3.5亿！AI创企获种子轮融资，打造会进化的智能机器

智东西
编译｜万贵霞
编辑｜心缘

智东西2月5日消息，前Cohere研究副总裁、前谷歌DeepMind研究员Sara Hooker创办的AI初创公司Adaption Labs昨天宣布，其种子轮融资中获得5000万美元（约合人民币3.47亿元），押注于规模更小、但更智能的AI模型。

本轮融资由Emergence Capital Partners领投，Mozilla Ventures、Fifty Years、Threshold Ventures、Alpha Intelligence Capital、E14 Fund和Neo等机构参与投资。该公司在融资后未透露其估值信息。

▲Adaption Labs官宣公告（图源：X）

Adaption Labs由前Cohere高管Sara Hooker与Sudip Roy联合创办。Cohere是一家加拿大的AI公司，专注于大语言模型及自然语言处理技术，为企业和开发者提供生成式AI解决方案。

该公司的联合创始人兼CEO Sara Hooker介绍说，Adaption Labs的核心工作围绕自适应数据、自适应智能、自适应界面三大支柱展开，分别实现AI系统实时生成处理任务数据、按需动态调配算力、从用户交互中自主学习三大能力，以此摆脱对大型静态数据集和昂贵重训练的依赖。

据《财富》杂志昨日报道，Adaption Labs将利用本轮种子融资，招聘更多AI研究人员和工程师，同时引入设计师，为AI系统开发不同于主流模型“聊天栏”形式的用户界面。

一、Adaption Labs在研发更省算力的“可适应”AI系统

Adaption Labs成立于2025年，由前Cohere高管Sara Hooker与Sudip Roy联合创办，Sudip Roy曾是Cohere推理计算总监。该公司总部位于旧金山，致力于打造能够实时适应并持续学习的AI系统，以区别于依赖大规模静态训练、计算开销高的主流AI模型。

Adaption Labs的CTO Sudip Roy在提升AI系统效率方面拥有深厚经验。Hooker在采访中说：“我的联合创始人能让GPU运行得非常快，这对我们至关重要，因为我们的系统需要实时处理数据。”

两位创始人希望开发计算资源需求更低、运行成本更可控的AI系统，使模型在实际使用中具备更高效率，而不必频繁进行昂贵的重训练。Hooker提到，最昂贵的计算环节是预训练，因为它需要大量计算资源和时间；相比之下，推理计算可以让每一单位算力获得更高回报。

此外，《财富》杂志报道称，Adaption Labs还专注于构建可通过多种技术手段灵活适配特定任务的模型，提升模型对不同应用场景的适应能力，这也是公司名称“Adaption”的由来，这一理念与Cohere所强调的模型协同与适应性方向一致。

Sara Hooker提到，Adaption Labs围绕三大“支柱”展开工作：

1、自适应数据：AI系统可实时生成和处理解决问题所需的数据，而非依赖大型静态数据集；

2、自适应智能：根据问题难度自动调整算力投入；

3、自适应界面：从用户与系统的交互方式中学习。

▲Adaption Labs围绕工作的三大“支柱”（图源：Adaption Labs官网）

报道称，Adaption Labs的方法并非通过耗时训练来调整模型全部内部权重，而是在模型响应查询的瞬间，即推理阶段改变其行为。模型核心权重保持不变，但系统仍可根据当前任务动态调整自身行为。无梯度学习（gradient-free learning）由此规避了微调和提示工程中的诸多复杂问题。

截至目前，Adaption Labs已于昨天宣布完成约5000万美元（约合人民币3.47亿元）的种子轮融资，为其技术研发和团队扩张提供资金支持。

二、从Cohere到“持续学习”的未解难题

在Cohere任职期间，Sara Hooker曾大力推动Aya项目。该项目汇集了来自119个国家的3000名计算机科学家，将先进AI能力应用于数十种主流模型表现不佳的语言，同时使用相对紧凑的模型规模。

▲Aya项目介绍（图源：领英）

《财富》杂志提到，这项工作创造性的数据管理和训练方法可以在一定程度上弥补模型规模的不足，也为Sara Hooker创办新公司奠定了基础。

Hooker在接受采访时说，她希望构建能够持续学习的模型，无需昂贵的重新训练或微调，也不必像当前多数企业那样依赖大量提示和上下文工程，就能让AI系统适应特定用例。持续学习是AI领域尚未攻克的核心难题。Hooker直言：“这或许是我研究过的最重要课题。”

“如何在不修改权重的情况下更新模型？”Sara Hooker提出这一问题。

她认为，AI架构领域正在出现多项创新，使计算资源得以更高效地利用。“我们正在摆脱仅仅把它视为一个模型的思维方式，”她说，“这是一个基于交互的系统，模型应当根据任务实时调整。”

Hooker曾在谷歌DeepMind从事研究工作，自那时起，她就以反对AI领域“规模至上”的主流观点而知名。她在2020年发表的论文《硬件彩票（The Hardware Lottery）》提到，AI创新理念能否成功，往往取决于是否适配现有硬件条件，而非其自身价值。

▲该论文摘要（图源：康奈尔大学）

近期，她又发表论文《规模的缓慢消亡（On the Slow Death of Scaling）》，论证采用更优训练方法的小型模型，可能在性能上超越更大规模的模型。

结语：AI行业正处于一个关键时期

Adaption Labs并非唯一一家试图攻克持续学习难题的新型AI实验室。近年来，一批被称为“新实验室”的初创公司陆续出现，它们诞生于OpenAI、Anthropic和谷歌DeepMind等老牌机构取得突破之后。

OpenAI高级研究员Jerry Tworek近期离职并创办了初创公司Core Automation，他同样说对构建能够持续学习的AI系统充满兴趣。此外，谷歌DeepMind前顶级研究员David Silver上个月离职，创办Ineffable Intelligence，该公司将专注于强化学习，即AI系统通过自身行动而非静态数据进行学习，在某些条件下也可能实现持续学习能力。

Sara Hooker说，AI行业正处于一个关键时期，技术进步不再仅依赖构建更大的模型，而在于打造能够更便捷、更经济地适应具体任务的系统。

来源：Adaption Labs官方、《财富》杂志