一个名为 Flapping Airplanes 的AI实验室于周三成立，获得了来自Google Ventures、Sequoia和Index的1.8亿美元种子轮融资。创始团队令人印象深刻，其目标——寻找一种对数据需求较少的训练大型模型的方法——尤其引人注目。
根据我目前所见，我会将他们评为在赚钱意愿等级中的二级。
但Flapping Airplanes项目还有更令人兴奋之处，直到我读到Sequoia合伙人David Cahn的这篇文章，我才得以确切指出。
正如Cahn所描述的那样，Flapping Airplanes是首批超越“扩展”范式的实验室之一，而“扩展”一直是迄今为止定义整个行业的对数据和算力的不懈构建：
扩展范式主张将社会尽可能多的资源投入到扩大当前大语言模型（LLM）的规模中，希望这能通向通用人工智能（AGI）。研究范式则认为，我们距离实现“AGI”智能仅有2-3次研究突破，因此我们应该将资源投入到长期研究中，特别是那些可能需要5-10年才能取得成果的项目。
[…]
以算力为先的方法会将集群规模置于首位，并严重偏好短期收益（约1-2年），而非长期押注（约5-10年）。以研究为先的方法会在时间上分散押注，并愿意做出大量绝对成功率较低但共同扩展了可能性搜索空间的研究项目。
也许算力派是对的，除了疯狂地建设服务器之外，关注其他任何事情都是徒劳的。但在这么多公司已经朝这个方向前进的情况下，看到有人选择相反的道路，令人欣慰。