智東西
編譯｜萬貴霞
編輯｜心緣

智東西2月5日消息，前Cohere研究副總裁、前谷歌DeepMind研究員Sara Hooker創(chuàng)辦的AI初創(chuàng)公司Adaption Labs昨天宣布，其種子輪融資中獲得5000萬美元（約合人民幣3.47億元），押注于規(guī)模更小、但更智能的AI模型。

本輪融資由Emergence Capital Partners領(lǐng)投，Mozilla Ventures、Fifty Years、Threshold Ventures、Alpha Intelligence Capital、E14 Fund和Neo等機構(gòu)參與投資。該公司在融資后未透露其估值信息。

▲Adaption Labs官宣公告（圖源：X）

Adaption Labs由前Cohere高管Sara Hooker與Sudip Roy聯(lián)合創(chuàng)辦。Cohere是一家加拿大的AI公司，專注于大語言模型及自然語言處理技術(shù)，為企業(yè)和開發(fā)者提供生成式AI解決方案。

該公司的聯(lián)合創(chuàng)始人兼CEO Sara Hooker介紹說，Adaption Labs的核心工作圍繞自適應(yīng)數(shù)據(jù)、自適應(yīng)智能、自適應(yīng)界面三大支柱展開，分別實現(xiàn)AI系統(tǒng)實時生成處理任務(wù)數(shù)據(jù)、按需動態(tài)調(diào)配算力、從用戶交互中自主學習三大能力，以此擺脫對大型靜態(tài)數(shù)據(jù)集和昂貴重訓練的依賴。

據(jù)《財富》雜志昨日報道，Adaption Labs將利用本輪種子融資，招聘更多AI研究人員和工程師，同時引入設(shè)計師，為AI系統(tǒng)開發(fā)不同于主流模型“聊天欄”形式的用戶界面。

一、Adaption Labs在研發(fā)更省算力的“可適應(yīng)”AI系統(tǒng)

Adaption Labs成立于2025年，由前Cohere高管Sara Hooker與Sudip Roy聯(lián)合創(chuàng)辦，Sudip Roy曾是Cohere推理計算總監(jiān)。該公司總部位于舊金山，致力于打造能夠?qū)崟r適應(yīng)并持續(xù)學習的AI系統(tǒng)，以區(qū)別于依賴大規(guī)模靜態(tài)訓練、計算開銷高的主流AI模型。

Adaption Labs的CTO Sudip Roy在提升AI系統(tǒng)效率方面擁有深厚經(jīng)驗。Hooker在采訪中說：“我的聯(lián)合創(chuàng)始人能讓GPU運行得非?？?，這對我們至關(guān)重要，因為我們的系統(tǒng)需要實時處理數(shù)據(jù)?！?/p>

兩位創(chuàng)始人希望開發(fā)計算資源需求更低、運行成本更可控的AI系統(tǒng)，使模型在實際使用中具備更高效率，而不必頻繁進行昂貴的重訓練。Hooker提到，最昂貴的計算環(huán)節(jié)是預(yù)訓練，因為它需要大量計算資源和時間；相比之下，推理計算可以讓每一單位算力獲得更高回報。

此外，《財富》雜志報道稱，Adaption Labs還專注于構(gòu)建可通過多種技術(shù)手段靈活適配特定任務(wù)的模型，提升模型對不同應(yīng)用場景的適應(yīng)能力，這也是公司名稱“Adaption”的由來，這一理念與Cohere所強調(diào)的模型協(xié)同與適應(yīng)性方向一致。

Sara Hooker提到，Adaption Labs圍繞三大“支柱”展開工作：

1、自適應(yīng)數(shù)據(jù)：AI系統(tǒng)可實時生成和處理解決問題所需的數(shù)據(jù)，而非依賴大型靜態(tài)數(shù)據(jù)集；

2、自適應(yīng)智能：根據(jù)問題難度自動調(diào)整算力投入；

3、自適應(yīng)界面：從用戶與系統(tǒng)的交互方式中學習。

▲Adaption Labs圍繞工作的三大“支柱”（圖源：Adaption Labs官網(wǎng)）

報道稱，Adaption Labs的方法并非通過耗時訓練來調(diào)整模型全部內(nèi)部權(quán)重，而是在模型響應(yīng)查詢的瞬間，即推理階段改變其行為。模型核心權(quán)重保持不變，但系統(tǒng)仍可根據(jù)當前任務(wù)動態(tài)調(diào)整自身行為。無梯度學習（gradient-free learning）由此規(guī)避了微調(diào)和提示工程中的諸多復雜問題。

截至目前，Adaption Labs已于昨天宣布完成約5000萬美元（約合人民幣3.47億元）的種子輪融資，為其技術(shù)研發(fā)和團隊擴張?zhí)峁┵Y金支持。

二、從Cohere到“持續(xù)學習”的未解難題

在Cohere任職期間，Sara Hooker曾大力推動Aya項目。該項目匯集了來自119個國家的3000名計算機科學家，將先進AI能力應(yīng)用于數(shù)十種主流模型表現(xiàn)不佳的語言，同時使用相對緊湊的模型規(guī)模。

▲Aya項目介紹（圖源：領(lǐng)英）

《財富》雜志提到，這項工作創(chuàng)造性的數(shù)據(jù)管理和訓練方法可以在一定程度上彌補模型規(guī)模的不足，也為Sara Hooker創(chuàng)辦新公司奠定了基礎(chǔ)。

Hooker在接受采訪時說，她希望構(gòu)建能夠持續(xù)學習的模型，無需昂貴的重新訓練或微調(diào)，也不必像當前多數(shù)企業(yè)那樣依賴大量提示和上下文工程，就能讓AI系統(tǒng)適應(yīng)特定用例。持續(xù)學習是AI領(lǐng)域尚未攻克的核心難題。Hooker直言：“這或許是我研究過的最重要課題?！?/p>

“如何在不修改權(quán)重的情況下更新模型？”Sara Hooker提出這一問題。

她認為，AI架構(gòu)領(lǐng)域正在出現(xiàn)多項創(chuàng)新，使計算資源得以更高效地利用?！拔覀冋跀[脫僅僅把它視為一個模型的思維方式，”她說，“這是一個基于交互的系統(tǒng)，模型應(yīng)當根據(jù)任務(wù)實時調(diào)整?！?/p>

Hooker曾在谷歌DeepMind從事研究工作，自那時起，她就以反對AI領(lǐng)域“規(guī)模至上”的主流觀點而知名。她在2020年發(fā)表的論文《硬件彩票（The Hardware Lottery）》提到，AI創(chuàng)新理念能否成功，往往取決于是否適配現(xiàn)有硬件條件，而非其自身價值。

▲該論文摘要（圖源：康奈爾大學）

近期，她又發(fā)表論文《規(guī)模的緩慢消亡（On the Slow Death of Scaling）》，論證采用更優(yōu)訓練方法的小型模型，可能在性能上超越更大規(guī)模的模型。

結(jié)語：AI行業(yè)正處于一個關(guān)鍵時期

Adaption Labs并非唯一一家試圖攻克持續(xù)學習難題的新型AI實驗室。近年來，一批被稱為“新實驗室”的初創(chuàng)公司陸續(xù)出現(xiàn)，它們誕生于OpenAI、Anthropic和谷歌DeepMind等老牌機構(gòu)取得突破之后。

OpenAI高級研究員Jerry Tworek近期離職并創(chuàng)辦了初創(chuàng)公司Core Automation，他同樣說對構(gòu)建能夠持續(xù)學習的AI系統(tǒng)充滿興趣。此外，谷歌DeepMind前頂級研究員David Silver上個月離職，創(chuàng)辦Ineffable Intelligence，該公司將專注于強化學習，即AI系統(tǒng)通過自身行動而非靜態(tài)數(shù)據(jù)進行學習，在某些條件下也可能實現(xiàn)持續(xù)學習能力。

Sara Hooker說，AI行業(yè)正處于一個關(guān)鍵時期，技術(shù)進步不再僅依賴構(gòu)建更大的模型，而在于打造能夠更便捷、更經(jīng)濟地適應(yīng)具體任務(wù)的系統(tǒng)。

來源：Adaption Labs官方、《財富》雜志