近日，日本AI初创公司Sakana AI宣布完成200亿日元（约合1.35亿美元）的B轮融资，公司估值达到约4000亿日元（约合26.35亿美元），创下日本非上市初创企业的估值纪录。这一数字不仅刷新了日本科技创业生态的天花板，更在全球AI投资趋冷的背景下显得格外耀眼。
Sakana AI成立于2023年7月，由Transformer论文八位作者之一的Llion Jones与谷歌前高级科学家David Ha联合创立。公司总部设在东京，投资方阵容堪称豪华：除了参与A轮融资的英伟达外，还包括美国顶级风投机构Khosla Ventures、NEA，以及日本产业巨头三菱日联、四国电力等。
**创始团队的技术基因与创业逻辑**
Llion Jones作为Transformer架构的核心贡献者，其技术背景为Sakana AI奠定了坚实的学术基础。
在谷歌研究院工作期间，他深度参与了多项前沿AI研究，但最终选择离开，原因在于大型科技公司的组织结构限制了个体研究者的创新空间。Jones曾公开表示，谷歌让他感到“被困住”，这种感受促使他寻求更具灵活性的创业环境。
联合创始人David Ha则带来了产业化的视角。
作为前谷歌大脑高级科学家、Stability AI研究部门负责人，他不仅具备扎实的研究能力，更拥有将技术转化为产品的经验。今年8月，David Ha入选《时代》杂志“2025年人工智能领域百大人物”，进一步印证了其在行业内的认可度。
选择东京作为总部，体现了Sakana AI独特的战略考量。北美生成式AI领域竞争已呈白热化，人才争夺战加剧了研发成本。相比之下，日本虽然AI生态相对滞后，但拥有高质量的研究人才和相对宽松的竞争环境。更重要的是，日本资源有限的国情与Sakana AI“高效AI”的理念高度契合——在电力等基础设施约束下，提升模型效率不再是可选优化，而是生存必需。
**自然启发智能：从Transformer到进化模型合并**
Sakana AI最引人注目的并非其豪华团队，而是其颠覆性的技术路线。公司明确表示不会成为“日本的OpenAI”，而是要探索一条基于自然启发智能（nature-inspired intelligence）的全新路径。
这一理念的核心在于借鉴自然界的进化机制和集体智慧。Jones指出，当前主流大模型存在结构性缺陷：它们被设计为固定架构，缺乏适应性和弹性。相比之下，自然系统通过简单个体间的协作，能够涌现出复杂智能行为，且对环境变化高度敏感。Sakana AI试图将这种原理应用于AI开发，通过让多个小型模型协作，替代单一巨型模型，从而降低计算成本、提升系统鲁棒性。
2024年8月，Sakana AI推出的“The AI Scientist”系统首次验证了这一思路的可行性。
该系统能够自主完成从研究构思、实验设计、代码编写到论文撰写的全流程，生成的十篇学术论文每篇成本仅约15美元。更值得关注的是，其中一篇论文的创意后来被研究人员扩展，并在arXiv上公开发表——这标志着AI不仅能够模仿人类研究，还能真正启发创新。
**技术突破：进化模型合并的工程实践**
The AI Scientist的成功建立在Sakana AI更早的一项研究基础上：进化模型合并（Evolutionary Model Merge）。
该方法受自然选择启发，通过组合Huggingface上的现有模型，无需梯度训练即可生成性能优异的新模型。例如，他们开发的70亿参数日语数学大模型，在基准测试中超越了700亿参数的Llama-2等更大模型，而计算资源消耗大幅降低。
这一突破的意义在于，它挑战了“更大即更好”的大模型发展范式。传统训练方法需要海量数据和算力，而进化模型合并通过智能组合现有能力，实现了效率的阶跃式提升。对于日本这样资源受限的市场，这种技术路径具有天然的适配性。
**估值逻辑与行业启示**
Sakana AI的高估值反映了投资者对差异化技术路线的认可。在全球大模型军备竞赛中，绝大多数公司仍在Transformer架构上做增量改进，而Sakana AI选择了根本性创新。其自然启发智能的研究方向，不仅有望解决计算效率问题，还可能开辟出更安全、更可控的AI系统设计方法。
从产业角度看，Sakana AI的崛起标志着AI创新中心的多极化。硅谷不再是唯一的技术策源地，东京凭借其独特的资源条件和人才储备，正在孕育出具有全球竞争力的AI公司。这对于整个亚洲AI生态的发展具有示范意义。
未来，Sakana AI面临的关键挑战在于如何将研究突破转化为可持续的商业产品。The AI Scientist展示了其在科研自动化领域的潜力，但要实现规模化应用，仍需解决领域适应性、结果可靠性等工程问题。不过，凭借其强大的技术基因和清晰的战略定位，Sakana AI有望成为下一代AI架构的重要参与者。
— 图片补充 —
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：https://www.itsolotime.com/archives/6698
