用预登记收购给 AI 研究突破提前定价

新实验室今天被要求同时完成两个登月级目标。他们的投资者既想要研究突破，也想要风险投资规模级别的业务，尽管这两者单独任何一项都只有百分之一的胜率。要求两者兼得让成功概率降到万分之一。

我认为有一个更好的方案，它借鉴了制药行业处理高风险 R&D 的方式，能让前沿实验室、新实验室和投资者都从中获益。

前沿实验室想要把有效的方法规模化#

如今，OpenAI、Anthropic 和 Google DeepMind 在模型质量和智能水平上陷入了势均力敌的竞赛。每次发布都需要超出预期，或至少赶上竞争对手的水平。因此，他们宁愿把资源用在已被验证有效的事情上，比如改进数据管线、为更大规模的训练搭建基础设施、购买越来越多的算力。然而，研究人员往往想攻克“下一个大事件”——那些可能带来智能阶跃式飞跃的新范式。结果，市场需要他们交付的东西与研究人员想专注的方向之间经常会出现张力。

新实验室被要求同时做两件事#

在过去一年里，许多想押注这些方向的高级研究人员创办了新实验室——专注于重大研究赌注的早期 AI 初创公司，通常在还没有产品或收入时就被大量资金支持，以便支付算力和薪资。这样他们就能用风险投资级别的资源去追逐大想法。

表面上看，投资者押的是新实验室会成为下一个 OpenAI 或 Anthropic。他们提醒自己，Anthropic 也曾是一家新实验室，由一群离开 OpenAI 的研究员创办，在还没有产品时就筹集了数亿美元。但私下里，他们大多数人会承认，即便拥有世界级的研究员和工程师，重演这一切的概率也微乎其微。

领导研究团队和把一家公司规模化是截然不同的两件事。研究人员通常不擅长产品、市场推广、运营、物流等所有对一个可持续公司来说传统上至关重要的事。（Databricks 的Ali Ghodsi 是个不错的例外。）

然而，新实验室却被期望同时做到两件事：取得突破并把产品规模化。有时这会把一家公司一分为二，一半人想打造和销售产品，另一半人想做研究并打造 ASI。专注与方向一致是初创公司相对于资金更充裕的成熟玩家最大的优势，但这种期望可能让两头都受拖累。

期望自家新实验室两者兼得的投资者，当它两头都没做到时，很可能会失望。

一个激进的做法是承认，新实验室只做世界级的、开创性的研究。预期营收接近于零，然后放手让他们去做。如果他们成功了，公司会被收购或人才并购。

问题在于这对投资者来说行不通。风投需要能回报整支基金的公司，而很难向 LP 承诺一次人才并购就能做到这一点，尤其是在新实验室今天以数十亿美元的天价估值进行融资的情况下。

制药行业已经解决了一个类似的问题#

制药行业几十年来一直在应对一个类似的问题。公司经常在研发上投入数亿美元，赌的是一种可能带来数十亿美元回报的药物。一种药物可能通过早期试验，却仍在 FDA 批准前失败，通常是因为疗效不够好，有时是因为副作用或生产问题。

制药行业通过分工来解决这个问题。较小的生物技术公司承担发现和开发的风险。如果药物有效，大型制药公司就会收购这家初创公司，或将药物作为知识产权买下。大公司在自己擅长的领域加倍投入，也就是大规模生产和分销药物。小公司则可以专心做科学，而不必发明一种商业模式。小型生物技术公司的商业模式归根结底就是一个问题：我们能否让这种药物起效？

这种分工是有效的。在 2013 年至 2022 年 FDA 批准的药物中，营收低于 5 亿美元的小公司原创了 52%，而营收超过 100 亿美元的最大型公司原创了 36%¹。

生物技术投资者几十年来一直靠这种方式赚钱。他们许多最大的成功来自于被收购，而不是成长成为下一个辉瑞。

预登记收购#

如今所缺少的是一个承诺。那些创办、加入或资助新实验室的人，需要在承担风险之前就知道，如果研究成功，等待他们的是丰厚的回报。

前沿实验室可以通过预登记收购提前做出这种承诺。这种承诺也被称为"拉动式资助"。推动式资助是预先支付研究费用，比如拨款或风险投资轮次。拉动式资助则承诺在成果出现后再为其付费。1714 年，英国政府承诺向任何能在海上确定船只经度的人提供 2 万英镑，一位名叫约翰·哈里森的自学成才的钟表匠做出了回应，发明了一种在颠簸的船上仍能保持精确走时的钟。2009 年，五个国家和盖茨基金会承诺向任何能以每剂 3.50 美元或更低价格向贫困国家供应肺炎球菌疫苗的公司提供 15 亿美元，疫苗制造商的回应是提供了足够为超过 1.5 亿儿童接种的供应量。

大公司一直都在为初创公司的专利或其人才买单。AI 研究的与众不同之处在于弄清一个想法是否可行的成本。一个软件创始人可以在笔记本电脑上测试一个想法。而要在有意义的规模上测试一种新的训练方法，需要进行成本可能高达数千万或数亿美元的训练运行，而且自 2016 年以来，最大规模运行的成本每年增长 2.4 倍。没有人会在不清楚成功价值的情况下为一个猜测投入那么多。这其中的利害关系也超过了任何一家公司的退出价值。模型学习方式的突破最终会进入每天有数亿人使用的系统中，因此我们如何为这项研究付费，决定了它发生得有多快以及由谁来做。

我可以看到这会以两种方式展开：

公开要约。一家前沿实验室发布一个任何人都可以验证的目标，并承诺以固定价格收购第一个达成该目标的团队。OpenAI 的Parameter Golf 挑战赛就是这种模式的小型版本，只不过对表现突出的参与者提供的是工作面试，而不是收购。
私人期权。一家前沿实验室和一家新实验室事先就一个有限范围的目标达成一致。如果目标达成，实验室有权以既定价格收购这家新实验室；若放弃收购，则支付一笔违约费。SpaceX 收购 Cursor 的期权就采用了这种结构：SpaceX 若完成收购则支付 600 亿美元，若放弃收购则支付 100 亿美元作为工作报酬。最终 SpaceX 完成了收购。

在这两种情况下，目标可以是一项新能力（例如某个基准测试得分），也可以是实验室自身难以构建的事物，例如数据集、一组 RL 环境，或一项监管批准。

公开报价可以这样呈现。假设某前沿实验室发布：“我们将以 20 亿美元收购任何团队，只要该团队能以十分之一的训练算力在我们的评估套件上追平我们的上一代模型。须从零训练，不得从任何前沿模型蒸馏，且报价有效期至 2027 年。”这个价格是合理的，因为最大规模的训练运行预计到 2027 年每次花费将超过 10 亿美元，因此将每次未来运行的算力削减 10 倍的价值远超 20 亿美元。

前沿实验室为何会承诺？#

显然的问题是：既然实验室可以等待并直接购买任何奏效的成果，为什么还要在看到结果之前就定下价格？

一旦突破发生，就为时已晚。训练方法无法申请专利，因此一旦某个团队向实验室展示了如何做到，实验室就不再需要这个团队了。没有一个理性的团队会在事先没有商定价格的情况下展示自己的成果，也没有实验室会为尚未看到的东西买单。这就是所谓的阿罗信息悖论。提前定好价格可以打破僵局：团队清楚自己将获得什么，而实验室也能在付款前验证成果。

一项三赢的方案#

预登记式收购能让各方都受益。

前沿实验室能够：

继续扩大已被验证有效的方向。
在不亲自资助每一个高风险项目的前提下，对 0 到 1 的突破进行押注。

新实验室及其研究人员能够：

在资金支持下，追逐那些尚未验证但潜力巨大、可能带来突破的押注。
跳过产品市场契合与市场推广环节，把时间花在他们最擅长、最热衷的研究上。
保持内部方向一致，因为所有人都清楚，只要实现突破就能赢。
组建团队，或单兵作战，向已发布的目标发起冲刺。较小的目标同样适用：如果某实验室为一套新的 RL 环境开出 1 亿美元的价格，那么花 10 万美元算力去尝试就是一笔合理的赌注。

投资者能够：

承担更小的市场风险，因为如果其团队率先达成目标，就会有一位以已知价格承诺收购的买家。
以收购价格为依据对新实验室进行估值。这无法支撑 50 亿美元的种子轮，但足以支撑 1 亿美元的种子轮；而以 1 亿美元入场、实现 20 亿美元的退出，就能回报整个基金。

公开报价也是底价，而非上限。如果某个团队达成了目标，却更愿意围绕其成果创办一家公司，它可以拒绝这笔报价。

将隐含之事显性化#

此类做法的某种形态已经存在。过去每一次收购和人才收购，例如谷歌以 24 亿美元收购 Windsurf 的交易，都为研究团队可实现的退出价格设定了一个隐性锚点，新实验室也援引这些锚点来证明其估值的合理性。预登记式收购只是把这一点显性化，从而降低所有人的不确定性。

目前，一家新实验室必须在科研和商业两个方向同时取得成功，这相当于两个登月计划。如果为突破本身定价，那它只需要在一件事上取胜。回报虽然比不上成为下一个 Anthropic，但成功率从万分之一提升到百分之一——这是值得围绕它组建团队的赌注。

那么，前沿实验室们：成本只需十分之一的训练运行，你们愿意出多少钱？开个价吧。

有一点需要注意：药物容易申请专利，而 AI 的训练配方基本上却不能。所以在 AI 领域，回报不能仅仅是出售知识产权，而必须是收购——要么收购团队本身，要么收购难以复制的护城河，例如监管审批、独特的数据或独特的物理基础设施。↩︎