成立一年的 AI 实验室融了 10 亿

一家还没发布任何模型的公司，A 轮融了 10 亿美元。它成立于 2026 年 1 月，到宣布融资那天，只有十个月。

一、发生了什么

10 月 21 日，Flapping Airplanes 在社交平台宣布完成 10 亿美元 A 轮，由 Index 和 Lux 联合领投。据 Bloomberg 报道，本轮估值 60 亿美元。TechCrunch 同日跟进了这条消息。

这个价格要放在时间轴上看。今年 1 月底公司成立时，种子轮 1.8 亿美元，投资方包括 GV、Sequoia 和 Index，当时估值 15 亿美元。九个月，估值四倍。老股东 Sequoia、GV、Kleiner Perkins 这一轮继续跟投，Valor、Atreides、A* 和英伟达也在股东名单里。

三个创始人里，Aidan Smith 是连续创业者、Thiel 奖学金得主，大学期间在 Neuralink 工作过；Asher Spector 在斯坦福读统计学博士；弟弟 Ben Spector 是斯坦福计算机博士生，在 MIT 期间创办了 Prod——一个学生运营的创业加速器，做了五年。

他们对外讲的技术叫 megakernel，把很多 GPU 任务打包进一个内核程序。创始人的说法是，这套框架能跑完整训练、做推理、甚至打游戏，还能三件事同时在一个内核里跑。关键是让「等数据」的推理和「做计算」的训练叠在一起，芯片不至于空转。

公司的目标很直白：让训练和推理都更便宜。Asher Spector 今年 2 月对 TechCrunch 说过一句话，一个数据效率高一百万倍的模型，大概也更容易进入经济体系一百万倍。

二、跟你有什么关系

做训练的团队。 这套东西如果真能跑通，省下来的是 GPU 空转时间，不是电费。评估时看的是集群利用率曲线，不是发布会上的倍数。

看 AI 一级市场的人。 十个月、无产品、60 亿美元估值，这是这一轮最纯粹的「团队定价」样本。它说明钱在赌人，不在赌收入。

做 GPU 软件栈的工程师。 megakernel 这类工作本质是把调度权从框架层抢到内核层，和 Triton、CUDA Graph 那些优化路线是同一个战场。

三、怎么判断这类公司值不值这个价

1. 先分清「框架」和「结果」。能跑通一个内核是工程能力，能在一个真实的大规模训练任务上跑完不崩，才是产品。
2. 问清基线。所有「效率提升多少倍」都要有对比对象——是对比 PyTorch 默认配置，还是对比已经调优过的生产集群。
3. 看这笔钱花在哪。10 亿美元在算力市场只是几个月的集群租金。融资额大，也可能是为了买卡，不代表技术已验证。
4. 等第一份实测。第三方复现之前，创始人描述的一切都属于厂商口径。

四、三个别信的说法

「估值四倍说明技术在进步」。 估值反映的是融资供需，不是技术验证。九个月里公司没有公开任何模型或论文级成果，四倍涨的是「这批人值得下注」这个共识。

「megakernel 是全新发明」。 把多个算子融合进一个内核是 GPU 优化的老思路，FlashAttention、各类 fused kernel 都在做类似的事。新意在于敢把训练、推理、图形任务放进同一个内核里调度，这个尺度确实少见，但也意味着调试难度成倍上升。

「数据效率高一百万倍就能绕开 Scaling Law」。 这是目标，不是现状。公司至今给出的只有方向性描述，没有可对照的基准测试。把愿景当结论，是这类早期项目最容易踩的坑。

五、一句话结论

这轮 10 亿美元买的不是一家公司的现在，是一张「训练成本还能再降一个数量级」的彩票。

信息来源

• Year-old AI lab Flapping Airplanes raises $1B at a $6B valuation - TechCrunch，2026 年 10 月 21 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。