The Decoder разобрала 45 «неолабов»: почему создатели ИИ уходят из больших лабораторий

Издание The Decoder выпустило пятый номер платной серии Frontier Radar (шесть раз в год редакция делает глубокий разбор одной базовой темы ИИ; выпуск идёт рассылкой и для подписчиков на сайте). Номер посвящён «неолабам» (neolab): так редакция называет независимо основанные исследовательские ИИ-компании, которые строят бизнес вокруг долгосрочной технической ставки. Официального определения термина нет. Редакция рассортировала 45 неолабов: 27 разобраны подробно и разложены по шести исследовательским ставкам, ещё почти 20 описаны кратко; есть и обзор происхождения, оценок стоимости и того, что уже доступно публично.
Отправная точка: после запуска GPT-6 Astra Дженсен Хуанг, глава Nvidia, написал в X, что AGI наступил, а президент OpenAI Грег Брокман назвал модель переломным моментом и приветствовал человечество в «эре AGI». Что именно они имеют в виду, неясно: общепринятого определения AGI нет. Тем не менее сообщение считывается: крайне мощный, возможно самосовершенствующийся ИИ близок, а путь к нему понятен. При этом многие из тех, кто создавал нынешние системы, видят иначе. Илья Суцкевер, сооснователь OpenAI и её бывший главный научный сотрудник, строит Safe Superintelligence (SSI). Джерри Творек, руководивший разработкой рассуждающих моделей OpenAI, возглавил Core Automation. Дэвид Сильвер, автор идей AlphaGo, ушёл из Google DeepMind в Ineffable Intelligence. Ян Лекун покинул Meta после двенадцати лет и основал AMI. Джефф Дин, 27 лет проработавший в Google (последняя должность, главный научный сотрудник), запустил Discovery Loop.
Деньги идут следом. Nvidia в июле вложилась в SSI, по данным Bloomberg, на пять миллиардов долларов; лаборатория не выпустила ни одной модели или статьи. Prometheus, промышленная ИИ-лаборатория Джеффа Безоса, в июне привлекла 12 млрд долларов при оценке в 41 млрд. Flapping Airplanes без публичной модели получила 180 млн долларов в январе, а в октябре раунд серии A принёс 1 млрд при оценке в 6 млрд. Мотивы основателей, по мнению редакции, смешанные и не только технические: при таких оценках основатели быстро становятся бумажными миллиардерами; Лекун ушёл после стратегического спора с Meta; Суцкевер хочет заниматься исследованиями без давления продукта; другие ищут нишу, которая в большой лаборатории осталась бы второстепенной. Не все уходы, полный разрыв: Google сам входит в число первых инвесторов Discovery Loop.
Общее у многих основателей, сомнение. Не в том, что гораздо более мощный ИИ появится (часть считает, что AGI близко), а в том, достаточно ли одного нынешнего рецепта: всё более крупные языковые модели, обученные на интернет-данных и доработанные обучением с подкреплением.
Почему инвесторы это финансируют. Текущая волна стала заметной в 2024 году, когда облачные гиганты уже имели партнёров (Microsoft, OpenAI, Amazon, Anthropic), а Суцкевер в июне основал SSI и за несколько месяцев привлёк миллиард долларов для исследовательской команды без продукта. OpenAI и Anthropic выросли в корпорации и, по тексту, готовятся к IPO при рекордных оценках; внутри исследовательские и продуктовые команды конкурируют за деньги и внимание. Ставка инвесторов, «дилемма инноватора»: небольшая команда найдёт то, что пропускают гиганты. Прецеденты: трансформер придумали в Google в 2017 году, AlphaGo создала DeepMind, но ИИ-помощника для массового пользователя сделала OpenAI, основанная в 2015 году как некоммерческая; вторым прорывом стала Anthropic, созданная выходцами из OpenAI в 2021 году (по оценке Bloomberg, к концу июля 2026 года её годовая выручка превышала 65 млрд долларов).
Риск для неолабов, короткий отрыв. TypeSafe AI в середине сентября запустила модель принятия решений Jev, а через две недели OpenAI анонсировала Decisions API. Но даже краткий отрыв демонстрирует компетенции и может окупиться продажей: Microsoft наняла ключевую команду Inflection, Google забрал основателей Character.ai и руководство Windsurf, AMD хочет купить World Labs примерно за 8,2 млрд долларов, а Nvidia, по данным Financial Times, ведёт переговоры с Reflection. Ключевой вопрос для неолабов: смогут ли они предложить то, чего нет у крупных игроков и за что заплатят клиенты или сами крупные игроки.
Первая ставка, «хороший решатель задач не обязательно хороший ученик». Нынешние модели требуют огромных объёмов данных и после развёртывания, как правило, не обновляют веса; непрерывное обучение остаётся центральным пробелом. С ним работают шесть лабораторий с трёх сторон: обучение в ходе эксплуатации (Adaption, Core Automation), обучение на малом числе примеров (Flapping Airplanes, Ndea, SSI) и обучение на опыте (Ineffable).
Adaption основали Сара Хукер (раньше руководила исследованиями в Cohere, до этого работала в Google Brain) и Судип Рой. По их словам, они ставят против масштабирования и хотят строить эффективный ИИ, который учится непрерывно и дёшево подстраивается под пользователя. Первые продукты, инструменты очистки и визуализации данных и автоматизированное обучение AutoScientist; главной цели, модели, которая учится в ходе эксплуатации, пока нет. Core Automation: Творек почти семь лет проработал в OpenAI (последняя должность, вице-президент по исследованиям), сооснователь Рохан Анил руководил предобучением Gemini в Google. Творек считает, что заметки и поиск по прошлым разговорам, как в ChatGPT и Claude, недостаточно: непрерывное обучение, по его словам, задача машинного обучения, а не markdown-файлов. Первая модель должна обновлять веса при развёртывании и обходиться сотой долей нынешнего объёма обучающих данных; пока это лишь слухи. После ухода Творек говорил, что такие исследования в OpenAI были почти невозможны: в гонке за лучшую модель рискуют меньше.
Flapping Airplanes основали братья Бен и Ашер Спектор с Айданом Смитом (ранее Neuralink); Бен, ведущий автор библиотеки GPU-ядер ThunderKittens. Они хотят строить модели, которые учатся на малом числе примеров, особенно там, где данных мало: в робототехнике и биологии. Видимых результатов пока нет, первый год ушёл на программную основу для эффективного обучения на GPU. Ineffable Intelligence Сильвера нацелена на «Superlearner» («суперученика»), который учится на собственном опыте в цифровой и физической среде, а не на человеческих примерах; в статье «Welcome to the Era of Experience» Сильвер и Ричард Саттон утверждают, что системы, лишь подражающие людям, едва превзойдут человеческий уровень во многих важных задачах. Главный вопрос, откуда брать обратную связь вне игр вроде го. В апреле лаборатория объявила о посевном раунде в 1,1 млрд долларов при оценке 5,1 млрд после вложений (крупнейший в Европе); пригодной системы нет. Ndea Франсуа Шолле (создатель Keras и бенчмарка ARC) с сооснователем Zapier Майком Нуппом, команда около 15 человек, использует синтез программ: система ищет программу, объясняющую наблюдаемые примеры, а нейросеть направляет поиск. Дальше доступный фрагмент материала обрывается; остальные пять ставок в нём не описаны.
Ключевые факты
- Frontier Radar #5 (The Decoder, платная серия): 45 «неолабов», независимых ИИ-лабораторий, основанных выходцами из OpenAI, Google DeepMind и Meta; 27 разобраны подробно по шести ставкам, ещё почти 20, кратко.
- Общее сомнение основателей, не в близости мощного ИИ, а в том, хватит ли одного нынешнего рецепта: всё более крупные языковые модели, интернет-данные и обучение с подкреплением.
- Деньги без продукта: SSI (по данным Bloomberg, пять миллиардов долларов от Nvidia в июле), Prometheus, 12 млрд при оценке 41 млрд, Flapping Airplanes, 1 млрд в октябре при оценке 6 млрд, Ineffable Intelligence, 1,1 млрд посевного раунда.
- Первая ставка, непрерывное обучение: Adaption и Core Automation (учёба в ходе эксплуатации), Flapping Airplanes, Ndea и SSI (малое число примеров), Ineffable (опыт). Рабочих систем пока нет, у Core Automation, лишь слухи.
- Риск и выход: отрыв малой лаборатории короток (TypeSafe AI и OpenAI Decisions API с разницей в две недели), но команды покупают или нанимают, AMD хочет купить World Labs примерно за 8,2 млрд долларов.
Почему это важно
Пока Хуанг и Брокман говорят о наступлении AGI, часть создателей нынешних систем уходит из больших лабораторий и ставит на то, что одного нынешнего рецепта мало. Масштаб денег без готовых продуктов (миллиарды у SSI, Prometheus, Flapping Airplanes, Ineffable Intelligence) показывает, что рынок всерьёз платит за альтернативные исследовательские направления. Материал даёт карту этих направлений и объясняет логику инвесторов: малая команда может найти то, что пропускают гиганты.
Кому это важно
Исследователям и инженерам, которые следят за тем, куда движется ИИ за пределами масштабирования; инвесторам и руководителям, оценивающим риск отрыва больших лабораторий; тем, кто выбирает, на какую технологию (непрерывное обучение, обучение на малом числе примеров, обучение на опыте) делать долгосрочную ставку.
Как это применить
Использовать как путеводитель по новым лабораториям и их тезисам: первая ставка (непрерывное обучение) разложена на три подхода с названиями лабораторий. Полный разбор доступен подписчикам The Decoder; условия подписки в доступном тексте не указаны. Практический вывод для команд: следить за тем, какие идеи неолабов за недели оказываются у лидеров рынка, как с Jev и Decisions API.
Можно ли доверять
Это авторский аналитический разбор редакции The Decoder, а не проверенный релиз; многие оценки и мотивы, суждения издания. Сумма инвестиции Nvidia в SSI приведена по данным Bloomberg, переговоры Nvidia с Reflection, по данным Financial Times, интерес AMD к World Labs описан как намерение, а не завершённая сделка. Материал платный; пересказ опирается на открытую часть, где подробно разобрана лишь первая ставка из шести, остальные в ней не видны.
Риски и подводные камни
Большинство неолабов пока без публичного продукта: у SSI нет ни модели, ни статьи, у Flapping Airplanes ничего видимого, у Ineffable Intelligence нет пригодной системы, у Core Automation первая модель, слухи. Оценки в миллиарды долларов держатся на ожиданиях. Большие лаборатории обладают вычислительными ресурсами, потоками данных и обратной связью сотен миллионов пользователей, так что отрыв малой команды может оказаться коротким. Термин «неолаб» не имеет официального определения, это рабочее понятие редакции.
«AGI наступил.»
— Дженсен Хуанг, глава Nvidia, в X после запуска GPT-6 Astra (по тексту The Decoder)
Компания Meta Platforms признана экстремистской организацией, её деятельность на территории РФ запрещена.