科技巨头正面临一场核心研究人才的流失潮，meta、Google、OpenAI等公司的一批顶尖研究员纷纷离职，转而投身创业浪潮，迅速组建新公司并获得资本市场的热烈追捧。这些新成立的AI企业不仅吸引了巨额投资，还在人才市场上形成“虹吸效应”，从原雇主处招募大量专业人士，进一步壮大自身实力。
据CNBC报道，近年来，越来越多曾在大型实验室担任关键角色的研究人员选择自主创业，投资人普遍认为这些团队可能在模型架构创新、强化学习突破、智能体开发以及AI可解释性等领域开辟新赛道。这种趋势正重塑AI行业的竞争格局，为中小企业提供了与巨头抗衡的机会。
前Google DeepMind研究员David Silver创立的Ineffable Intelligence成为行业焦点。该公司成立仅数月便完成11亿美元种子轮融资，这一数字使其跻身欧洲历史上规模最大的种子轮融资案例之一。另一位前DeepMind成员Tim Rocktäschel创办的Recursive Superintelligence也传出正在筹集最高达10亿美元资金的消息。
由前meta首席AI科学家Yann LeCun发起的AMI Labs同样表现亮眼。该机构今年3月宣布获得10亿美元融资，其核心目标是开发能够从现实世界持续数据流中自主学习的新型AI系统。与此同时，来自OpenAI、Anthropic、xAI和DeepMind的前员工群体也推动了多家新企业的诞生，包括Periodic Labs、Ricursive Intelligence和Humans&等，这些公司近期均完成了重要融资。
法国风投机构Eurazeo的投资负责人Elise Stern指出，头部实验室之间的激烈竞争反而为小型企业创造了生存空间。她观察到，大公司在追求技术领先的过程中往往会收缩研究范围，导致新架构开发、智能体研究、可解释性提升等前沿方向被暂时搁置，而这恰好成为初创企业的突破口。
资本市场对这一趋势反应迅速。根据Dealroom的数据，2026年以来成立的AI初创公司已吸引188亿美元风险投资，这一数字有望超过2025年全年的相关融资规模。投资者看重的不仅是创始团队的明星背景，更是他们对AI技术未来发展方向的独特判断。
部分新创公司正在探索与主流技术路线差异显著的发展路径。例如，Ricursive Intelligence专注于开发AI芯片设计工具，强调其中立性有助于赢得客户信任；Periodic Labs致力于构建自主实验室系统；Ineffable Intelligence则将赌注押在强化学习领域；Humans&则采用基于经验学习的技术框架。这些尝试共同反映出一个行业共识：单纯扩大现有大语言模型的规模可能不足以支撑AI技术的下一次飞跃。
HV Capital合伙人Alexander Joël-Carbonell分析称，大型基础模型实验室面临的性能指标压力和快速迭代要求，压缩了基础研究的探索空间，这促使更多研究者选择独立创业。在他看来，这股创业潮既是AI投资热潮的延续，也是科技巨头竞争格局的间接产物。
随着头部实验室将更多资源投向商业化应用和规模扩张，部分前沿技术创新正从企业内部向外部转移。投资者普遍期待，这些从大厂“外溢”的创新能力能够孕育出下一代AI技术平台的核心组件。
