跳到正文
    Ertas
    Back to blog

    什么是应用型 AI 实验室？三类 AI 实验室

    应用型 AI 实验室为企业已有的工作训练模型，从第一次部署起就有收入。本文对比前沿实验室、neolab 和应用型实验室，回答三大 AI 实验室是哪几家、neolab 是什么、应用型 AI 是否值得投入等问题，并以 Ertas AI 为例说明应用型实验室如何运作。

    Edward Xi Yang

    13 分钟阅读Insights

    就本文向 AI 提问
    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.

    应用型 AI 实验室是一家研究型公司：它从企业已经在做的工作出发，为这些工作训练模型，并用真实流量来衡量模型。它从第一次部署起就有收入。前沿实验室打造能力最强的通用模型；neolab 则在拥有产品之前，就为一项研究押注募集巨额资金。

    本文把这三类实验室放在一起比较，所有事实均注明来源，并以 2026 年 10 月为准。本网站由 Ertas AI 发布，Ertas AI 是位于墨尔本 Brunswick 的应用型 AI 实验室，因此在最后一部分作为实例。

    什么是 AI 研究实验室？

    AI 研究实验室是以开发和检验新的 AI 方法与模型为主要工作的机构，或机构内部的团队。实验室分布在大学、政府科研机构和企业中，它们发表、部署或出售自己的研究成果。我们的澳大利亚 AI 研究实验室地图在同一个国家里展示了这三种形态。

    在企业当中，目前最受关注的是三类实验室。它们的区别在于做什么、如何融资，以及何时开始销售。

    实验室类型做什么何时开始销售例子
    前沿实验室能力最强的通用模型发布即销售，通过应用和 APIOpenAI、Anthropic、Google DeepMind
    Neolab押注未来突破的研究往往在研究取得成果之后Safe Superintelligence、Thinking Machines Lab
    应用型实验室为具体的重复性工作训练的模型从第一次部署起Ertas AI

    三者在边界上有重叠。前沿实验室也有应用团队，neolab 也可能很早推出产品，应用型实验室同样发表研究。上表描述的是每一类的出发点。

    前沿 AI 实验室做什么？

    前沿 AI 实验室打造当时能力最强的通用模型，并出售对这些模型的使用权，通常通过聊天应用和 API。行业组织 Frontier Model Forum 对前沿模型的定义是："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"（在一系列常规性能基准或高风险能力评估上，超过所有已广泛部署至少 12 个月的模型的通用模型）（Frontier Model Forum，2026 年 10 月 29 日查阅）。

    前沿实验室用超大规模的通用数据训练模型，因此一个模型就能在几乎所有任务上服务数以百万计的用户。它们也占据了这个领域的大部分资金。New Enterprise Associates（NEA）估算，AI 研究实验室的私募估值合计约 1.68 万亿美元，其中 93.6% 属于前沿通用模型公司，并指出 OpenAI、Anthropic、xAI 和 Safe Superintelligence 几乎拿走了全部（NEA，2026 年 6 月 17 日，引用 PitchBook 截至 2026 年 4 月 30 日的估值）。

    三大 AI 实验室是哪三家？

    目前没有官方名单。这个说法通常指 OpenAI、Anthropic 和 Google DeepMind，也就是 ChatGPT、Claude 和 Gemini 的开发者。最接近正式名单的是 Frontier Model Forum，截至 2026 年 10 月 29 日，其成员为 Amazon、Anthropic、Google、Meta、Microsoft 和 OpenAI（成员页面）。

    什么是 AI neolab？

    Neolab 是以研究为先的 AI 初创公司，通常由离开成熟实验室的研究人员创立，在拥有产品之前就募集巨额资金，去追求长期的技术突破。Business Insider 在 2026 年 10 月 22 日把 neolab 描述为"the lavishly funded, research-first AI startups founded by top talent who defected from the likes of OpenAI or Google DeepMind"（由离开 OpenAI 或 Google DeepMind 等公司的顶尖人才创立、资金充裕、以研究为先的 AI 初创公司）（Business Insider）。

    这个词背后的数字，以 2026 年 10 月的报道为准：

    • 29 家 neolab 合计募资 230 亿美元，这是 Radical Ventures 的统计；其中推出商业产品的不到 35%（Dealroom，2026 年 10 月 18 日，转述 The Economist 的报道）。
    • 这 29 家中略多于一半发布过代码，而且往往只是研究演示（同一来源）。
    • Safe Superintelligence 估值 320 亿美元，并表示在达到"超级智能"之前不会推出任何产品（同一来源）。

    The Economist 于 2026 年 10 月 15 日以"AI neolabs are raising huge sums. Most have little to show for it"为标题报道了这件事。

    投资人对这种模式看法不一。在同一篇 Business Insider 文章中，Menlo Ventures 合伙人 Matt Murphy 被问到哪个领域最被高估时，点名了 neolab；Radical Ventures 的 Aaron Rosenberg 则说："We're confident that the best neolabs will attract ongoing support"（我们相信最好的 neolab 会持续获得支持）。NEA 在 6 月的文章中持乐观看法：它预计下一代风险投资的大回报将来自"research-first companies that own a domain-biased corpus, run an integrated RL and verification loop perhaps inside a high-stakes domain"（拥有偏向某一领域的语料、在可能是高风险的领域内运行一体化强化学习与验证循环的研究型公司），并指出 neolab 在有收入之前通常会募集 5,000 万到 5 亿美元。

    "应用型 AI"是什么意思？

    应用型 AI 指在真实环境中把 AI 方法用于一个明确的问题，并以它在那里是否有效来评判结果。研究问题来自工作本身：模型需要知道什么才能完成这项任务，多大的模型能守住质量标准，每项任务的运行成本是多少。

    大学也出于同样的思路使用这个词。Deakin University 的 Applied Artificial Intelligence Initiative 和 Macquarie University 的 Applied AI Research Centre 都围绕产业问题开展研究（澳大利亚 AI 研究实验室，2026 年 10 月 28 日核对）。

    什么是应用型 AI 实验室？

    应用型 AI 实验室是为了部署而做 AI 研究的公司：它从企业已经在做的工作中挑选问题，为这些工作训练模型，并在生产环境中把模型与企业原本会采用的方案进行比较。有三个特点使它有别于另外两类实验室：

    1. 问题在先。 研究议程跟随企业大量重复的任务，因此每项成果都有等着它的买家。
    2. 部署就是检验。 一种方法要在真实企业的流量上站得住，并按照这家企业自己的质量标准来衡量，才算数。
    3. 从第一次部署起就有收入。 每次构建都带来收入，每个持续运行的模型又带来更多收入，研究的资金来自它所改进的工作。

    风险投资人也开始描述一个相近的概念。Aspiring for Intelligence 在 2026 年 9 月 25 日提出，企业正在成为自己模型的生产者，并称之为"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"（所谓"实验室"，重点在于掌握把组织的知识转化为模型行为的那套流程，预训练反而是次要的）（Aspiring for Intelligence）。应用型实验室能把这套流程交到企业手中，企业无需自建实验室。

    应用型 AI 实验室如何运作？以 Ertas AI 为例

    Ertas AI 按一个简单的循环运作：实验室的研究挑选问题，与设计合作伙伴的部署在真实流量上验证方法，而每次部署都会在产品中留下一个可复用的部件。

    研究挑选问题。 实验室的研究分为三个方向：大小合适的专用模型、从流量中学习的模型，以及智能体的单位经济学。第三个方向指向钱花在哪里。在 OpenRouter 截至 2026 年 10 月 12 日的 30 天公开数据中，分类、抽取和转换占已分类模型支出的 20.8%。这些都是输出可检验的重复性任务，因此是训练模型的首选对象。

    研究连同其局限一起发表。 在实验室的 QMSum 研究（arXiv 2609.25028，2026 年 8 月 18 日）中，一个在 Ertas 上训练的模型在面向查询的会议摘要任务上取得 35.41 的 ROUGE-1，而五个托管专有模型中最好的成绩是 32.43。这些托管模型在同一条简洁提示词下以零样本方式运行，它们较长的输出在这种基于参考文本重叠的指标上也影响了差距，而且研究没有做人工评估或事实性评估。论文在数字旁边就写明了这些。

    部署在真实流量上验证方法。 设计合作伙伴带来一项其 AI 智能体反复执行的任务。实验室为这项任务训练一个专用模型，并通过自适应模型端点提供服务，这是一个兼容 OpenAI 的 API。端点通过持续学习不断改进：新版本在后台用智能体的流量训练，按客户的评估打分，只有在客户签字同意后才上线。如果新版本达不到标准，当前模型会继续服务。该端点目前仅限受邀企业使用，我们正在开发一个更简化的版本，让更多企业可以接入。

    每次部署都在产品中留下一个部件。 为某次部署搭建的评估框架、数据准备步骤或训练配方，会成为端点和 Ertas 平台的一部分，下一个团队就能从更靠前的位置起步。这就是从实验室到产品的路径：部署为研究提供资金，研究则变成产品。

    对另一边的企业来说，选择训练模型的理由体现在两个成本维度上。训练好的专用模型每个 token 的价格低于它所替代的前沿模型，而且每项任务需要的 token 更少，因为每条提示词里重复的指令和示例已经训练进了模型。我们的单任务成本计算器可以用你自己的数字展示这两方面的效果，关于 AI 初创公司毛利率的文章则用真实的提示词规模做了推算。

    应用型 AI 实验室和 neolab 有什么区别？

    两者的区别在于问题从哪里来，以及收入何时开始。Neolab 选定一项研究押注，募集足够多年使用的资金，在研究取得成果后再打造产品。应用型实验室从企业现有的工作中获取问题，每个模型投入使用就开始获得收入，因此它的研究和收入来自同一批部署。

    两者都以各自的方式以研究为先，也都可以独立于大型科技公司和大学之外。区别体现在各自首先提出的问题上：neolab 问的是能创造什么新能力，应用型实验室问的是哪项重复性任务可以借助专门训练的模型做得更好、更快、更便宜。

    应用型 AI 值得投入吗？

    当一项任务大量重复、输出可以检验、成本体现在每月的 token 账单上时，应用型 AI 就值得投入。这些条件让训练模型有一个要达到的质量标准，也有一个要压低的成本。每周都在变化的任务，或者每月只运行几千次的任务，在稳定下来之前更适合用提示词调用前沿模型；我们关于微调是否已死的文章说明了这条界线在哪里。

    企业可以同时使用前沿模型和训练好的专用模型：通用模型处理开放式工作，每个专用模型负责它被训练来做的那项工作。我们关于基础模型与任务专用模型的文章介绍了这种分工如何运作。

    常见问题

    AI 领域的 neolab 是什么？

    Neolab 是以研究为先的 AI 初创公司，通常由离开成熟实验室的研究人员创立，在拥有产品之前就为长期突破募集巨额资金。据 Dealroom 报道，截至 2026 年 10 月，29 家这样的实验室合计募资 230 亿美元，推出商业产品的不到 35%。

    应用型 AI 实验室做什么？

    应用型 AI 实验室为了部署而做 AI 研究。它从企业已经在做的工作中挑选问题，为这些工作训练模型，用真实流量衡量模型，并从第一次部署起就有收入。

    AI 实验室有哪些例子？

    OpenAI、Anthropic 和 Google DeepMind 是前沿实验室；Safe Superintelligence 和 Thinking Machines Lab 是 neolab；位于墨尔本的 Ertas AI 是应用型 AI 实验室。大学研究院和政府科研机构也设有 AI 研究实验室，例如我们澳大利亚 AI 实验室地图中列出的那些。

    前沿 AI 实验室有多少家？

    没有固定的数字，因为"前沿"会随着模型进步而移动。Frontier Model Forum 的成员是一个参照：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 研究实验室有哪些？

    排名取决于衡量标准。按私募估值，NEA 发现截至 2026 年 4 月 30 日，前沿通用模型公司占约 1.68 万亿美元中的 93.6%，排在前面的是 OpenAI、Anthropic、xAI 和 Safe Superintelligence。按发表的研究来排，大学和企业实验室的顺序又不一样，所以先选定与你的问题相符的衡量标准。

    应用型 AI 实验室和前沿实验室有什么区别？

    前沿实验室为数以百万计的用户打造一个通用模型，并出售使用权。应用型实验室为企业反复执行的具体工作训练专用模型，并为这家企业提供服务。

    简短版

    前沿实验室打造能力最强的通用模型。Neolab 为一项研究押注募集巨额资金，等押注成功后再销售。应用型 AI 实验室从企业已经在做的工作出发，为之训练模型，在真实流量上验证，并从第一次部署起就有收入。Ertas AI 是位于墨尔本 Brunswick 的应用型 AI 实验室；它的研究页面列出了已发表的成果，关于页面介绍了实验室如何运作。

    资料来源，均于 2026 年 10 月 29 日查阅：Dealroom（2026 年 10 月 18 日）；The Economist（2026 年 10 月 15 日，标题）；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 简介和成员。我们的研究：QMSum 研究和 OpenRouter 结构化任务报告。