宾夕法尼亚大学AI研究人员Shriyash Upadhyay和Etan Ginsberg指出，大型AI公司在追求模型竞争力时往往牺牲基础研究。两人认为市场动态是主因：融资多用于维持竞争领先，而非基础理论探索。
Upadhyay和Ginsberg在接受TechCrunch邮件采访时表示：“在宾大研究大语言模型（LLMs）期间，我们观察到AI行业这一令人担忧的趋势，核心挑战在于如何让AI研究实现盈利。”
为解决该问题，两人创办了Martian公司，旨在通过可解释性产品推动相关研究。今日，Martian宣布完成900万美元融资，投资方包括NEA、Prosus Ventures、Carya Venture Partners及General Catalyst等。资金将用于产品开发、模型内部运作研究及团队扩充（目前10人）。
智能“模型路由器”降本增效
Martian首款产品为“模型路由器”，可自动将输入LLM的提示词路由至最优模型。系统默认根据正常运行时间、技能匹配度（如数学解题）及性价比选择最佳LLM。
Upadhyay和Ginsberg解释道：“当前企业通常为每个端点固定单一LLM，但在建站等场景中，不同请求适配不同模型。通过‘模型团队’策略，企业可实现比单一模型更高的性能与更低的成本。”
完全依赖GPT-4等高端模型成本高昂。Permutable.ai CEO透露，其使用OpenAI高端模型日均处理200万篇文章，年支出超100万美元。并非所有任务均需顶级性能，但构建实时智能切换系统难度极大，这正是Martian的核心价值——无需实际运行即可预估模型表现。
团队表示：“当廉价模型表现接近昂贵模型时，Martian会自动路由以节省成本，仅在必要时调用高价模型；新模型发布后亦可无缝索引整合，无需人工干预。”
技术壁垒与商业化前景
尽管Credal等竞品已提供类似工具，Martian的增长仍取决于定价竞争力及高风险场景下的交付能力。Upadhyay和Ginsberg称，目前已获部分“数十亿美元级”企业采用。
他们强调：“构建高效模型路由器需深入理解模型底层原理，这是我们的核心技术突破。”