红杉加持，1.8亿融资点亮类脑AI新路径
在AI领域竞争白热化的当下，一家名为Flapping Airplanes的初创实验室脱颖而出，近日宣布完成1.8亿美元种子轮融资，投资方包括谷歌风投（Google Ventures）、红杉资本（Sequoia）和Index Ventures等顶级机构。这一融资规模在种子轮中堪称罕见，标志着投资者对该实验室独特愿景的强烈认可。
Flapping Airplanes的创始团队由兄弟Ben Spector和Asher Spector，以及联合创始人Aidan Smith组成。他们三人背景深厚：Ben曾在OpenAI从事强化学习研究，Asher拥有神经科学博士学位，而Aidan则在DeepMind领导过高效学习算法项目。团队成立之初，就明确了一个被多数实验室视为“不可能任务”的目标：让AI模型像人类大脑一样高效学习，而不是依赖海量互联网数据的“真空吸尘器”模式。
“大脑是底线，而非上限。”——Flapping Airplanes创始团队
主流AI的瓶颈：数据饥渴与计算黑洞
回顾AI发展史，自Transformer架构兴起以来，大型语言模型（LLM）如GPT系列和Llama主导了行业。这些模型通过从互联网爬取数万亿token数据进行预训练，实现惊人性能。但这一路径正面临严峻挑战：数据枯竭、隐私法规收紧（如欧盟GDPR和即将实施的AI法案）、以及天文数字的计算成本。据估算，训练GPT-4已耗资超1亿美元，未来模型将需数千亿美元级投入。更关键的是，这种“规模即正义”的范式忽略了人类学习的本质——婴儿仅需数小时观察即可掌握语言，而非数月浏览维基百科。
Flapping Airplanes正是瞄准这一痛点。他们借鉴神经科学最新发现，如海马体中的“模式分离”机制和皮层下的“预测编码”理论，开发出“类脑学习框架”。这一框架强调少样本学习（few-shot learning）和内在动机驱动，让AI在有限数据下自主探索知识，而非被动记忆。
技术创新：从‘蝴蝶效应’到高效AI大脑
实验室名称‘Flapping Airplanes’源于蝴蝶翅膀扇动引发风暴的混沌理论隐喻，象征小规模高效输入产生指数级输出。核心技术包括：
- 动态神经架构：模拟大脑可塑性，模型结构随学习实时调整，避免固定参数的僵化。
- 好奇心驱动探索：引入内在奖励机制，AI主动寻求不确定性信息，类似儿童的好奇心。
- 多模态融合：整合视觉、语言和动作数据，实现端到端学习，而非孤岛式训练。
早期实验显示，该框架在基准测试中，仅用传统方法的1/100数据，即可达到同等性能。这不仅降低成本，还提升泛化能力，避免“幻觉”问题。
投资者视野：押注AI范式转变
红杉资本合伙人表示：“我们见过太多数据堆砌的AI独角兽，但Flapping Airplanes是真正理解生物启发的先行者。”谷歌风投则看好其在机器人和自动驾驶领域的潜力。融资将用于扩建硅谷实验室、招聘顶尖神经科学家，并推进首个产品——一款用于教育AI助手的类脑引擎。
编者按：类脑AI的曙光与隐忧
Flapping Airplanes的出现，如同一股清流，挑战了“更大即更好”的AI共识。在ChatGPT热潮后，行业亟需可持续路径。类脑AI或将开启‘后摩尔时代’，但挑战犹存：生物模拟的复杂性、伦理风险（如AI自主意识）和验证难度。乐观来看，若成功，这将是继深度学习后的又一革命，推动AI从工具向伙伴演进。编辑认为，投资者信心源于团队实力与时机——2026年，数据壁垒将成行业天堑，谁先破局谁称王。
展望未来，Flapping Airplanes能否兑现‘大脑仅是底线’的豪言？拭目以待。
本文编译自TechCrunch，作者：Russell Brandom, Theresa Loconsolo，日期：2026-02-11。