头投资 [10:53]。
9	Conversional AI (Convention AI)	约 $45 亿 [10:57]	纳文·拉奥（Naveen Rao，前 MosaicML 创始人） [11:01]	芯片与算力革新：试图从硬件层面重新定义人工智能，打破英伟达主导的既有格局 [11:18]。
10	RSI (Recursive Superintelligence)	约 $40 亿 [11:34]	前 Salesforce 首席科学家、You.com 创始人理查德·索赫尔 [11:39]	递归自我改进 AI：从 You.com 拆分独立运营，研发能够递归自我改进的人工智能系统 [11:44, 11:48]。
11	Descart (DCART)	约 $40 亿 [12:05]	来自以色列的 AI 团队 [12:09]	世界模型与实时交互：核心方向是实时视频、世界模型以及 AI 优化软件。代表作为可实现实时交互的《我的世界》场景生成 [12:13, 12:17]。
12	Recursive Intelligence	约 $40 亿 [12:36]	前谷歌大脑团队（最早在《自然》发表 AI 设计芯片布局论文的团队） [12:53]	AI 设计芯片闭环：用 AI 设计更好的芯片 $\rightarrow$ 跑出更强的 AI $\rightarrow$ 再去设计更先进的芯片，形成不断自我强化的飞轮 [13:08]。
13	AMI Labs	约 $35 亿 [13:25]	杨立昆（Yann LeCun，图灵奖得主）及前 Meta 高管等 [13:29]	JEPA 架构探索：公开批判主流的 LLM（大语言模型）路线，押注“联合嵌入预测架构”（JEPA）来实现真正的通用智能 [13:41]。
14	Isomorphic Labs	累计融资约 $27 亿 [14:00]	隶属 Alphabet，CEO 为 DeepMind 创始人哈萨比斯 [14:08]	AI 药物设计：以 AlphaFold 术积累为基础，同时推进 AI 药物设计引擎和临床管线的开发 [14:13]。
15	PID	约 $30 亿 [14:28]	前 GitHub CTO 杰森·沃纳 [14:35]	代码基础模型：在代码应用白热化的背景下，坚持走自研底座技术模型路线，而非在现有大模型上搭应用 [14:44]。
16	Server Therapeutics (Peutic)	约 $27 亿 [15:00]	蛋白质设计领域顶尖科学家大卫·贝克（吸收了贝克实验室技术） [15:10]	AI 驱动制药：直接把商业制药管线作为主战场，试图将原本需要 10 年以上的药物研发周期缩短到几年 [15:21, 15:32]。
17	Liquid AI	约 $20 亿 [15:35]	麻省理工学院 CSAIL 团队 [15:39]	液态基础模型（LFM）：不同于 Transformer 路线，强调参数效率、部署灵活性和边缘推理能力 [15:46, 15:53]。
18	Magic	约 $15 亿 [16:07]	面向软件工程自动化的团队 [16:10]	长上下文代码体：主打极长的上下文窗口和深度代码生成能力 [16:14]。
19	Flapping Airplanes	约 $15 亿 [16:25]	斯坦福大学博士生团队（非常年轻的实验室） [16:29]	提升数据效率：核心方向是让模型在更少训练数据的情况下获得更强的能力 [16:36]。
20	Harmonic	约 $14.5 亿 [16:57]	来自 Robinhood 以及数学形式化推理学术圈 [17:16]	可验证数学推理：利用 Lean 等形式化证明方法，将数学推理能力作为突破口，以此降低 AI 的幻觉问题 [17:04, 17:08]。

Neo Labs 面临的巨大压力与挑战

视频最后指出，高估值背后是极其残酷的现实 [17:34]：

漫长的沉默期与人才流失：这些前沿技术（如 AI 制药、芯片流片）需要数年甚至十年才能看到结果 [17:54]。在没有产品、没有营收的沉默期里，大厂（如 Meta、谷歌）会开出上亿美元的现金加股票期权来挖人 [18:38]。例如今年初 Thinking Motions Lab 就爆发了严重的离职潮，其 CTO 巴雷特·佐夫等核心成员最终重返 OpenAI [18:19]。
资本泡沫风险：这 20 家公司总估值已超 1000 亿美元，这意味着未来 10 年内必须跑出至少一家万亿级别的超级赢家，资本的账才能算得过来，否则大部分高估值都将变成泡沫 [19:02]。
竞争烈度空前：当年的 DeepMind 熬了 10 年解决蛋白质折叠时，全球几乎没有竞争对手 [19:23, 19:51]。而今天的 Neo Labs 不仅要同类厮杀，还要直面拥有海量资源和技术积累的科技巨头（OpenAI、谷歌、Meta） [20:01]。