<p>一个名为 Flapping Airplanes 的新人工智能实验室于周三启动，获得了来自 Google Ventures、红杉资本和 Index 的 1.8 亿美元种子资金。创始团队令人印象深刻，目标是寻找一种对数据需求较低的方式来训练大型模型，这个目标尤其引人关注。</p>
<p>根据我目前所见，我会将他们评为试图盈利的第二级别。</p>
<p>但 Flapping Airplanes 项目还有更令人兴奋的地方，直到我阅读了红杉资本合伙人 David Cahn 的这篇文章，我才意识到这一点。</p>
<p>正如 Cahn 所描述的，Flapping Airplanes 是首批超越规模化的实验室之一，规模化是迄今为止定义大多数行业的无休止的数据和计算资源的扩展：</p>
<blockquote>
<p>规模化范式主张将社会资源的大量投入，尽可能多地集中在扩大今天的 LLM（大型语言模型）上，希望这将导致 AGI（通用人工智能）。研究范式则认为我们距离 “AGI” 智能还有 2-3 次研究突破，因此我们应该将资源投入到长期研究中，特别是那些可能需要 5-10 年才能实现的项目。</p>
<p>[…]</p>
<p>计算优先的方法将优先考虑集群规模，并且会极大地偏向于短期收益（大约 1-2 年）而非长期投资（大约 5-10 年）。研究优先的方法将时间上分散投资，并且应该愿意进行许多绝对成功概率较低的投资，但这些投资共同扩展了可能性的搜索空间。</p>
</blockquote>
<p>计算派可能是对的，专注于疯狂的服务器建设毫无意义。但在如此多的公司已经朝这个方向发展的情况下，看到有人朝相反的方向前进，令人欣慰。</p>

谷歌-C

云计算 ETF - GlobalX

谷歌-A

<p>一家名为 Flapping Airplanes 的新人工智能实验室已获得来自谷歌风险投资、红杉资本和 Index 的 1.8 亿美元种子资金。该实验室旨在寻找一种数据需求较低的大型模型训练方法。与人工智能领域普遍采用的扩展方法不同，Flapping Airplanes 专注于长期的研究突破，可能需要 5 到 10 年才能实现显著进展。这种以研究为先的范式与以计算为先的方法形成对比，后者优先考虑即时结果。该实验室的创新方向为人工智能领域带来了令人耳目一新的变化，而该领域目前正严重倾向于扩展</p>

<p>A new AI lab called Flapping Airplanes launched on Wednesday, with $180 million in seed funding from Google Ventures, Sequoia, and Index. The founding team is impressive, and the goal — finding a less data-hungry way to train large models — is a particularly interesting one.</p>
<div class="lb-trans"><p>一个名为 Flapping Airplanes 的新人工智能实验室于周三启动，获得了来自 Google Ventures、红杉资本和 Index 的 1.8 亿美元种子资金。创始团队令人印象深刻，目标是寻找一种对数据需求较低的方式来训练大型模型，这个目标尤其引人关注。</p>
</div><p>Based on what I’ve seen so far, I would rate them as Level Two on the trying-to-make-money scale.</p>
<div class="lb-trans"><p>根据我目前所见，我会将他们评为试图盈利的第二级别。</p>
</div><p>But there’s something even more exciting about the Flapping Airplanes project that I hadn’t been able to put my finger on until I read this post from Sequoia partner David Cahn.</p>
<div class="lb-trans"><p>但 Flapping Airplanes 项目还有更令人兴奋的地方，直到我阅读了红杉资本合伙人 David Cahn 的这篇文章，我才意识到这一点。</p>
</div><p>As Cahn describes it, Flapping Airplanes is one of the first labs to move beyond scaling, the relentless buildout of data and compute that has defined most of the industry so far:</p>
<div class="lb-trans"><p>正如 Cahn 所描述的，Flapping Airplanes 是首批超越规模化的实验室之一，规模化是迄今为止定义大多数行业的无休止的数据和计算资源的扩展：</p>
</div><blockquote>
<p>The scaling paradigm argues for dedicating a huge amount of society’s resources, as much as the economy can muster, toward scaling up today’s LLMs, in the hopes that this will lead to AGI. The research paradigm argues that we are 2-3 research breakthroughs away from an “AGI” intelligence, and as a result, we should dedicate resources to long-running research, especially projects that may take 5-10 years to come to fruition.</p>
<p>[…]</p>
<p>A compute-first approach would prioritize cluster scale above all else, and would heavily favor short-term wins (on the order of 1-2 years) over long-term bets (on the order of 5-10 years). A research-first approach would spread bets temporally, and should be willing to make lots of bets that have a low absolute probability of working, but that collectively expand the search space for what is possible.</p>
</blockquote>
<div class="lb-trans"><blockquote>
<p>规模化范式主张将社会资源的大量投入，尽可能多地集中在扩大今天的 LLM（大型语言模型）上，希望这将导致 AGI（通用人工智能）。研究范式则认为我们距离 “AGI” 智能还有 2-3 次研究突破，因此我们应该将资源投入到长期研究中，特别是那些可能需要 5-10 年才能实现的项目。</p>
<p>[…]</p>
<p>计算优先的方法将优先考虑集群规模，并且会极大地偏向于短期收益（大约 1-2 年）而非长期投资（大约 5-10 年）。研究优先的方法将时间上分散投资，并且应该愿意进行许多绝对成功概率较低的投资，但这些投资共同扩展了可能性的搜索空间。</p>
</blockquote>
</div><p>It might be that the compute folks are right, and it’s pointless to focus on anything other than frenzied server buildouts. But with so many companies already pointed in that direction, it’s nice to see someone headed the other way.</p>
<div class="lb-trans"><p>计算派可能是对的，专注于疯狂的服务器建设毫无意义。但在如此多的公司已经朝这个方向发展的情况下，看到有人朝相反的方向前进，令人欣慰。</p>
</div>

Flapping Airplanes and the promise of research-driven AI

- 新 AI 实验室 Flapping Airplanes 于周三启动，获得 1.8 亿美元种子资金。  
- 目标是找到一种数据需求更少的大型模型训练方式。  
- 实验室采用研究优先的策略，注重长期研究突破。

飞机的振动与研究驱动的人工智能的承诺