这批新兴公司并非简单大厂路线，而是在技术方向上呈现出明显的差异化布局。

　　HV Capital的Joël-Carbonell指出，越来越多的AI研究人员开始质疑，继续扩展当前大语言模型路线是否足以突破AI能力的下一个瓶颈。

　　AMI Labs的方向是开发能够从持续真实世界数据中学习的AI系统。该公司发言人表示，

　　AI在内容生成方面已取得重大进展，但在基础认知、因果推理和真实环境中的可靠行为方面仍存在明显不足。随着AI从屏幕走向工业、机器人、医疗健康等物理环境，这些局限性变得愈发关键。

　　Ineffable Intelligence则将聚焦强化学习——即让AI模型从经验中学习，而非依赖人类标注数据，与当前主流的互联网文本训练路线形成对比。据一位知情人士向CNBC透露，这一方向也是Humans&所采用的技术路径。

　　芯片制造商要信任我们处理其最核心的知识产权，我们必须保持中立，这在谷歌内部是不可能做到的。

　　值得注意的是，报道指出，这批初创公司在获得充裕资金后，正在将触角伸回大厂，形成人才的二次流动。

　　Ricursive Intelligence的Goldie透露，公司重新集结了AlphaChip的核心团队，这涉及招募我们的一些老同事。目前团队成员的背景横跨谷歌、Anthropic、英伟达、苹果和xAI。

　　这一模式在多家新兴公司中普遍存在——创始人凭借个人声誉和投资者提供的充足资金，得以从前雇主及其他AI巨头处吸引顶级研究人员加盟，进一步强化了初创公司与大厂之间的人才竞争。

　　出走潮背后：大厂内卷催生创业窗口

　　大型AI实验室之间的军备竞赛，正在无意间为规模更小、更灵活的公司创造机会。

　　当你身处一场竞赛，你会极度收窄焦点。这就制造了真空地带——新架构、智能体、可解释性、垂直模型等整片研究领域正在被降低优先级，不是因为它们不重要，而是因为它们赢不了眼前这场竞赛。

　　HV Capital合伙人Alexander Joël-Carbonell同样指出，随着主要AI实验室面临证明天价估值的压力，商业目标的优先级不断提升，顶级研究人员的探索空间被大幅压缩。

　　在大型基础模型实验室内部，交付基准性能和维持快速发布节奏的压力，几乎不给真正探索性的研究留下空间，尤其是在主流大语言模型范式之外的方向。

　　分析称，这种结构性矛盾，使得那些希望追求前沿但非主流研究方向的顶尖人才，越来越倾向于选择出走自立。