Sakana AI
进化，而非放大

2023 年 7 月，前 Google Brain 研究总监、后任 Stability AI 研究总监的 David Ha，与「Attention is All You Need」八位共同作者之一的 Llion Jones，在东京六本木共同创立了 Sakana AI。两人的履历本身就是一种声明：一个在大公司里见证了大规模扩展模型的局限，转而相信进化机制能提供更高效的路径；一个在缔造了现代大语言模型基石论文之后，仍未在 Google 内部获得与声誉相匹配的角色与资源。

Sakana（日语「鱼」）这个名字，指向的是鱼群这种去中心化、自组织的集体智能——这也是团队押注的方向：与其单纯堆叠参数、依赖越来越大的算力集群，不如向自然界的进化机制学习，构建适应性更强、更高效的 AI 系统。这是在 scaling law 主导整个行业叙事的时期里，一条刻意选择的差异化路线。

团队规模始终克制，约 40–50 人，总部设在东京而非硅谷。这既是一次技术路线的选择，也是一次地缘与人才策略的选择——后者在 § 03 详细展开。

Sakana 两年多时间完成三轮融资，累计 $379M：2023 年 Lux Capital 领投的 $30M 种子轮、2024 年 9 月 Khosla Ventures 领投的 $100M A 轮、2025 年 Founders Fund 领投的 $249M B 轮，2025 年末估值升至 $2.65B。

2024 年 3 月发布的 Evolutionary Model Merge（arXiv:2403.13187）用进化算法（CMA-ES）自动搜索如何合并多个现有模型的参数，无需梯度、无需大规模训练数据、甚至无需 GPU 集群，CPU 即可运行。核心结果是7B 参数的合并模型在多个基准上超过了 70B 参数模型——以不到十分之一的参数量取得更高性能，论文发布后在 HuggingFace 上创下下载纪录，引发了一轮全球「模型合并热」。

2024 年 8 月的 The AI Scientist（arXiv:2408.06292）把自动化推向了科研本身：系统可以自主提出假设、设计实验、运行代码、分析结果并撰写完整论文，形成构想 → 实验 → 分析 → 写作 → 自评审的完整闭环。论文提交 ICLR Workshop 后通过了同行评审，随后 Sakana 主动撤稿——不是因为结果有误，而是为了避免 AI 生成的研究成果被误认为出自人类研究者之手。2025 年 8 月发布的 AI Scientist v2（arXiv:2409.00563）在此基础上加入 reviewer、editor 角色，让系统既能产出研究，也能批判性评估研究。

此外，团队仍在持续输出：面向多目标优化、无需梯度的 Shinka Evolve 被 ICLR 2026 接收；联合东京大学、NTT 推出的日语开源模型系列 Sakura，延续了 David Ha 早年 Weight Agnostic Neural Networks（2019 NeurIPS）一脉的研究方向。

Sakana 面对的第一个张力是商业化路径：Evolutionary Model Merge 和 The AI Scientist 都是极具传播力的研究成果，但进化算法作为一条独立于 scaling 范式之外的技术路线，能否支撑起 $2.65B 估值背后的产业级客户与收入，目前公开材料并未给出足够细节。这是「概念验证」与「商业规模」之间尚未完全弥合的距离。

第二个张力围绕东京选址本身。相比硅谷，日本顶尖 AI 研究者不容易被 OpenAI、Google 用高薪直接挖走，这让 Sakana 能以相对合理的成本汇聚高密度人才；日本政府对 AI 发展的态度也明显比欧美监管更友好，主动寻求与 Sakana 合作降低了政策风险。地理与语言能力（日语 + 多语言积累）又让东京成为面向亚洲市场的自然跳板。

但更重要的，或许是一种叙事价值：在「非美国、非中国」的地缘政治敏感时期，Sakana 作为第三极 AI 研究中心的身份，本身就具有战略意义——这个身份可能比任何一篇论文都更具长期分量。