AREX Feed Article
Flapping Airplanes 成立约一年完成 10 亿美元 A 轮，据报道估值 60 亿美元
图片：Kushal Thaman / Bloomberg
10 月 21 日，AI 研究实验室 Flapping Airplanes 在 完成 10 亿美元 A 轮融资，由 Index Ventures 与 Lux Capital 联合领投。据 ，这轮融资对公司的估值为 60 亿美元； 的报道同时指出，这家实验室至今没有发布任何商业产品。
它成立于 2025 年底，今年 1 月才带着 1.8 亿美元种子轮公开亮相，投资方为 GV、Sequoia 与 Index（）。据 ，种子轮的估值为 15 亿美元，这轮估值涨到四倍；SiliconANGLE 统计，两轮相加投资人已投入 11.8 亿美元。
Mark Xu 进董事会，三家早期股东跟投
Bloomberg 写明，60 亿美元是投后估值，包含这轮新注入的资金。写道，Index 的 Mark Xu 随这轮进入董事会。
据 TechCrunch，Sequoia、GV 和 Kleiner Perkins 这三家早期股东再次出现在投资方名单里；公司在里列出的机构名单更长，包括 Nova、Valor、Atreides、Fundomo、BCV、Hummingbird、CRV、Definition、Genesis、Jump Trading、XTX Ventures、Snowy Leopard 和 Nvidia，末尾补了一句「以及更多」。
公司官网首页还停在上一轮：页面上写着「So far, we have raised $180M」（），投资方名单也是 GV、Sequoia、Index 那一版。
第一年花在了 GPU 原语上
公司在公告里说，过去一年主要在做 GPU 的新「原语」（primitives）；它认为这能让新算法改变机器的学习方式、打开新市场，「大幅重塑 AI 的成本结构」。
具体形态是一套 megakernel（把多个任务打包进单个 GPU 内核的程序）框架。Index 的解释是：megakernel 把整个程序作为单个 kernel 放在 GPU 上运行，芯片因此不必在步骤之间空等。公司的说法更激进：它在中称，这套框架能在单个 kernel 内跑完一次完整训练、提供推理服务、同时玩一款电子游戏，「甚至可以三件事同时做」。SiliconANGLE 的报道补充了机制：受显存带宽限制的推理，可以与受算力限制的训练在同一块芯片上重叠。Index 由此推论，这会让现有芯片更灵活、更有价值。
据 ，联合创始人 Aidan Smith 说，公司一直在自建一套操作 Nvidia GPU 的软件，用来提高芯片效率、让部署更灵活。
CEO Ben Spector 是 2024 年论文 的第一作者，那套开源工具包用于编写 GPU kernel；论文称，它在注意力反向传播上比当时最强基线高 10%～40%，在状态空间模型上快 8 倍，在线性注意力上快 14 倍。
这些框架能力描述来自公司与投资方，尚未经过独立核实。
用更少的数据，算一笔 10 万倍的账
按公司官网的说法，今天的系统几乎拿全部可获取的历史文本训练，而人类到成年时最多只见过几十亿个 token，能力却超过 AI。官网给出的估算是在样本效率上人类比现有模型高 10 万到 100 万倍，并注明这是公司的估计。
Asher Spector 对 TechCrunch 说过一句更容易理解的话：「一个数据效率高一百万倍的模型，大概也容易一百万倍地被放进经济里。」这句出自公司成立后不久的一次采访，TechCrunch 在 10 月 21 日的报道里再次引用。
在 Quartz 转述的 Bloomberg 采访中，他把商业逻辑讲得更直白：对 AI 的需求会超过芯片和数据的供给，「最成功、为世界创造最多价值的公司，是能把投入榨得最干净的那一家」。他还说，在当前的基础设施开支规模下，每块芯片多榨出 10% 的性能就「在经济上极其值钱」。
Index 的 Mark Xu 与 Shardul Shah 在文章里给出同一套推论：需求会持续跑在算力与数据供给前面，赢家是每一美元、每一兆瓦、每一字节数据都榨得最多的公司；他们点名的市场是机器人、交易和生命科学，那里 AI 要么太贵，要么数据太少。
据 TechCrunch 今年 1 月的报道，Sequoia 的 David Cahn 在解释种子轮时，把这条路线和「堆算力」摆在一起对比：后者主张把社会资源尽可能投向扩大今天的 LLM，前者认为距离「AGI」还差两三次研究突破，因此该把钱押在 5～10 年尺度的长期研究上。
谁在为一家没有产品的实验室定价
Bloomberg 把这类公司归入「AI neolabs」：先做研究，不急着推出产品、做收入。Flapping Airplanes 是其中最新的一例。
Lux 的合伙人 Brandon Reeves 对 Bloomberg 说，「把现有的东西用得更充分」，在 AI 走向「下一个前沿」时会很重要。
Cahn 的说法更像在解释估值本身：「这样的 AI 实验室太多了，你很容易淹没在噪音里。但这不是一家『众多之一』的公司，这是一家『唯一』的公司。」
Index 的文章描述了这支团队：二十几个人从 GPU kernel 一路做到预训练、后训练和推理，招聘看重「斜率」（成长速度）而非资历。一名工程师入职时还在读高中，后来搭起了团队如今用来做自动化的 agent（智能体）基础设施；另一人此前没训练过模型，后来负责了公司的整条预训练。
按这个估值，投资人定价的对象是这条尚未验证的路线和这支团队，而不是任何已交付的产品。
产品还没有，商业化先有两种说法
公司官网的原话是「我们目前并不试图商业化」，同时认为研究工作最终会在企业、机器人、交易和科学发现中释放价值。Spector 对 Bloomberg 说，公司有商业化这项技术的计划。
TechCrunch 把新钱的用途写得很直接：招聘，然后把目标变成现实。
公司在公告线程里也发了一条招人帖：「如果你想帮我们用新的、刺激的方式折腾 GPU，请联系我们。」（）
招聘可以立刻开始。公司在公告里给出的规模证据，是「内部已经在万亿参数预训练规模上看到了证据」这句自述；这套 megakernel 能否在公司之外跑出同样的效率，是这笔融资留下的问题。