Naive AI 与 14 亿美元的后训练押注

一家由清华大学教授创立、新近成立的研究型初创公司据称已达到 14 亿美元估值，而它出售的并不是一款新的基础模型。Naive AI 建立在已经存在的模型之上。它的押注是：流程中更便宜的那一半，也就是预训练之后的部分，将是赢得下一轮收益的地方。

该报道来自 Dealroom，发布于 10 月 10 日，将 Naive AI 描述为一家年轻的实验室，专注于中期训练和高级后训练，而不是从零开始训练一个模型。其旗舰产品 Naive-N0.5-Flash 以 MIT 许可证发布，这几乎是最宽松的开源许可证。一家整个论点就是“改进已有的东西”的公司被赋予 14 亿美元的数字，这才是有趣之处，而不是模型本身。

为什么后训练是更便宜的杠杆

预训练是一个资本问题。你需要数千个加速器、以数万亿 token 计的数据管道，以及耐心盯着损失曲线数月之久。Mistral 用大约 4,000 块 Nvidia Grace Blackwell GPU 在约两个月内训练了其新旗舰模型。这种规模的训练只有少数公司才能进行。一个有想法的研究小组则无法做到。

后训练则是另一套预算。它涵盖的是把基础模型变成有用东西的工作：通过中期训练塑造行为、指令微调、基于反馈的强化学习，以及告诉你其中哪些工作有成效的评估循环。一个算力有限的小团队可以在开放权重基础模型之上完成这些工作，并仍然做出人们想运行的模型。这正是 Naive AI 瞄准的缺口，也是投资者愿意为之付出高价的原因。

其宣传还包括递归自我改进，这是一个应当保持怀疑的说法。在温和形式下，它指的是用模型帮助生成下一版本所需的训练数据和奖励信号，然后重复。在宏大形式下，它是系统无需人类输入就能自我改进的梦想。该报道描述的是温和版本。这里没有任何内容暗示某台机器能在一个周末内自举成超级智能，读者应把任何这样的表述当作营销。

后训练吸引关注的第二个原因是：它可以被衡量，而预训练不能。当你改进一个基础模型时，可以让它跑同样的基准测试并看到变化量。当你从头训练时，比较会更模糊，因为整个模型一次性都变了。专注于后训练的团队可以就其增加了什么给出紧凑、可重复的论证，而这正是同时说服投资者和工程师的那类主张。

它还让实验室可以选择自己的战场。不同的后训练方法针对不同行为：更好的指令遵循、更强的推理、更安全的拒绝、更精准的工具使用。小团队可以选择其中一两个方向并围绕它们竞争，而不是试图在所有方面都取胜。这种专注往往决定了它是一款人们真正采用的细分模型，还是一款没人会切换过去的通用模型。

这符合一个已经显现的模式

Naive AI 并非唯一押注后期阶段胜过单纯规模的公司。过去两个月里，一系列开放权重发布以不同方式表达了同样的观点。多个实验室通过改进现有架构而非发明新架构，交付了有竞争力的模型，并且它们的核心宣称通常相同：以一小部分训练成本取得可比的结果。

市场数据支撑了这种压力。BenchLM 在 10 月初的一项分析描述了开放权重模型与专有模型在部分推理基准上的差距正在缩小，同时据报高端专有 API 成本下降了 40%。该分析指出，开放权重部署正在以每百万 token 低于 0.50 美元的费率处理高吞吐量工作负载。这些数字需要结合背景来看，因为 API 价格会随模型、工作负载、服务层级和日期而波动，而且基准分数并不能证明真实世界的可靠性。但方向是明确的：能力的价格正在下降，而这一下降既由更好的后训练推动，也由更大规模的预训练推动。

后训练策略的风险在于，它依赖别人的基础模型。如果你所基于的开放权重基础模型更改许可证，或发布了一个以你无法控制的方式发生变化的版本，你的产品就会暴露在风险之中。这是一个真实约束，也是为什么走这条路的实验室倾向于公开其方法，这样即便某一家实验室退出，社区也能让这项工作继续存活。

这一估值真正定价的是什么

一家年轻初创公司获得 14 亿美元估值，是对模型开发未来的一种表态，并且带有明确假设：优势正在从你能购买多少算力，转向你能多好地训练和评估你已有的东西。如果这一点成立，资本就不再是唯一的护城河，拥有强方法的小团队也能在牌桌上占有一席之地。

如果假设错了，故事就会反转。在别人的基础模型上做后训练工作，一旦方法公开就很容易被复制，而它们通常会公开。一家完全建立在这类工作之上的实验室没有专有基础模型可守，如果每个竞争者都能复现它的配方，优势就会消失。该估值假设在方法和数据上拥有持久优势，而仅靠方法很少能长期保密。这就是头条数字之下潜藏的隐性风险。

诚实的提醒是，这一切尚未得到验证。该估值是报道，而非确认。在任何人围绕它规划产品之前，该模型宣称的性能需要独立基准测试和可复现的成本测量。这个模式令人鼓舞，但模式不是证明。

让这个故事值得关注的不是钱。而是一位教授的实验室，只有几个人、预算有限，却认为它可以站在那些在算力上花钱如政府投资基础设施一般的公司旁边，并靠把最后一英里而不是第一英里做得更聪明来做到这一点。这是一个可检验的主张。未来几个月的开放权重发布将显示它是否成立。

更广泛的转变如果继续下去，关乎的是谁能够构建。当制作一个有能力模型的最昂贵部分，变成可以通过后训练租用的东西时，能够产出有用成果的团队数量就会增长。这并不意味着最大的实验室会输。它意味着这个领域变得更宽，而更宽的领域往往会产生更多样性、更多细分工具以及更激烈的价格竞争。无论 Naive AI 是不是正确的押注，它押注的是一个未来：构建 AI 的入场门槛比今天看起来更低。