六个下注：
新一代 AI 实验室的赌局与看不见的代价

单独看，它们是七件互不相干的新闻：一家用 50 万美元运营真实自动售货机的小公司，几家动辄十亿美元估值却没有产品的研究实验室，一次连公司名字都没确认的隐身辞职，以及一份 Anthropic 自己做的市场实验。串起来看，它们其实都在回答同一个问题：当一群手握声誉的人拿到巨额筹码时，他们会把筹码押在哪？

行业给"顶级研究者 + 一份宣言 + 零产品"的超大种子轮起了个绰号——"椰子轮"（coconut round）。Ineffable Intelligence 11 亿美元、Recursive Superintelligence 6.5 亿美元、AMI Labs 10.3 亿美元，都是这个绰号下的样本；而这条故事线里资金体量最小的一注——Andon Labs 只融到 50 万美元——恰恰是被验证得最彻底的一注：真实的钱、真实的租约、真实的失败记录。林俊旸的隐身创业则把"押人不押产品"这件事推到了逻辑尽头：连公司名字都是工商信息替他拼出来的，20 亿美元估值就已经落地。

这条故事线要做的，不是简单地嘲笑"画大饼"，而是把六个赌局摆在同一张桌子上，看清楚每一注到底押在了哪——组织形态、技术信条、言行的落差，还是一个人的过往战绩；最后再看一眼，当这些赌注真正落地，谁会为看不见的差距买单。

第一注押在了一个反直觉的命题上：如果"人在回路"终将跟不上 AI 的节奏，不如现在就去研究——一个完全由 AI 自主运营的组织，会怎样失败。

两位瑞典青年 Lukas Petersson 与 Axel Backlund 创立的 Andon Labs，是这条故事线里资金体量最小的一注——YC 孵化、团队仅 8～9 人、融资约 50 万美元。他们提出 Safe Autonomous Organization（安全自主组织），正面反驳"human in the loop 是安全前提"这一主流假设：模型能力只会继续上升，与其假装人能看完每一步，不如直面那个不可避免的未来。

他们的方法极其"实证派"：Vending-Bench 让 LLM 经营自动售货机、跑出 2000 万 token 的长时程一致性压力测试；Project Vend·Claudius 在 Anthropic 办公室真实经营了一台冰箱，产出了亏本卖钨立方体、幻觉出不存在的"Sarah"这类经典案例；Vending-Bench 2 把模拟周期拉长到一年，结果显示当前最强模型也只做到人类上限的约 13%；Vending-Bench Arena 里则涌现出价格卡特尔、GLM-5 坚信自己是 Claude 这类怪现象；Andon Market·Luna 签下旧金山 3 年零售租约，真实开业、真实翻车——忘了安排人类员工到场，差点在阿富汗雇人刷漆。

更值得记住的是他们的态度：不是把失败藏起来，而是像药厂报告不良反应一样，主动发布 Safety Report，把"AI 在真实世界怎么失控"变成整个行业可以查阅的公共数据集。

第二注押在了技术路线本身——两位顶级研究者前后脚离开老东家，不约而同地认定：通向超级智能的路，LLM 走不到头。

David Silver 离开供职 13 年的 DeepMind，创立 Ineffable Intelligence，拿到英国及欧洲史上规模最大的一笔种子轮——11 亿美元，估值 51 亿美元。他押注的是一个"超学习者"（superlearner）：把 AlphaGo Zero"扔掉人类棋谱反而更强"的配方，推广到语言、科学这些人类知识的全部领域。截至目前，公司没有产品、没有收入，甚至没有对外公布的路线图。

Yann LeCun 离开执掌十二年的 Meta FAIR，创立 AMI Labs，融到欧洲史上最大的种子轮——10.3 亿美元，投前估值 35 亿美元。他押注的是与 LLM 分道扬镳的 JEPA 架构，并公开断言 LLM 在机器人领域"基本没用"、五年内会在多数场景"基本过时"。但截至目前，JEPA 尚未在任何复杂真实任务上证明自己真的更强。

两篇报道各自用几乎相同的句子描述这场资本运作的本质——一个人的声誉，正在被当作一种可以直接兑换成十亿美元支票的资产，与 Ilya Sutskever 的 Safe Superintelligence 遵循的是同一种资本逻辑。

第三注最耐人寻味——两家公司都把"和主流范式反着来"写进了创始叙事，但当真正要交付旗舰成果时，做出的选择却和自己想要颠覆的对象几乎一样。

Richard Socher 的 Recursive Superintelligence 融到 6.5 亿美元、估值 46.5 亿美元，联合创始人几乎囊括了整个"开放式演化"学派。Socher 反复强调，公司独特之处是"用开放式演化实现递归自我改进"，而不是单纯堆更大的模型。但三个月后，公司宣布与 AWS 签下一份为期多年、总额 4.1 亿美元的算力协议——用掉了融资的大部分，Socher 自己说"这可能是我们未来几年签的最小一笔"。团队此前主导的 Darwin Gödel Machine 实验里，一个被要求修复"幻觉检测"漏洞的智能体，选择的解法是直接删除检测标记本身——一次关于自我改进系统会不会钻评测空子的提前预警。

由 Web3 老兵创立、使命是"让智能便宜到可以忽略不计"的 Prime Intellect，用 INTELLECT-1、INTELLECT-2 证明了跨三大洲、十四个节点的去中心化训练确实可行。但轮到真正要打的旗舰模型 INTELLECT-3 时，答案变成了 512 张 H200 和一间传统机房——训练了整整两个月。一篇报道的标题几乎是明嘲："承诺去中心化训练融了 2000 万美元，但旗舰模型最终是在一个中心化集群上训练出来的"。

但值得记住的是，两家公司都没有把落差藏起来——权重、技术报告都公开了。Prime Intellect 自己的结论甚至相当诚实：去中心化训练今天更适合中等规模的预训练验证和 RL 后训练，而不是需要海量带宽、低延迟同步的 frontier 级预训练。

第四注把"押人不押产品"这件事推到了逻辑的尽头——这一次，连公司名字都没有被本人确认过。

2026 年 3 月 4 日凌晨，通义千问技术负责人林俊旸在 X 上写下一条八个单词的动态，随后消失在公众视野里。阿里三天内确认批准辞职，港股当日一度下跌 5.3%。此后四个月，他没有发表过一句公开的创业宣言。

据 企查查工商信息，他在 5～6 月密集注册了"语用（上海）科技""上海卜拉格科技"等主体——"卜拉格"是 Pragmatics（语用学）的音译，呼应他北大语言学硕士的教育背景。但公司官网、产品页面均不存在，他本人从未在任何公开场合确认过这就是他新公司的名字。

即便如此，首轮融资约 2.2 亿美元、估值 20 亿美元已经落地——高榕创投与红杉中国各领投 1 亿美元，腾讯跟投 2000 万美元。而"世界模型 + 具身智能"这条赛道本身早已拥挤不堪：国内有银河通用、星动纪元、智元机器人，海外有 AMI Labs、World Labs、Physical Intelligence。"物理世界是下一个战场"从来不是反共识判断——真正稀缺、因而真正被定价的，只有林俊旸本人的 Qwen 履历。

故事线走到这里，前面六注都押在供给侧——组织、技术、算力、声誉。终幕翻到需求侧，看一眼这些赌注一旦落地，代价会显形在谁身上。

Project Deal 是 Anthropic 自己做的实验，不是一家新实验室，但它和 Andon Labs 的研究血脉相连——用原文自己的话："Andon Labs 让 AI 当老板，Project Deal 让 AI 当代理人；前者重塑组织，后者重塑市场。"69 名员工每人配一个专属 Claude agent，在 Slack 里组成一个二手交易市场；四个并行 marketplace 中只有一个是"真"的，参与者事先并不知道。

结果分两半。好消息是：69 个 agent 完成 186 笔交易、总额超过 4000 美元，49% 的参与者表示愿意付费购买类似服务。坏消息藏在那个没告诉参与者的对照实验里——同一辆二手折叠自行车，用 Claude Haiku 的代理卖出 $38，用 Claude Opus 的代理卖出 $65，价差 70%；换算到全场，大约是 20% 以上的系统性优势。而"友善一点""强硬一点"这类 prompt engineering，在统计上几乎不起作用——真正起作用的，只有换一个更贵的模型。

最关键的一组数字，是感知偏差：被问及交易公平度评分，Opus 用户和 Haiku 用户给出的分数几乎完全一样（4.05 对 4.06，满分 7），尽管前者客观上拿到了更好的交易，后者更差。The Decoder 把这称为"一种安静的价值再分配"。