跳到正文
    Ertas
    Back to blog

    什麼是應用型 AI 實驗室？三類 AI 實驗室

    應用型 AI 實驗室為企業既有的工作訓練模型，從第一次部署起就有收入。本文比較前沿實驗室、neolab 和應用型實驗室，回答三大 AI 實驗室是哪幾家、neolab 是什麼、應用型 AI 是否值得投入等問題，並以 Ertas AI 為例說明應用型實驗室如何運作。

    Edward Xi Yang

    13 分鐘閱讀Insights

    就本文向 AI 提問
    A pale astronomical impression in graphite and copper, with a soft amber penumbra on warm paper.A copper-engraved planetary limb with an amber atmosphere and a sweeping orbital band.

    應用型 AI 實驗室是一家研究型公司：它從企業已經在做的工作出發，為這些工作訓練模型，並用真實流量來衡量模型。它從第一次部署起就有收入。前沿實驗室打造能力最強的通用模型；neolab 則在擁有產品之前，就為一項研究押注募集巨額資金。

    本文把這三類實驗室放在一起比較，所有事實均註明來源，並以 2026 年 10 月為準。本網站由 Ertas AI 發布，Ertas AI 是位於墨爾本 Brunswick 的應用型 AI 實驗室，因此在最後一部分作為實例。

    什麼是 AI 研究實驗室？

    AI 研究實驗室是以開發和檢驗新的 AI 方法與模型為主要工作的機構，或機構內部的團隊。實驗室分布在大學、政府科研機構和企業中，它們發表、部署或出售自己的研究成果。我們的澳洲 AI 研究實驗室地圖在同一個國家裡呈現了這三種形態。

    在企業當中，目前最受關注的是三類實驗室。它們的差別在於做什麼、如何募資，以及何時開始銷售。

    實驗室類型做什麼何時開始銷售例子
    前沿實驗室能力最強的通用模型發布即銷售，透過應用程式和 APIOpenAI、Anthropic、Google DeepMind
    Neolab押注未來突破的研究往往在研究取得成果之後Safe Superintelligence、Thinking Machines Lab
    應用型實驗室為具體的重複性工作訓練的模型從第一次部署起Ertas AI

    三者在邊界上有重疊。前沿實驗室也有應用團隊，neolab 也可能很早推出產品，應用型實驗室同樣發表研究。上表描述的是每一類的出發點。

    前沿 AI 實驗室做什麼？

    前沿 AI 實驗室打造當時能力最強的通用模型，並出售這些模型的使用權，通常透過聊天應用程式和 API。產業組織 Frontier Model Forum 對前沿模型的定義是："a general-purpose model that outperforms, based on a range of conventional performance benchmarks or high-risk capability assessments, all other models that have been widely deployed for at least 12 months"（在一系列常規效能基準或高風險能力評估上，勝過所有已廣泛部署至少 12 個月的模型的通用模型）（Frontier Model Forum，2026 年 10 月 29 日查閱）。

    前沿實驗室用超大規模的通用資料訓練模型，因此一個模型就能在幾乎所有任務上服務數以百萬計的使用者。它們也占據了這個領域的大部分資金。New Enterprise Associates（NEA）估算，AI 研究實驗室的私募估值合計約 1.68 兆美元，其中 93.6% 屬於前沿通用模型公司，並指出 OpenAI、Anthropic、xAI 和 Safe Superintelligence 幾乎拿走了全部（NEA，2026 年 6 月 17 日，引用 PitchBook 截至 2026 年 4 月 30 日的估值）。

    三大 AI 實驗室是哪三家？

    目前沒有官方名單。這個說法通常指 OpenAI、Anthropic 和 Google DeepMind，也就是 ChatGPT、Claude 和 Gemini 的開發者。最接近正式名單的是 Frontier Model Forum，截至 2026 年 10 月 29 日，其成員為 Amazon、Anthropic、Google、Meta、Microsoft 和 OpenAI（成員頁面）。

    什麼是 AI neolab？

    Neolab 是以研究為先的 AI 新創公司，通常由離開成熟實驗室的研究人員創立，在擁有產品之前就募集巨額資金，去追求長期的技術突破。Business Insider 在 2026 年 10 月 22 日把 neolab 描述為"the lavishly funded, research-first AI startups founded by top talent who defected from the likes of OpenAI or Google DeepMind"（由離開 OpenAI 或 Google DeepMind 等公司的頂尖人才創立、資金充裕、以研究為先的 AI 新創公司）（Business Insider）。

    這個詞背後的數字，以 2026 年 10 月的報導為準：

    • 29 家 neolab 合計募資 230 億美元，這是 Radical Ventures 的統計；其中推出商業產品的不到 35%（Dealroom，2026 年 10 月 18 日，轉述 The Economist 的報導）。
    • 這 29 家中略多於一半發布過程式碼，而且往往只是研究展示（同一來源）。
    • Safe Superintelligence 估值 320 億美元，並表示在達到"超級智慧"之前不會推出任何產品（同一來源）。

    The Economist 於 2026 年 10 月 15 日以"AI neolabs are raising huge sums. Most have little to show for it"為標題報導了這件事。

    投資人對這種模式看法分歧。在同一篇 Business Insider 文章中，Menlo Ventures 合夥人 Matt Murphy 被問到哪個領域最被高估時，點名了 neolab；Radical Ventures 的 Aaron Rosenberg 則說："We're confident that the best neolabs will attract ongoing support"（我們相信最好的 neolab 會持續獲得支持）。NEA 在 6 月的文章中持樂觀看法：它預期下一代創投的大回報將來自"research-first companies that own a domain-biased corpus, run an integrated RL and verification loop perhaps inside a high-stakes domain"（擁有偏向某一領域的語料、在可能是高風險的領域內執行一體化強化學習與驗證循環的研究型公司），並指出 neolab 在有收入之前通常會募集 5,000 萬到 5 億美元。

    "應用型 AI"是什麼意思？

    應用型 AI 指在真實環境中把 AI 方法用於一個明確的問題，並以它在那裡是否有效來評判結果。研究問題來自工作本身：模型需要知道什麼才能完成這項任務，多大的模型能守住品質標準，每項任務的執行成本是多少。

    大學也出於同樣的思路使用這個詞。Deakin University 的 Applied Artificial Intelligence Initiative 和 Macquarie University 的 Applied AI Research Centre 都圍繞產業問題進行研究（澳洲 AI 研究實驗室，2026 年 10 月 28 日核對）。

    什麼是應用型 AI 實驗室？

    應用型 AI 實驗室是為了部署而做 AI 研究的公司：它從企業已經在做的工作中挑選問題，為這些工作訓練模型，並在正式環境中把模型與企業原本會採用的方案相比較。有三個特點使它有別於另外兩類實驗室：

    1. 問題在先。 研究議程跟隨企業大量重複的任務，因此每項成果都有等著它的買家。
    2. 部署就是檢驗。 一種方法要在真實企業的流量上站得住，並按照這家企業自己的品質標準來衡量，才算數。
    3. 從第一次部署起就有收入。 每次建置都帶來收入，每個持續運作的模型又帶來更多收入，研究的資金來自它所改進的工作。

    創投人也開始描述一個相近的概念。Aspiring for Intelligence 在 2026 年 9 月 25 日提出，企業正在成為自己模型的生產者，並稱之為"neo neo lab"，其中"the 'lab' is less about pretraining and more about owning the process that turns what an organization knows into how a model behaves"（所謂"實驗室"，重點在於掌握把組織的知識轉化為模型行為的那套流程，預訓練反而是次要的）（Aspiring for Intelligence）。應用型實驗室能把這套流程交到企業手中，企業無需自建實驗室。

    應用型 AI 實驗室如何運作？以 Ertas AI 為例

    Ertas AI 按一個簡單的循環運作：實驗室的研究挑選問題，與設計合作夥伴的部署在真實流量上驗證方法，而每次部署都會在產品中留下一個可重複使用的元件。

    研究挑選問題。 實驗室的研究分為三個方向：大小合適的專用模型、從流量中學習的模型，以及 AI 代理的單位經濟學。第三個方向指向錢花在哪裡。在 OpenRouter 截至 2026 年 10 月 12 日的 30 天公開資料中，分類、擷取和轉換占已分類模型支出的 20.8%。這些都是輸出可檢驗的重複性任務，因此是訓練模型的首選對象。

    研究連同其局限一起發表。 在實驗室的 QMSum 研究（arXiv 2609.25028，2026 年 8 月 18 日）中，一個在 Ertas 上訓練的模型在以查詢為導向的會議摘要任務上取得 35.41 的 ROUGE-1，而五個託管專有模型中最好的成績是 32.43。這些託管模型在同一條簡潔提示詞下以零樣本方式執行，它們較長的輸出在這種以參考文本重疊為基礎的指標上也影響了差距，而且研究沒有做人工評估或事實性評估。論文在數字旁邊就寫明了這些。

    部署在真實流量上驗證方法。 設計合作夥伴帶來一項其 AI 代理反覆執行的任務。實驗室為這項任務訓練一個專用模型，並透過自適應模型端點提供服務，這是一個相容 OpenAI 的 API。端點透過持續學習不斷改進：新版本在背景用 AI 代理的流量訓練，按客戶的評估評分，只有在客戶簽核後才上線。如果新版本未達標準，目前的模型會繼續服務。該端點目前僅限受邀企業使用，我們正在開發一個更精簡的版本，讓更多企業可以接入。

    每次部署都在產品中留下一個元件。 為某次部署建立的評估框架、資料準備步驟或訓練配方，會成為端點和 Ertas 平台的一部分，下一個團隊就能從更前面的位置起步。這就是從實驗室到產品的路徑：部署為研究提供資金，研究則變成產品。

    對另一邊的企業來說，選擇訓練模型的理由體現在兩個成本維度上。訓練好的專用模型每個 token 的價格低於它所取代的前沿模型，而且每項任務需要的 token 更少，因為每條提示詞裡重複的指示和範例已經訓練進了模型。我們的單任務成本計算器可以用你自己的數字呈現這兩方面的效果，關於 AI 新創公司毛利率的文章則用真實的提示詞規模做了推算。

    應用型 AI 實驗室和 neolab 有什麼差別？

    兩者的差別在於問題從哪裡來，以及收入何時開始。Neolab 選定一項研究押注，募集足夠多年使用的資金，在研究取得成果後再打造產品。應用型實驗室從企業既有的工作中取得問題，每個模型投入使用就開始產生收入，因此它的研究和收入來自同一批部署。

    兩者都以各自的方式以研究為先，也都可以獨立於大型科技公司和大學之外。差別展現在各自首先提出的問題上：neolab 問的是能創造什麼新能力，應用型實驗室問的是哪項重複性任務可以藉助專門訓練的模型做得更好、更快、更便宜。

    應用型 AI 值得投入嗎？

    當一項任務大量重複、輸出可以檢驗、成本反映在每月的 token 帳單上時，應用型 AI 就值得投入。這些條件讓訓練模型有一個要達到的品質標準，也有一個要壓低的成本。每週都在變化的任務，或者每月只執行幾千次的任務，在穩定下來之前更適合用提示詞呼叫前沿模型；我們關於微調是否已死的文章說明了這條界線在哪裡。

    企業可以同時使用前沿模型和訓練好的專用模型：通用模型處理開放式工作，每個專用模型負責它被訓練來做的那項工作。我們關於基礎模型與任務專用模型的文章介紹了這種分工如何運作。

    常見問題

    AI 領域的 neolab 是什麼？

    Neolab 是以研究為先的 AI 新創公司，通常由離開成熟實驗室的研究人員創立，在擁有產品之前就為長期突破募集巨額資金。據 Dealroom 報導，截至 2026 年 10 月，29 家這樣的實驗室合計募資 230 億美元，推出商業產品的不到 35%。

    應用型 AI 實驗室做什麼？

    應用型 AI 實驗室為了部署而做 AI 研究。它從企業已經在做的工作中挑選問題，為這些工作訓練模型，用真實流量衡量模型，並從第一次部署起就有收入。

    AI 實驗室有哪些例子？

    OpenAI、Anthropic 和 Google DeepMind 是前沿實驗室；Safe Superintelligence 和 Thinking Machines Lab 是 neolab；位於墨爾本的 Ertas AI 是應用型 AI 實驗室。大學研究院和政府科研機構也設有 AI 研究實驗室，例如我們澳洲 AI 實驗室地圖中列出的那些。

    前沿 AI 實驗室有多少家？

    沒有固定的數字，因為"前沿"會隨著模型進步而移動。Frontier Model Forum 的成員是一個參照：截至 2026 年 10 月 29 日共六家（Amazon、Anthropic、Google、Meta、Microsoft 和 OpenAI）。

    全球排名前十的 AI 研究實驗室有哪些？

    排名取決於衡量標準。按私募估值，NEA 發現截至 2026 年 4 月 30 日，前沿通用模型公司占約 1.68 兆美元中的 93.6%，排在前面的是 OpenAI、Anthropic、xAI 和 Safe Superintelligence。按發表的研究來排，大學和企業實驗室的順序又不一樣，所以先選定與你的問題相符的衡量標準。

    應用型 AI 實驗室和前沿實驗室有什麼差別？

    前沿實驗室為數以百萬計的使用者打造一個通用模型，並出售使用權。應用型實驗室為企業反覆執行的具體工作訓練專用模型，並為這家企業提供服務。

    簡短版

    前沿實驗室打造能力最強的通用模型。Neolab 為一項研究押注募集巨額資金，等押注成功後再銷售。應用型 AI 實驗室從企業已經在做的工作出發，為之訓練模型，在真實流量上驗證，並從第一次部署起就有收入。Ertas AI 是位於墨爾本 Brunswick 的應用型 AI 實驗室；它的研究頁面列出了已發表的成果，關於頁面介紹了實驗室如何運作。

    資料來源，均於 2026 年 10 月 29 日查閱：Dealroom（2026 年 10 月 18 日）；The Economist（2026 年 10 月 15 日，標題）；Business Insider（2026 年 10 月 22 日）；NEA，"The AI Neolab Wild West"（2026 年 6 月 17 日）；Aspiring for Intelligence，"The Rise Of The Neo Neo Lab"（2026 年 9 月 25 日）；Frontier Model Forum 簡介和成員。我們的研究：QMSum 研究和 OpenRouter 結構化任務報告。