为 AI 研究突破定价：用预注册收购替代新实验室双重豪赌

如今，Neolabs 被要求同时完成两项登月计划。他们的投资者既想要研究上的突破，又想要风险投资规模的业务，尽管这两者各自单独实现都是百里挑一的结果。要求两者兼得，成功几率就变成了万分之一。

我认为有一个更好的替代方案，它借鉴了制药行业处理高风险研发的方式，让前沿实验室、Neolabs 和投资者都能从中获益。

前沿实验室希望将行之有效的东西规模化#

如今，OpenAI、Anthropic 和 Google DeepMind 在模型质量和智能水平上陷入了一场并驾齐驱的竞赛。每一次发布都必须超出预期，或者至少达到竞争对手的水平。因此，他们宁愿把资源花在扩大已被验证有效的东西上，比如改进数据管道、为更大规模的训练构建基础设施，以及购买越来越多的算力。然而，研究人员往往想研究“下一个大事件”，即可能带来智能水平不连续跃升的新范式。结果，市场需要他们交付的东西与研究人员想要专注的方向之间常常存在张力。

Neolabs 被要求同时做两件事#

在过去一年里，许多想要追求这些押注的资深研究人员创办了Neolabs，这些初生的 AI 初创公司专注于重大的研究押注，通常在产品或收入出现之前就获得了大量资金，以便支付算力和薪酬。这样他们就能以风险投资规模的资源去追逐那个宏大的想法。

表面上看，投资者押注的是某家 Neolab 会成为下一个 OpenAI 或 Anthropic。他们提醒自己，Anthropic 曾经也是一家 Neolab，由一群离开 OpenAI 的研究人员创办，在产品问世之前就筹集了数亿美元。但私下里，他们中的大多数人都承认，即使拥有世界级的研究人员和工程师，重现这一奇迹的可能性也微乎其微。

运营研究团队与扩展公司是两份不同的工作。研究人员通常不擅长产品、市场推广、运营、物流等所有传统上对一家可持续公司至关重要的方面。（Databricks 的 Ali Ghodsi 是一个很好的例外。）

然而，Neolabs 被期望两者兼顾：既取得突破，又扩展产品。有时这会把一家公司一分为二，一半人想要构建和销售，另一半人想要做研究并构建 ASI。专注和一致是初创公司相对于资金更雄厚的现有巨头最大的优势，但这种期望可能会对两者都造成损耗。

那些期望自己的 Neolab 两者兼顾的投资者，很可能在它两者都做不到时感到失望。

一个激进的做法是承认一家 Neolab 只会做世界级的、开创性的研究。预期收入接近于零，让他们放手去做。如果他们成功了，就会被收购或人才收购。

问题在于，这对投资者行不通。风投需要能够返还整只基金的公司，而很难向 LP 承诺一次人才收购能做到这一点，尤其是在 Neolabs 如今动辄数十亿美元的天价估值下。

制药行业已经解决了这个问题的一个版本#

几十年来，药物研发一直面临着类似的问题。公司经常在一种药物上投入数亿美元的研发风险，而这种药物可能带来数十亿美元的回报。一种药物可以通过早期试验，但在FDA批准前仍然失败，通常是因为效果不够好，有时是因为副作用或生产问题。

制药行业通过分工来处理这个问题。较小的生物技术公司承担发现和开发的风险。如果一种药物有效，大型制药公司会收购这家初创公司或购买该药物作为知识产权。大公司则加倍投入自己擅长的领域，即大规模生产和分销药物。小公司则专注于科学研究，而不必发明商业模式。小型生物技术公司的商业模式归结为一个问题：我们能否让这种药物发挥作用？

这种分工是有效的。在FDA于2013年至2022年批准的药物中，收入低于5亿美元的小公司 originated 52%，而收入超过100亿美元的最大公司 originated 36%¹。

几十年来，生物技术投资者一直通过这种方式赚钱。他们许多最大的成功来自于被收购，而不是成长为下一个辉瑞。

预先注册的收购#

如今缺失的是一个承诺。创办、加入或资助新实验室的人需要在承担风险之前知道，如果研究成功，丰厚的回报正在等待。

前沿实验室可以通过预先注册的收购提前做出这一承诺。这种承诺也被称为“拉动资金”。推动资金为研究预先付费，如拨款或风险投资轮。拉动资金承诺在结果出现后为其付费。1714年，英国政府承诺向任何能在海上找到船只经度的人支付2万英镑，一位名叫约翰·哈里森的自学成才的钟表匠响应号召，发明了一种在颠簸的船上也能保持准确时间的钟表。2009年，五个国家和盖茨基金会承诺向任何能以每剂3.50美元或更低价格向贫穷国家供应肺炎球菌疫苗的公司支付15亿美元，疫苗制造商响应号召，提供了足以免疫超过1.5亿儿童的供应量。

大公司一直为了专利或人才而收购初创公司。人工智能研究的不同之处在于验证一个想法是否可行的成本。软件创始人可以在笔记本电脑上测试一个想法。在重要规模上测试一种新的训练方法需要一次训练运行，这可能花费数千万或数亿美元，而且自2016年以来，最大规模训练运行的成本每年增长2.4倍。没有人会在不知道成功价值的情况下花这么多钱去猜测。风险也超过任何一家公司的退出。模型学习方式的突破最终会进入数亿人每天使用的系统，因此我们如何为这项研究付费决定了它发生的速度以及谁来做。

我可以看到这有两种发展方式：

公开邀约。前沿实验室发布一个任何人都可以检查的目标，并承诺以设定价格收购第一个实现该目标的团队。OpenAI的Parameter Golf挑战是这一模式的小型版本，为杰出参赛者提供工作面试而非收购。
私有期权。一家前沿实验室和一家新实验室事先就一个限定目标达成一致。如果目标达成，实验室有权以设定价格收购这家新实验室；如果放弃，则支付一笔后备费用。SpaceX 收购 Cursor 的期权就是这种结构：如果 SpaceX 收购，支付 600 亿美元；如果不收购，则为这项工作支付 100 亿美元。SpaceX 收购了它。

在两种情况下，目标都可以是一项新能力，比如基准分数，或者是实验室自己难以构建的东西，比如数据集、一组 RL 环境，或一项监管批准。

下面是一个公开报价可能的样子。假设一家前沿实验室发布：“我们将以 20 亿美元收购任何能用十分之一的训练算力，在这个评估套件上匹配我们上一代模型的团队。从零开始训练，不得从任何人的前沿模型蒸馏，报价有效期至 2027 年。”这个价格是合理的，因为到 2027 年，最大的训练运行每次成本预计将超过 10 亿美元，因此将未来每次运行的算力削减 10 倍，其价值远超 20 亿美元。

前沿实验室为什么会做出承诺？#

显而易见的问题是，实验室为什么要在看到结果之前就定下价格，而不是等到之后买下任何有效的东西。

突破之后，就太晚了。训练配方无法申请专利，所以一旦一个团队向实验室展示了它是如何做到的，实验室就不再需要这个团队了。没有哪个明智的团队会在价格事先谈妥之前展示自己的工作，也没有哪个实验室会为自己没见过的东西付钱。这被称为阿罗信息悖论。提前定下价格打破了僵局：团队知道自己能得到什么，实验室则可以在付款前检查结果。

一个三赢的解决方案#

预先登记收购让所有人都能获益。

前沿实验室可以：

继续扩展行之有效的东西。
押注从 0 到 1 的突破，而不必自己资助每一个渺茫的机会。

新实验室及其研究人员可以：

追逐未经证实但潜力巨大的赌注，这些赌注可能带来突破，并且背后有资金支持。
跳过产品市场契合和上市推广，把时间花在他们最擅长、最兴奋的研究上。
保持内部团结，因为每个人都知道，只要取得突破就能赢。
组建团队，或单干，去冲击一个公开的目标。较小的目标也可以：如果一家实验室为一套新的 RL 环境报价 1 亿美元，花 10 万美元算力去尝试是合理的赌注。

投资者可以：

承担更少的市场风险，因为如果他们的团队率先达成，就有一个已知价格的承诺买家。
以收购价格来评估新实验室的价值。这无法支撑 50 亿美元的种子轮，但可以支撑 1 亿美元的种子轮，而以 1 亿美元入场、2 亿美元退出就能返还基金。

公开报价也是下限，而非上限。如果一个团队达到了目标，并且更愿意围绕自己的成果建立业务，它可以拒绝这个报价。

把隐含的变成明确的#

某种版本的做法已经存在。过去的每一次收购和人才收购，比如谷歌 24 亿美元收购 Windsurf 的交易，都为研究团队可能的退出设定了一个隐含锚点，新实验室则引用这些锚点来证明自己的估值。预先登记收购只是把这一点明确化，减少所有人的不确定性。

现在，一家新实验室必须在研究和商业上都取得胜利，这相当于同时追求两个登月目标。为突破定价，它只需赢一个。回报虽不及成为下一个Anthropic，但胜算从万分之一提升到百分之一，这是一个可以围绕其组建团队的赌注。

那么，前沿实验室们：对于成本仅为十分之一的训练运行，你们愿意支付多少？开个价吧。

一个注意事项：药物容易申请专利，而AI训练配方大多不能。因此，在AI领域，回报不能仅仅是知识产权的出售。它必须是一次收购，要么收购团队本身，要么收购难以复制的护城河，如监管批准、独特数据或独特物理基础设施。 ↩︎