Anthropic上市在即:创始团队多出自物理,AI大佬为何扎堆物理背景

资讯 AI 行业观察 作者:数智前线 全文 8141 字 · 约 21 分钟读完 配图 6 张 分类Anthropic上市融资

当年觉得自己“晚出生了一百年”,没赶上物理发现大爆发年代,当下在AI里找到了黄金时代。 史上最大IPO背后,站着一群“转行”物理学家。 美东时间11月19日,Anthropic将以代码“ANT”在纳斯达克挂牌。除公开发行外,公司还将同步进行私募配售,两部分合计募资规模最高约904亿美元;按发行价区间上限计算,完全稀释后

所属频道 大厂动态融资与资本

当年总觉得自己“晚出生了一百年”,没赶上物理大发现的年代,如今这批人在AI里找到了属于自己的黄金期。

史上最大IPO的背后,站着一群半路“转行”的物理学家。

美东时间11月19日,Anthropic将以代码“ANT”登陆纳斯达克。公司除公开发行外,还会同步做私募配售,两部分加起来的募资规模最高约904亿美元;若按发行价区间上限算,完全稀释后估值约1.4万亿美元。这一数字超过了SpaceX今年6月创下的纪录,有望拿下史上最大规模IPO。

翻一翻这家公司核心创始人的履历,有个细节挺有意思:这支大模型团队里,物理背景的人真不少。CEO达里奥·阿莫代(Dario Amodei)本科读的是物理,博士阶段转向神经回路;首席科学官杰瑞德·卡普兰(Jared Kaplan)做过理论物理学家;首席架构师萨姆·麦坎迪什(Sam McCandlish)拿的是理论物理学博士学位。

这和人们对大模型公司的惯常印象不太一样。大家通常会想到计算机科学家、机器学习研究者,可在Anthropic,物理学家不只是在创始团队里露面,还撑起了公司人才的一大部分。

这种现象甚至有点普遍。从硅谷的大模型实验室到中国的AI创业公司,越来越多物理背景的人正走到AI浪潮的中心。数智前线了解到,今年还有国内互联网公司创始人在招AI人才时,专门要面试物理出身的人。

物理学的训练到底给了他们什么?这一轮AI浪潮里,物理学家又为什么会成为重要的参与者?

01

万亿Anthropic,挤满了物理学家

2021年初,七位研究人员离开OpenAI,决定另起炉灶办一家AI公司。那会儿正赶上疫情,几个人想碰面,只能约在其中一人的后院,隔着六英尺、戴着口罩聊。

一年后,Anthropic的两位联合创始人回忆起这段往事,补了个有意思的细节:这群人除了在OpenAI共事过、部分成员还在Google Brain合作过,另有一个共同点——“我们中有不少人是现任或前任物理学家。”达里奥说,大家在物理学界早就认识了。

Anthropic上市在即:创始团队多出自物理,AI大佬为何扎堆物理背景(配图 1)

达里奥自己的经历就是个缩影。

2007年春天,24岁的达里奥正在普林斯顿大学攻读物理博士。一次,他在盖约特楼地下室的办公室里同神经科学教授迈克尔·贝里(Michael Berry)交谈,正是这次聊天让他首次认真考虑转向生物物理方向。读博第二年,他加入贝里的实验室,研究动物视网膜神经细胞如何加工并传递视觉信息。

新方向很快甩来一道难题:实验室得同时记录大量神经细胞的电信号,手头却没有顺手的设备。

后来达里奥亲自上手,搭出一套多电极阵列。贝里之后称其为“相当有野心的技术开发项目”。他一头扎进无尘室制作器件、调试设备,相关成果在2012年发表成论文。物理学的训练大概就留在这上面:遇事习惯从基本原理推起,手头没有工具就自己动手做。

为什么从物理转向神经科学?达里奥后来的解释是,“一直对两个问题感兴趣,智能究竟如何运作,以及能否通过科学和医学改善人类生活”,说白了就是想找智能的“物理定律”。

博士读完,达里奥又去斯坦福大学做博士后,跟着教授帕拉格·马利克(Parag Mallick)研究癌症检测及其机制。马利克后来回忆,达里奥此前几乎没碰过癌症研究,但他会利用周末把某个课题上已发表的论文全部啃完,很快跟上进度。

也是在博士后阶段,2012年至2013年前后,Google Brain等团队在深度学习上的成果陆续冒出来,尤其是AlexNet在图像识别上的表现,让他看到这项技术开始显露真正的潜力。

2014年底,达里奥加入百度,进了吴恩达领导的团队,参与的第一个项目就是端到端语音识别系统Deep Speech 2的研发。不到一年,他转入Google Brain担任高级研究科学家,2016年又加入OpenAI。

Anthropic上市在即:创始团队多出自物理,AI大佬为何扎堆物理背景(配图 2)

Anthropic另一位关键人物、首席科学官杰瑞德·卡普兰,最初盯上的却是宇宙本身。

卡普兰的母亲是科幻小说作家。打小他就迷一个问题:人类能不能造出超光速飞行器?

为了弄明白这件事,他选了物理。之后多年,他走的是一条典型的理论物理学术路:斯坦福读本科、哈佛读博士,到斯坦福大学运营的SLAC国家加速器实验室做博士后,最后进约翰·霍普金斯大学任教,成了理论物理学教授。

但在大型强子对撞机物理、粒子物理、宇宙学和弦理论等多个领域辗转多年后,他渐渐觉得沮丧、倦怠。“这些领域的进展没有我期待的那么快。很多朋友都告诉我,AI正在成为一个非常重要的领域。”卡普兰后来回忆道。2018年初,他开始拿部分时间学习和做机器学习研究。

首席架构师萨姆·麦坎迪什与达里奥、卡普兰的背景相仿。他读博时在斯坦福钻研理论物理,方向是量子引力与全息理论。2018年,他也进入OpenAI,从此投入机器学习研究。

2020年1月,卡普兰、麦坎迪什、达里奥和其他研究者一起发表论文《Scaling Laws for Neural Language Models》。通过一系列实验,他们发现语言模型的性能提升并非完全无法预测,而是与模型规模、训练数据量和计算资源之间存在相对稳定的幂律关系。

这套规律,就是后来大名鼎鼎的“Scaling Laws”。

卡普兰多年后回看这段经历时说:“物理学训练最有帮助的一点,是让我习惯于寻找最宏观、最重要的趋势,然后尽可能精确地描述它们。”

Anthropic成立之后,这种和物理学的牵连也带进了公司,影响到团队怎么搭、人怎么挑。

公司联合创始人兼总裁丹妮拉·阿莫代(Daniela Amodei)在访谈中讲过,创立初期最早的约15名员工里,三分之二有物理学博士学位。内部甚至跑出了一套叫“Physicist Pipeline”(物理学家输送管道)的机制:先吸引那些很聪明、擅长定量分析、能宏观思考的人,再培养他们去做机器学习研究。

2023年8月的一档节目里,达里奥提到,物理学家学新东西的速度很快。他说:“我们通常发现,招一位物理学博士,他往往很快就能学会机器学习并作出贡献。”他当时还表示,Anthropic团队里可能有30到40位物理学家。

话说回来,AI这个领域本身还年轻。Anthropic团队里有软件工程师、机器学习研究员,也有物理学、伦理学、神经科学背景的研究者,还有政策和运营人员。专业边界并不框人:做研究的会写代码,工程师也掺和研究;公司还办小型培训,熟悉Transformer的人按不同基础开课,运营和政策团队也能来上入门课。

02

物理学家,从未缺席AI

2024年的诺贝尔物理学奖有点出人意料:获奖的是两位研究人工神经网络的科学家——约翰·霍普菲尔德(John Hopfield)和杰弗里·辛顿(Geoffrey Hinton),理由是“为利用人工神经网络进行机器学习作出的基础性发现和发明”。诺贝尔物理学委员会还特别指出,物理学为机器学习的发展提供了重要工具。

其实物理学家和AI的交情,比这波大模型浪潮早得多。神经网络理论成形那会儿,他们就在场。

霍普菲尔德本人就是凝聚态物理学家。1982年他提出“霍普菲尔德网络”,把物理学里的能量函数、稳定状态等概念搬进了神经网络研究。1985年,辛顿与戴维·阿克利(David Ackley)、特伦斯·谢诺夫斯基(Terry Sejnowski)等人又往前推了一步,用统计物理的方法做神经网络学习,搞出了玻尔兹曼机——这名字本身就出自统计物理。

谢诺夫斯基的路子尤其有意思。他在普林斯顿大学念物理学博士,起初研究广义相对论,导师正是霍普菲尔德。后来他去旁听了一门神经科学课,从此被大脑与行为背后的复杂问题迷住,慢慢转向神经网络研究,觉得“宇宙的奥秘比起行为的奥秘都黯然失色。”

一批受过物理学训练的研究者,开始把概率、统计和信息论的工具用到机器学习问题上。上世纪80年代,物理学家已经拿统计物理去研究神经网络的记忆机制和存储容量;到90年代,这种交叉又延伸到贝叶斯推断、统计学习、模式识别和核方法等领域。

进了新世纪,物理出身的人照样出现在关键节点上。本科在普林斯顿读物理的李飞飞,2007年前后开始推动建立ImageNet数据集,让机器头一回有了海量带标注的图片可以“看”。

但让一批年轻物理学家真正坐不住的,是2016年的一盘棋。

那年3月,AlphaGo对战李世石,第二局下出的第37手让不少职业棋手都大吃一惊。人们第一次直观地感到,机器或许能通过学习找到人类没想到的解法。

当时还在芝加哥大学读理论物理博士的米沙·拉斯金(Misha Laskin),也被这场比赛触动。博士快毕业时,他开始重新琢磨职业选择。他后来回忆,这不是因为自己不再喜欢物理,而是慢慢意识到,自己已经成了非常狭窄领域里的专家,就算研究成功,可能也要等上几十年才知道它有没有真正产生影响。“也许我只是缺乏耐心。”他说。

他四处尝试,直到看见AlphaGo。那之后他放下手头所有事情,一头扎进深度学习和强化学习:先去伯克利做博士后,后来加入Google DeepMind,参与Gemini奖励模型方向的研究。2024年,他和同事创办AI公司Reflection AI,想做OpenAI、Anthropic等“封闭前沿实验室”的开源替代者,外界也叫它“美国版DeepSeek”。

类似的选择也出现在姚顺宇身上。不过此“宇”非彼“雨”:他和腾讯的姚顺雨名字只差一个字,都出自清华,也都在做大模型。在外界看来,清华物理本科、斯坦福理论物理博士,这份履历相当漂亮,但他对自己的研究成果并不满意:“没有人会说我博士期间的文章不好,但摸着良心说,对这个世界有多大的影响?我觉得几乎没有。”

“我想寻找一个对年轻人机会更多的方向。”量子计算和AI都进过他的候选名单,可量子计算的主要瓶颈在实验实现,这既不是他最擅长的,也不是他最感兴趣的部分。AI反倒让他看到了熟悉的研究方式:“更多是你有一个想法,可以用一些数值去验证。这个数值在AI里面,可能就是训练一个模型。”

在他看来,今天的AI很像18世纪的物理学,理论和实验还没明确分家,“你自己可以做实验,也可以做理论推测。”

于是2024年,他在伯克利的理论物理博士后岗位上只待了两周,就转身加入Anthropic,参与Claude模型研发。2025年9月底,他又加入Google DeepMind,继续做大模型研究。

Anthropic上市在即:创始团队多出自物理,AI大佬为何扎堆物理背景(配图 3)

AI带来的机会,正越来越多地溢出基础模型。

2022年,几位在金融科技公司共事过的物理学家,决定把AI带进音乐行业。一开始他们只是想让机器听懂、分析声音,结果一次下班后的实验让他们发现,AI居然能直接写歌。模型做成Discord机器人后,意外攒下一批热情用户。AI音乐公司Suno就这么诞生了。

几年过去,Suno已经是全球AI音乐赛道跑出的第一只独角兽,估值54亿美元。2026年5月的一期播客中,主持人向CEO迈基·舒尔曼(Mikey Shulman)发问:一个搞量子计算出身的物理学博士,怎么跑去做了面向消费者的音乐公司?舒尔曼的回答是,物理学训练给他上了重要的一课——机会常常藏在不同领域的交叉地带。Suno找到的那个交叉点,正是音乐和技术。

姜旭盯上的是另一块机会。本科到博士他读的都是物理,读博那几年换过好几个研究方向。用他的话说:“我觉得人生是要去坐一次火箭的。”

但书越念下去,他越感到自己“晚出生了差不多一百年”。物理学最风光的日子是20世纪初那几十年,大批基础规律还空着没人发现,“二流的物理学家都能做一流的工作”。反观现在,容易摘的果子基本摘完了,剩下的全是难啃的骨头。

姜旭第一次接触深度学习是在2016年,AlphaGo让他开了眼。那之后他自学Python和机器学习,刷了吴恩达在Coursera上的公开课,也动手做了几个开源项目,随后顺利在硅谷拿下第一份AI工作,一年后进入OpenAI。

在大模型研发上待了一阵,姜旭把注意力转向具身智能,回国创办亮源新创,专攻具身智能基础模型。他的判断是,AI的能力会从数据最丰富、最容易拿到的文本领域,一步步往别的领域铺开。眼下的AI就像一百年前的物理学,大把问题等着人去碰,“遍地都是黄金”。

03

绕了一大圈,物理学家又回到了物理世界

2026年11月,Anthropic推出Claude Fable 5.2,最抓眼球的演示是模型跟一只瓶盖较上了劲——直接操控机器人解魔方、拧瓶盖。

更早之前,OpenAI也秀过GPT-6 Astra参与电子设备设计的全过程:功能怎么定、外壳怎么设计、电路板怎么布局、软件怎么集成,模型都能搭把手。不过原型制作和验证,还是得交给工程师和制造商。

大模型的能力,正从屏幕里往外伸。

产业端的热情也在往上走。“我们正处于物理AI周期与AI超级大周期双频共振的时代。”11月18日的IDC FutureScape 2027上,IDC全球及中国副总裁王吉平亮出数据:16.7%的企业把物理AI列为未来24个月第二大AI投资优先级,35%的CEO则将其放进前三大新兴技术投资。

对物理学家而言,这里头多少有点命运的玩笑。当年他们从物理学出走,一头扎进AI;现在AI要迈进物理世界,重力、摩擦、碰撞、空间与时间,这些老相识又一个个找回来了。

AI要想在现实世界里动起来,头一步是得看懂世界。

李飞飞创办World Labs,赌的是“空间智能”。她要的不只是AI认出图里有个杯子,而是清楚它在三维空间中的位置、跟桌子什么关系、随时间又会怎么变。

2025年,World Labs交出首款产品Marble,用户输入文字、图片或视频,就能生成可探索、可编辑的三维场景。2026年又发布世界模型Atlas,能依据图像重建三维空间并模拟场景演变;公司还收购了机器人仿真团队SceniX,试着让机器人在虚拟环境里训练、再回到现实世界验证。9月,AMD宣布以约82亿美元收购World Labs,李飞飞将出任AMD执行副总裁兼首席科学家。

Anthropic上市在即:创始团队多出自物理,AI大佬为何扎堆物理背景(配图 4)

靖礼是北大物理本科、MIT物理博士,参与过DALL·E 3、Sora和GPT-4o等模型的研发,如今他加入杨立昆创办的AMI Labs,担任联合创始人兼预训练负责人。

AMI Labs想做的事,是让模型从视频和真实观察里学世界规律。技术路线建立在JEPA之上:不像画家那样一个像素一个像素地画下一秒,而是学抽象的世界表征,再配上记忆与规划,预判动作会带来什么后果。这跟物理学家的路数很像——不必记住每个细节,抓住支配变化的规律就行。

看懂了,还得能上手。

姜旭认为机器人是实现Physical AGI的重要方向,输入和输出都能用多模态模型的数据表征来处理,而多模态模型如何训练、如何scale,恰好是他最拿手的。把陌生问题变成已经解过的问题,几乎是物理学家的条件反射。

2026年9月,他创办的亮源新创开源了通用导航模型LightNav-0。训练它之前,团队先采集2000多个真实室内外场景,转成仿真环境,合成出4000多个小时的训练数据,再把训好的模型放回真实机器人上检验。在姜旭看来,具身智能不能只靠真机一条条采数据,得找到能规模化生产训练数据的办法。

计算物理博士、自变量机器人联合创始人、CTO王昊琢磨的问题更“物理”:动作和结果之间究竟是怎样一种关系。对机器人来说,拿起一只杯子就是一道完整的力学题——用多大力、怎么抓、杯子受力后怎么动,重力、摩擦、碰撞,哪一项算错了,杯子都可能掉地上。高中课本里的受力分析,成了最前沿的研究课题之一。

传统方案通常先训一个视频生成模型,再接上动作模型;王昊想把视觉和动作塞进同一个框架里联合建模,模型不光要预测环境下一步会怎样,还得明白自己的动作会怎样改变环境。2026年4月,自变量发布具身智能基础模型WALL-B,用的就是其所称的“世界统一模型”架构。

Physical Intelligence(简称PI)联合创始人布莱恩·伊希特(Brian Ichter)想的是把通用能力再往前推:同一个模型,能不能学会尽量多的任务,还能适应不同形态的机器人?

他本科同时修航空航天工程与物理学,后来在斯坦福拿到航空航天博士,在Google Brain和DeepMind都干过。2024年,他与几位研究者一起创办PI。同年10月推出首个通用机器人基础模型π0,把互联网规模的视觉语言预训练与多种机器人平台的操作数据结合起来,同一个模型能叠衣服、收拾餐桌、打包杂货。之后推出的π0.5,又试着让机器人适应从没见过的厨房和卧室。

机器人并不是AI进入物理世界的唯一入口。真实道路上,自动驾驶早就跑通了数据采集、模型训练、车辆验证这一整套闭环。

曹旭东跟AI结缘,最早是从一门统计物理课开始的。他本科在清华大学工程力学系读书,大二那年因为这门课对统计学有了兴趣,接着接触到统计学习;等到读博,他慢慢想明白,人工智能才是自己愿意长期做下去的事,于是离开学校,进了微软亚洲研究院做计算机视觉。2016年他创办Momenta,把AI带进自动驾驶。在他眼里,汽车不过是载体,真正要解决的是让机器感知环境、理解环境、作出决策。

Anthropic上市在即:创始团队多出自物理,AI大佬为何扎堆物理背景(配图 5)

现在他又把目光转向机器人,并且认为自动驾驶只是物理AI的序章:这个领域已经慢慢有了规模化的数据闭环和商业闭环;而机器人要在真实世界里抓取、移动、操作,数据怎么获取、怎么验证,难度都大得多。AI跟现实世界的结合也不止这一处,科研中AI正和自动化设备搭在一起,试着把计算、设计和实验串成闭环。

2014年,赖力鹏和另外两位有物理背景的研究者一起创办晶泰科技,想的是把AI、量子物理计算和自动化实验凑到一块,用来做药物和材料研发。分子由AI辅助设计、反应由AI预测,称量、移液和样品分析交给自动化设备去做,实验结果再回传给模型,用来调整下一轮方案。

这正好对上了姚顺宇那句话:在AI里,理论和实验又不分家了。只不过这一回,动手的不只是人,还有机器。

一百年前,物理学家在实验室里一点一点撬开世界的规律。一百年后,当年从物理学离开的那批人,带着AI又回到了真实世界。黄金是不是遍地都有,还不好说,但至少他们手里换了一把新铲子。

参考链接:

1、《Daniela and Dario Amodei on Anthropic》,Future of Life Institute,2022年3月4日

2、《‘Very sharp, very ambitious’: Inside Anthropic CEO Dario Amodei’s Ph.D. at Princeton》,The Daily Princetonian,2026年10月16日

3、《Generative SF: How Anthropic is building better, safer AI models》,2024年12月11日

4、《 Dario Amodei (Anthropic CEO) — The hidden pattern behind every AI breakthrough》,Dwarkesh Patel,2023年8月8日

5、《Scaling and the Road to Human-Level AI | Anthropic Co-founder Jared Kaplan》,2025年6月16日

6、《Suno's Mikey Shulman: Everyone Can Make Music Now》,2026年5月13日

7、《对姚顺宇的4小时访谈:请允许我小疯一下!在Anthropic和Gemini训模型、技术预测、英雄主义已过去》,张小珺商业访谈录,2026年5月11日

8、《Reflection co-founders Ioannis Antonoglou and Misha Laskin》,Manifold,2025年3月13日

9、《ChatGPT核心贡献者归国创业:把LLM的Scaling带到具身智能》,DeepTech深科技,2026年5月22日

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Anthropic 登陆纳斯达克:代码"ANT",发行价 70 至 78 美元

    11月17日SEC公示文件显示,Anthropic的A类普通股已获准登陆纳斯达克全球精选市场——三个层级中门槛最高的优质大公司板块,代码“ANT”,发行价区间维持每股70至78美元。公司拟公开发行8.25亿股A类普通股,并搭配260亿私募融资,向史上最大IPO再进一步。

    来源 AI 产业速递
  2. Dario 最期待的 AI 使命,Anthropic 生物医药布局复盘

    01.Key Takeaways ⁠•生物医药是 Anthropic 在 Coding 之后,下一个集中投入的高价值方向。药物研发本身要求最顶级的智能,而药物研发过程中每一次关键进展,都能形成可观的资产价值,使 AI 的收费模式从 API 到结果付费成为可能。 ⁠•Anthropic 现阶段的重点在于尽快 close

    来源 AI 行业观察
  3. Anthropic花34亿美元买发电机:AI竞赛打到电力这关

    “算力的尽头是电力”,这句话正在成为大模型时代的铁律。AI巨头们已经从早期的抢GPU、抢算力,演变成了如今的抢发电机。 近期,Anthropic豪掷34亿美元买下1.7吉瓦燃气发电产能的举动,引发了科技圈的广泛关注。 这种跳过中间环节、直接掌控能源基础设施的激进选择,不仅将整个行业的电力焦虑摆上台面,也揭开了新一轮资源

    来源 AI 行业观察
  4. Anthropic获纳斯达克上市许可:代码ANT,发行价70至78美元

    SEC 昨日(11 月 17 日)公示的注册文件显示,Anthropic 的 A 类普通股已获准登陆纳斯达克全球精选市场——三个层级中门槛最高的“优质大公司”板块,股票代码定为"ANT",发行价区间维持每股 70 至 78 美元(约合 467.5 至 521 元人民币)不变。这桩冲击史上最大 IPO

    来源 AI 开发者社区
  5. Anthropic获准纳斯达克上市:代码ANT,募资或达846亿美元

    根据美国证券交易委员会(SEC)昨日(11 月 17 日)公示的上市注册文件,Anthropic 的 A 类普通股已获准在纳斯达克全球精选市场上市,股票代码为“ANT”,IPO 发行价区间维持每股 70 至 78 美元(现汇率约合 467.5 至 521 元人民币)不变。

    来源 IT之家
  6. 红杉资本、光速创投等股东拟在 Anthropic IPO 中追加上十亿美元

    AI赛道资本热度攀升。知情人士称,AI初创公司Anthropic PBC发展势头强劲、商业潜力可观,多位核心早期风投股东拟在其即将到来的IPO中追加投资。顶级资本以真金白银加码未来。在全球大模型竞争中,Anthropic凭借前沿技术研发和企业级市场表现突出,备受资本青睐。

    来源 AI 产业速递
  7. 孙正义复盘投资棋局:错过Anthropic是失误,称AI才刚起步

    据日经亚洲报道,软银创始人孙正义周三在东京的活动上主动认账:早年错过投资 Anthropic,是他犯下的“错误”之一。“当我亲自见到达里奥·阿莫迪时,我觉得他非常了不起,我真希望当时投了。”软银并非没动过心思,只是当时已敲定支持 OpenAI 并开始砸钱,他的解释是不能“同时追两只兔子”。 他也清楚

    来源 AI 开发者社区
  8. 孙正义自认错过Anthropic是失误,称AI才刚起步

    日经亚洲报道,软银创始人孙正义在东京活动上承认,早年错过投资Anthropic是其错误之一。他称见到达里奥·阿莫迪后觉得对方非常了不起,真希望当时投了。软银当时已敲定支持OpenAI并开始投入资金,他解释不能“同时追两只兔子”。孙正义也清楚策略矛盾:多押几家通常更稳,但要结成真正伙伴关系,可能需专注一处。

    来源 AI 产业速递
  9. Anthropic登陆纳斯达克:募资904亿,首日与半年走势怎么看

    11 月 19 日,Anthropic 在纳斯达克挂牌。发行 8.25 亿股,区间 70 到 78 美元,投行已经在讨论把定价抬到 80 美元以上,完全摊薄 1.5 万亿到 1.6 万亿。合并私募,一共募 904 亿,史上最多。 01 Anthropic 手里有什么牌 发行 8.25 亿股,区间 70 到 78 美元,

    来源 AI 行业观察
  10. 反超谷歌王牌模型,决策新王拿下全球榜首,全尺寸开源

    硅谷最卷的新赛道,刚刚杀出了一位开源新王! 最近,即将敲钟的Anthropic在IPO材料中曝出天价算力缺口,给狂卷参数的AI行业当头浇下一盆冷水。 通用大模型虽在编程、数学上大杀四方,可一旦真替人干活,算力账单就成了无底洞。 比生成文本更耗Token的是长链推理,而比推理更烧钱的则是操作浏览器,单次平均开销比复杂推理

    来源 AI 行业观察
  11. 大寰机器人启动上市辅导:字节跳动参投,电动夹爪已进宝马供应链

    具身智能赛道的资金,正从扎堆追捧人形机器人整机本体,转向重仓上游核心部件。当不少本体公司还在依靠融资持续输血、等待通用场景落地时,一家扎根末端执行器赛道的企业,已经走到了IPO门前。 11月14日,据深圳证监局公开信息显示,大寰机器人科技股份有限公司(以下简称“大寰机器人”)于2026年11月13日正式启动上市辅导备案

    来源 AI 行业观察
  12. 前复星锐正合伙人刘方未入职Today AI任联合创始人

    Today AI已累计完成超过2亿美元的融资。本文为IPO早知道原创作者|Stone Jin据IPO早知道消息,前复星锐正资本合伙人、复星全球合伙人刘方未日前已加入个人AI助理公司Today AI并担任联合创始人一职。值得一提的是,刘方未与Today AI创始人齐俊元相识已超10年——2014年,彼时刘方未代表盘古创富

    来源 腾讯网
  13. 孙正义后悔当年没投Anthropic 坚称现在正是押注AI的好时机

    财联社11月18日讯(编辑 史正丞)Anthropic即将上市之际,重仓其竞争对手OpenAI的软银创始人孙正义,公开谈及错失投资Anthropic的遗憾。不过,面对科技股震荡及人工智能泡沫的担忧,这位亲历互联网泡沫的投资人依然坚信,AI的发展才刚刚开始,现在正是为未来布局的时候。孙正义周三在东京举行的活动上表示,软银

    来源 腾讯网
  14. OpenAI发布GPT-6.2双版本:3D设计亮眼,实测体验两极

    千呼万唤之中,OpenAI 终于把 GPT-6.2 推到了台前,一口气推出两个版本:GPT-6.2 Astra 和 GPT-6.2 Sol。有意思的是,OpenAI 这次又赶在了一个微妙的时间点出牌。眼下,Anthropic 上市的消息仍在持续发酵,AI 行业的竞争也愈发激烈。OpenAI 偏偏选在此时发布新一代模型,

    来源 腾讯网
  15. 微软MAI Code 2发布:编程AI挑战OpenAI与Anthropic

    微软11月18日在Ignite大会上发布编程模型MAI Code 2,称其性能已接近竞争对手同类模型,但运行成本要低得多。微软同时推出面向网络安全的AI模型及新的图像生成和语音转录模型,试图在AI领域进一步挑战OpenAI和Anthropic。

    来源 凤凰科技
向下滚动自动加载更多