一家名為Core Automation的新興AI公司近日引發(fā)行業(yè)關(guān)注。這家由前OpenAI研究副總裁Jerry Tworek創(chuàng)立的實驗室，在成立初期便成功吸引來自Anthropic、Google DeepMind和OpenAI的多位頂尖研究員加入，其技術(shù)路線與組織理念均展現(xiàn)出顛覆性特征。

Tworek在OpenAI任職近七年期間，主導了o1和o3兩代推理模型的開發(fā)，并深度參與GPT-4后訓練及GPT-5部署工作。他在1月離職時向團隊透露，希望探索"在現(xiàn)有體系內(nèi)難以實現(xiàn)的研究方向"。這位核心人物認為，頭部AI公司同時面臨模型性能競爭、算力成本壓力和用戶增長需求的三重挑戰(zhàn)，這種環(huán)境導致對高風險基礎研究的投入意愿下降。

新公司的技術(shù)路線直指當前AI發(fā)展的核心瓶頸。其官網(wǎng)聲明指出，單純擴大模型規(guī)模、數(shù)據(jù)量和靜態(tài)部署的傳統(tǒng)路徑已接近極限。團隊將重點研發(fā)持續(xù)學習算法和新型網(wǎng)絡架構(gòu)，試圖解決transformer模型在災難性遺忘、長期適應環(huán)境等方面的缺陷。據(jù)融資材料披露，他們正在開發(fā)名為Ceres的模型，該系統(tǒng)訓練數(shù)據(jù)需求量僅為現(xiàn)有頭部模型的百分之一，且具備運行中動態(tài)更新權(quán)重的能力。

這種技術(shù)突破若能實現(xiàn)，將顯著降低工業(yè)自動化、機器人等領(lǐng)域的模型部署成本。當前主流方案需要數(shù)月一次的完整重訓，不僅消耗巨額算力，還會導致部分知識流失。Core Automation的持續(xù)學習框架若驗證可行，可能重塑整個AI訓練范式。

在組織建設方面，該公司提出"自動化優(yōu)先"的獨特策略。通過開發(fā)研究流程自動化系統(tǒng)，團隊計劃將基礎實驗、代碼生成等環(huán)節(jié)交由AI代理完成，從而釋放人力專注于前沿探索。這種模式與其技術(shù)目標形成閉環(huán)——用自動化工具提升研究效率，再用研究突破改進自動化系統(tǒng)。目前公開的十余名成員中，包含多位在強化學習、神經(jīng)架構(gòu)搜索等領(lǐng)域的專家。

資本市場對這類技術(shù)派創(chuàng)業(yè)團隊表現(xiàn)出強烈興趣。盡管產(chǎn)品尚未面世，Core Automation在成立數(shù)周內(nèi)即啟動5-10億美元融資談判，估值突破50億美元。這種估值邏輯反映出行業(yè)對基礎研究突破的迫切期待，同時也給團隊帶來巨大壓力：他們需要在數(shù)年內(nèi)拿出能與GPT系列抗衡的技術(shù)成果，或構(gòu)建足夠高的技術(shù)壁壘。

當前AI領(lǐng)域正呈現(xiàn)多元化技術(shù)路線競爭態(tài)勢。除Core Automation的持續(xù)學習方向外，Thinking Machines Lab聚焦多模態(tài)智能體可靠性，Safe Superintelligence實驗室押注安全優(yōu)先的超級智能，AMI Labs則主攻世界模型研究。這些新興實驗室雖技術(shù)路徑各異，但都試圖突破現(xiàn)有scaling law的局限，尋找下一代AI發(fā)展的突破口。