Thinking Machines Lab（思考机器实验室）是人工智能热潮下的宠儿：这家由前OpenAI首席技术官Mira Murati创立的公司，在没有发布任何产品的情况下，即完成了一轮创纪录的20亿美元种子轮融资，估值达到120亿美元。（延展阅读：）
自那以后，Thinking Machines Lab经历了一些变化。据《纽约时报》最近的报道，2025年的大部分时间对这家公司来说都是内部动荡的时期：高层离职、技术领导层的分歧、失败的收购谈判，最终导致了几位创始研究人员的离开。这些离职事件分量尤重，因为这家公司最初是围绕Murati招募的一小群杰出的OpenAI“战友”建立的，包括John Schulman、Barret Zoph和Luke Metz，以及前OpenAI研究和安全负责人Lilian Weng。Zoph和Metz此后已重返OpenAI，而另一位联合创始人Andrew Tulloch则转投了Meta。赋予Thinking Machines早期可信度的核心团队大部分已经离开。
Mira Murati
领导层之争和与OpenAI的竞争或许能构成一个引人入胜的硅谷叙事，但它们对公司的技术方向或Murati选择保持独立的理由揭示甚少。据《纽约时报》报道，资深同事曾敦促Murati寻求出售，包括与Meta进行谈判，但最终没有达成任何交易。Murati选择保持Thinking Machines的完整性，直到其第一款产品发布，即便公司正在经历动荡并寻求以激进的估值进行新一轮融资。
很难猜测这一决定反映的是Murati对技术的信心，还是在不确定时期需要更紧密的控制，抑或两者兼有。但或许观察一下该公司迄今发布的内容会有所帮助。
构建工具而非模型
回溯到那轮2亿美元种子轮融资时，Murati在推特上写道：“Thinking Machines Lab的存在是通过推进协作式通用智能来赋能人类”，并描述了公司正在构建多模态AI，其方法以开放研究和软件工具为中心，旨在帮助开发者和研究人员构建和定制模型。“很快，我们还将分享我们最好的科学成果，以帮助研究社区更好地理解前沿AI系统。”她写道。
2025年10月，首次发布的产品是Tinker——一个旨在自动化和简化大型开放模型（类似Meta的Llama和阿里巴巴的Qwen系列）微调的平台。Thinking Machines Lab没有推出专有的基础模型，而是推出了Tinker，这是一款面向开发者的工具，旨在帮助研究人员、初创公司和工程师将现有的高端模型适应专业任务，而无需管理大型GPU集群或复杂的训练流水线。
Tinker的与众不同之处在于它在AI模型训练和调优方面将操作责任在用户和系统之间进行了划分。开发者在本地CPU机器上运行的标准Python中定义自己的训练循环、损失函数和评估逻辑，而Tinker则处理大规模运行这些精确计算所需的分布式GPU训练。这种设计保留了监督微调和强化学习工作流程的细粒度控制，同时无需用户管理基础设施、同步或故障恢复。Tinker还允许用户下载他们的训练权重，并在他们选择的任何地方进行部署，而不是将模型束缚在单一的推理服务上。
从这个角度看，Tinker可能有助于理解Murati选择保持Thinking Machines独立的决定。公司的第一款产品并非试图与竞争对手的封闭专有系统直接竞争，而是致力于推出围绕开放模型、可移植性和共享研究构建的基础设施。在收购谈判进行中、一些资深研究人员推动出售之际，Thinking Machines选择推出一个能够独立运行的工具，而不是将其技术整合到一个更大的平台中。
期望攀升，势头受阻
Tinker的发布并没有抑制对Thinking Machines Lab的期望，反而加速了这些期望。据彭博社和路透社报道，2025年11月，即该平台推出约一个月后，公司开始讨论进行新一轮融资，估值可能高达500亿美元。这一提议的跃升似乎表明，投资者愿意仅凭公司早期的技术进展和团队背景，就将其估值翻四倍以上。
但这轮融资最终未能实现。到年底，潜在支持者似乎无法认同公司高昂的估值目标与其公开交付的内容。Tinker可能是一个技术上精密的工具，但它也是一个针对AI开发者和研究人员这一相对狭窄受众的基础设施产品，而不是能够立即产生收入的旗舰系统。在没有专有基础模型、明确的商业化战略或更大规模发布的清晰时间表的情况下，理想与现实之间的差距持续扩大。
这种紧张关系在本月公开浮出水面，当时公司的内部戏剧性事件暴露在公众视野中。Murati宣布联合创始人兼首席技术官Barret Zoph离职，并任命PyTorch联合创始人Soumith Chintala接替他的职位，称这一变动为一次“重置”。然而，几小时内，Zoph和其他两位资深研究人员就重新出现在OpenAI，随后几天内又有更多辞职。这些离职反映的可能不仅仅是人员纠纷，而是显示了在产品和公司2亿美元资金应该如何使用上的长期分歧。
关键人才的突然流失将受阻的融资努力转变为更大的信誉问题，引发了新的质疑：公司是否仍能实现其目标。
前路未卜
随着2026年的到来，Thinking Machines Lab在一个仍由炒作和极端期望定义的AI版图中处于不确定的地位，投资者的偏好似乎更集中在更成熟的AI参与者身上。Tinker现已普遍可用，公司在去年底取消了等待名单，并扩展了平台以支持更大的推理模型、结合图像和文本的视觉语言系统，以及与OpenAI API兼容的推理。这些更新使Tinker更容易在现有的开发者工作流程中采用，但它仍然是一个针对AI研究人员而非大众市场的专业工具。
在没有任何新产品发布或预告、人才大量流失，且下一轮融资尚未解决的情况下，Thinking Machines Lab现在面临将其技术愿景与可持续商业计划相对齐的考验。公司能否稳定并重建势头，取决于它接下来交付的内容。
Thinking Machines正遭遇整个AI领域正在发生的重新校准和评估，利益相关者开始重新审视，除了令人震惊的估值之外，真正的进步究竟是什么样子。在多年的巨额资本流入前沿AI领域、超越产品和收入之后，投资者越来越多地提出更尖锐的问题：究竟构建了什么、由谁构建、以及付出了什么代价，更重要的是如何以及何时获得怎样的收益。
热门跟贴