Flapping Airplanes:用“小数据”挑战AI范式,1.8亿美元融资背后的强智能革命

Flapping Airplanes:用“小数据”挑战AI范式,1.8亿美元融资背后的强智能革命

你想象中真正的 AI 是什么样子的?

至少有一点,大多数人会同意:未来的 AI,应该具备像人一样思考的能力。

问题在于,我们现在研究大模型走的这条路,能通向真正的「思考」吗?

当前最先进的大模型系统,几乎是在整个人类可获取的历史数据之上训练出来的:网页、书籍、代码、论文、对话,数万亿 token。训练大模型所需的数据,远超任何一个人类个体一生所能接触的总和。

AI 需要整个互联网来学习,而人类只需要一个童年。人类在成年之前,所接触的语言、文本与符号,顶多只有几十亿 token,相差几个数量级。

正是从这个问题出发,一家几乎没有产品、没有盈利、也不急于商业化的 AI 创业公司,从 GV、Sequoia 和 Index 拿到了 1.8 亿美元融资,并获得了 Andrej Karpathy 的公开力挺。

它的名字,叫 Flapping Airplanes。

Flapping Airplanes:用“小数据”挑战AI范式,1.8亿美元融资背后的强智能革命

Flapping Airplanes 是一家基础 AI 研究实验室,专注于解决「数据效率」这一核心问题,并正在探索一些看似怪异、但可能至关重要的新思路 —— 从重新思考损失函数,到甚至质疑和重构梯度下降本身。该公司的研究团队成员中包括 IMO、IOI、IPhO 奖牌得主等顶尖人才。

Flapping Airplanes 称,其融资用来组建 AI 的新防线:一个想象中的世界,模型可以在不用摄入互联网一半内容的情况下达到人类水平的思考。

他们的估计是:在人类与现有模型之间,样本效率存在着 10 万倍到 100 万倍的差距。

要实现如此数量级的跃迁,仅靠渐进式改进是不够的 —— 需要真正的 Big ideas。

他们在推文中表示,公司的唯一目标,是做真正优秀、能够改变范式的研究。尽管目前并不急于商业化,但这些工作最终将在企业级应用、机器人、交易系统、科学发现等领域释放出巨大的价值。

「Flapping Airplanes」这个名字,正是公司文化的写照:我们是谁、我们在做什么,本身就是 out-of-distribution 的。非常非典型的活跃性公司文化,从他们的推文中能看出一丝严谨学术之外的跳脱。

Flapping Airplanes:用“小数据”挑战AI范式,1.8亿美元融资背后的强智能革命

我们甚至发现,Flapping Airplanes 官方推特的关注列表里,真的有旧金山机场和两大美国航司……(这是真的要起飞了)

Flapping Airplanes:用“小数据”挑战AI范式,1.8亿美元融资背后的强智能革命

一家没有产品、没有盈利、也不急于商业化的 AI 创业公司获得融资的事情似乎有些似曾相识。

主流观点是:AI 已经发展到如此阶段,一家新的、以研究为导向的创业公司,几乎不可能在竞争和执行层面上战胜现有巨头。「就你们这么几个人,怎么可能和 Google 竞争?」

但 Andrej Karpathy 毫不留情地指出:这种说法,在 OpenAI 成立时就是错的;后来,又一次被证明是错的。

Flapping Airplanes:用“小数据”挑战AI范式,1.8亿美元融资背后的强智能革命

当然,持续扩大规模、在有效路径上进行局部优化,仍然会带来惊人的进步。但与此同时,我们正以极快的速度解锁大量进展,整个领域被扬起了巨大的「技术尘埃」。

而且,前沿大模型与「一个只消耗 20 瓦功率的人类大脑」这一智慧奇迹之间,依然存在着巨大的鸿沟。正因如此,我认为,能够带来接近 10 倍提升(而非 10% 微增)的研究级突破,其概率依然非常高 —— 高到值得持续下注、持续寻找。

真正棘手的问题,当然在于:如何创造出能够孕育这种突破的环境。

Karpathy 认为,这样的环境极为罕见。但他盛赞 Flapping Airplanes,他们具备(罕见的)从上到下的全栈理解能力,并且对人才有极好的判断力。

希望扑翼飞机能够打开人工智能的航空新时代。


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:http://www.itsolotime.com/archives/19794

(0)
上一篇 2026年1月29日 下午4:14
下一篇 2026年1月29日 下午6:00

相关推荐

  • 突破视觉AI能效瓶颈:清华团队提出类人主动感知新范式AdaptiveNN

    视觉是人类认知物理世界的核心通道,赋予计算机类人视觉能力是人工智能领域长期追求的目标。这一能力对多模态基础模型、具身智能、医疗AI等前沿方向具有基础性支撑作用。过去数十年间,计算机视觉技术取得显著进展,在图像识别、目标检测、多模态理解等任务上已达到甚至超越人类专家水平。然而,当前主流的高精度视觉模型在实际部署中面临严峻挑战:这些模型通常需要激活数亿参数来处理…

    2025年11月28日
    17900
  • 突破模型家族壁垒:Hugging Face GOLD技术实现跨分词器知识蒸馏革命

    在人工智能模型部署与优化的前沿领域,模型压缩技术一直是平衡性能与效率的关键。传统知识蒸馏方法虽然能够将大型“教师”模型的知识迁移到小型“学生”模型中,但长期以来面临一个根本性限制:教师和学生模型必须使用相同的分词器。这一限制严重制约了技术应用的灵活性,使得不同模型家族之间的知识传递几乎不可能实现。 Hugging Face研究团队最新提出的GOLD(Gene…

    2025年10月30日
    18500
  • Emu3.5:原生多模态世界模型的突破与全场景应用解析

    Emu3.5是由北京智源研究院最新发布的大规模多模态世界模型,其核心创新在于原生支持视觉与语言的联合状态预测。该模型采用统一的下一token预测目标进行端到端预训练,训练数据规模超过10万亿token,主要来源于互联网视频的连续帧及其转录文本,这为模型理解动态视觉序列与语言描述的关联性奠定了坚实基础。 模型架构设计上,Emu3.5天然接受交错的视觉-语言输入…

    2025年11月1日
    18600
  • AI考古新突破:北大发布全球首个古希腊陶罐3D视觉问答数据集VaseVQA-3D与专用模型VaseVLM

    在人工智能技术不断渗透各专业领域的今天,文化遗产保护与考古研究迎来了革命性的工具。北京大学研究团队近日发布了全球首个面向古希腊陶罐的3D视觉问答数据集VaseVQA-3D,并配套推出了专用视觉语言模型VaseVLM,标志着AI技术正式从通用图像识别迈向专业化、结构化的文化遗产理解新阶段。 传统视觉语言模型(VLM)如GPT-4V、Gemini等在开放域视觉理…

    2025年11月6日
    19200
  • 从‘Slop’当选年度词汇看AI内容生态的挑战与演进

    近日,韦氏词典宣布将‘slop’评选为2025年度词汇,并将其新定义为‘通常由人工智能大批量生成的低质量数字内容’。这一词汇的流行,不仅反映了公众对AI生成内容泛滥的直观感受,更揭示了当前数字内容生态面临的深刻变革。 从词源学角度看,‘slop’一词的演变颇具象征意义。18世纪时它指‘软泥’,19世纪转为‘食物残渣’(如猪食),后泛指‘垃圾’或‘无价值之物’…

    2025年12月16日
    17100