估值3000亿63家新实验室杀疯了murati贝佐斯集体押注下一代ai¶

Ch01.270 估值3000亿63家新实验室杀疯了murati贝佐斯集体押注下一代ai¶

📊 Level ⭐⭐ | 13.6KB | entities/估值3000亿63家新实验室杀疯了murati贝佐斯集体押注下一代ai.md

AI Neolab 生态：63家新实验室与3000亿美元赌注¶

AI Neolab（AI新实验室）是由 Menlo Ventures 合伙人 Deedy Das 于2026年提出的概念，指一批尚未产生收入（pre-revenue）、估值普遍超过10亿美元的规模化创业公司，核心押注长期基础模型突破与前沿人工智能研究。该生态共有63家公司，总估值约3000亿美元，平均估值接近50亿美元。

五条主线赛道¶

前沿实验室（Frontier Labs）¶

Thinking Machines Lab 是估值最高的前沿实验室之一，估值约500亿美元，由前 OpenAI CTO Mira Murati、OpenAI 强化学习核心人物 John Schulman、以及 PyTorch 创始人 Soumith Chintala 联合创立。三人代表了 OpenAI 架构、训练方法与工程生态的三大核心贡献者，致力于构建下一代通用智能架构。

SSI（Safe Superintelligence） 由 OpenAI 前首席科学家 Ilya Sutskever 创立，估值320亿美元，唯一使命是「安全超级智能」，不做任何商业产品，专注于 AI 安全对齐研究。

Reflection AI 估值250亿美元，由前 DeepMind 团队创立，专注美国开源大模型，在大模型日益封闭的行业趋势下选择明确的开放路线。

Poolside 估值120亿美元，继承了 GitHub Copilot 的技术血统，专注 AI 编程与软件工程自动化，是前10中最接近商业化路径的一家。 Ineffable Intelligence 于2026年新入榜，估值51亿美元，由 AlphaGo/AlphaZero 强化学习核心成员 David Silver 创立，是欧洲最大种子轮之一，标志着欧洲终于拥有了自己的 Neolab 旗手。

Periodic Labs 估值约70亿美元，由 OpenAI 前VP Liam Fedus 与 DeepMind 材料研究专家 Elin Cubuk 联合创立，方向是 AI 驱动新材料发现，面向能源、医药、制造等领域——这是 AI 科学发现而非 AI 应用，用生成模型找到人类自己无法发现的新材料。

机器人与具身智能（Robotics & Embodied AI）¶

Project Prometheus 估值380亿美元，是贝佐斯（Jeff Bezos）卸任亚马逊 CEO 后首次以正式运营角色回归一线创业公司，搭档为前 Google X 科学家 Vik Bajaj，方向是「物理经济」——机器人在制造、物流、劳动力领域的规模化部署。该公司于2026年从零飙至380亿美元估值，仅用时5个月，是史上最快达到该量级的公司之一。

Roze 于2026年最新入榜，孙正义（SoftBank）主导，SoftBank 正筹划将其在美国单独上市，目标估值1000亿美元，据 FT、CNBC 等多方媒体报道最早可能于2026年完成上市。业务方向是用机器人建设 AI 数据中心，整合 SoftBank 已完成或已宣布收购的 Ampere、ABB Robotics、DigitalBridge 等资产。

Skild AI 估值140亿美元，由 CMU 教授 Deepak Pathak 和 Abhinav Gupta 创立，构建「通用机器人基础模型」，使机器人具备跨任务迁移能力——逻辑与大语言模型（LLM）完全一致，目标是将机器人从专用工具变为通用劳动力。

Physical Intelligence 估值约110亿美元，斯坦福和 Google 机器人研究员团队于2024年创立，核心方向是具身智能与强化学习的结合，让 AI 真正理解并操控物理世界。

这四家代表了机器人领域的四条完全不同路线：孙正义押注资源整合，贝佐斯押注实体经济场景，CMU 押注模型迁移能力，斯坦福/Google 押注基础研究突破。

世界模型（World Models）¶

World Labs 是目前该生态中唯一拿到10亿美元融资的世界模型公司，由著名计算机科学家李飞飞（Fei-Fei Li）创立，聚焦多模态世界模型的构建。

生物材料与药物发现¶

Inceptive 是该方向的代表，结合生成式 AI 与生物分子设计，押注 AI 在制药领域的底层突破。

生态特征与行业分层¶

63家 AI Neolab 的涌现标志着 AI 创业正在形成两层结构：第一层是应用层，拼 GMV、ARR 和市场渗透率（AI 编程工具、AI 搜索、AI 客服、办公自动化等）；第二层是 Neolab 层，押注世界模型、AI 科学家、机器人、AI 安全对齐、通用智能架构等范式级突破，赌的是3到5年后整个行业的底层假设是否被重写。两层暂时互不干扰，但长期上第二层决定第一层的天花板。

资本充当了缓冲器，让团队无需立刻有产品，可以专注于核心架构而非功能堆砌。创始团队主要来源于 OpenAI 系、DeepMind 系、Stanford、CMU、Google Research，以及贝佐斯、孙正义等亲自下场押注的产业巨头。

人才层面，OpenAI、Google DeepMind 等大厂的顶尖研究员正在被 Neolab 层大规模吸走，使大厂研究部门逐渐沦为高级 AI 人才的中转站。

资本层面也在交织：Menlo Ventures 既是 Anthropic 生态 Anthology Fund（1亿美元专项基金）的投资团队成员，又在追踪这批 Neolab——应用层资本与基础研究层资本开始由同一批人操盘。

63家 Neolab 是 AI 行业用真金白银对未来投出的63张选票，尽管失败率会很高，但其中只要一张命中，整个行业的重心就可能改变。前10家估值合计约1800亿美元，占据总估值约60%，集中押注机器人、前沿实验室两大方向。

深度分析¶

AI 创业正在形成"应用层"与"Neolab 层"的两层结构，两者暂时互不干扰，但长期上 Neolab 层决定应用层的天花板。 应用层（AI 编程工具、AI 搜索、AI 客服、办公自动化）拼的是 GMV、ARR 和市场渗透率，节奏快、竞争激烈；Neolab 层（世界模型、AI 科学家、机器人、AI 安全对齐、通用智能架构）押注的是范式级突破，赌的是3到5年后整个行业的底层假设是否被重写。这意味着应用层公司今天再成功，跑的也是现有范式的红利，而 Neolab 层的任何一家若跑通了世界模型或具身智能，整个应用层的底层逻辑就要重写一遍。

63家 Neolab 的高估值（总估值3000亿美元、平均约50亿美元）反映了资本对基础研究突破的强烈渴望与长期承诺。 这些公司清一色是 pre-revenue 的规模化创业公司，尚未产生任何收入，却能获得如此高的估值，说明资本市场对"押注长期基础模型突破"的愿意付出了显著的流动性溢价。这种估值结构与传统的收入倍数估值法完全不同，本质上是一种"彩票式"的胜率博弈。

资本充当缓冲器是 Neolab 模式得以运转的核心机制：让团队无需立刻有产品，专注于核心架构而非功能堆砌。 Deedy 所在的 Menlo Ventures 同时管理 Anthropic 生态 Anthology Fund（1亿美元专项基金），又在追踪这批 Neolab——说明应用层资本与基础研究层资本开始由同一批人操盘。这创造了一个独特的资本分配结构：同一批投资人在同时布局应用层现金牛与基础研究彩票。

人才分流正在从大厂向 Neolab 加速：OpenAI、Google DeepMind 等顶尖研究员正在被大规模吸走，大厂研究部门逐渐沦为高级 AI 人才的中转站。 这一趋势意味着大厂的技术储备优势可能在未来3-5年内被削弱，而 Neolab 由于没有短期产品压力，能够让研究员专注于核心架构层面的长期研究，形成对顶级人才更强的吸引力。人才是 AI 研发的核心资产，这一分流将直接影响未来的技术竞争格局。

前10家估值约1800亿美元，占据总估值约60%，且集中在机器人与前沿实验室两大方向。 这表明资本押注并非均匀分布，而是高度集中：机器人方向（Project Prometheus 380亿、Roze 目标1000亿、Skild AI 140亿、Physical Intelligence 110亿）和前沿实验室方向（Thinking Machines 500亿、SSI 320亿）是最强的两个主题。这两个方向分别代表了 AI 落地物理世界与 AI 底层架构突破两条路径。

实践启示¶

对于 AI 投资与 VC 从业者，建议建立"两层结构"的投资分析框架：应用层用 GMV/ARR/市销率等传统指标评估；Neolab 层则需要用"创始人背景 × 技术路线差异化 × 潜在范式突破概率"来评估。Menlo Ventures 既投 Anthropic 生态又追踪 Neolab 的模式值得参考——可以通过 Anthology Fund 等成熟生态基金对冲风险，同时以小仓位参与 Neolab 层的彩票博弈。

对于 AI 创业者和研究者，人才分流趋势意味着加入 Neolab 可能比留在大厂研究部门更能获得架构级经验。值得关注的方向包括：(1) 机器人具身智能（Skild AI 的"通用机器人基础模型"路线与 Physical Intelligence 的强化学习路线都在招人）；(2) AI 安全对齐（SSI 是全球唯一专注此方向的百亿级机构）；(3) 开源大模型（Reflection AI 在大模型日益封闭的行业趋势下有独特价值）。

对于应用层 AI 公司创始人，需要密切追踪 Neolab 层的突破进展，特别是世界模型（World Labs）和具身智能（Project Prometheus、Roze）方向——因为这些领域的突破可能颠覆现有的应用层产品逻辑。建议每季度进行一次 Neolab 生态扫描，评估是否需要提前布局技术转型。

对于企业决策者和CXO，资本缓冲机制让 Neolab 团队能够在3-5年内专注核心架构而非产品功能堆砌，这一模式值得在企业内部创新中借鉴。对于传统企业而言，如果押注 AI 转型，应该考虑建立类似的"缓冲机制"——让 AI 研发团队免受短期 KPI 压力，专注于范式级突破而非功能迭代。

对于行业观察者和政策制定者，63家 Neolab 的出现标志着 AI 行业的人才竞争已经进入"超级明星制"阶段——顶级研究员（Ilya、Mira Murati、David Silver 等）正在虹吸整个行业的顶尖人才，这可能导致 AI 创新的集中度进一步上升。同时，OpenAI、Google DeepMind 等大厂研究部门逐渐沦为人才中转站这一现象值得深入研究，可能对各国 AI 人才培养战略产生深远影响。