智東西2月5日消息，前Cohere研究副總裁、前谷歌DeepMind研究員Sara Hooker創辦的AI初創公司Adaption Labs昨天宣布，其種子輪融資中獲得5000萬美元（約合人民幣3.47億元），押注于規模更小、但更智能的AI模型。

本輪融資由Emergence Capital Partners領投，Mozilla Ventures、Fifty Years、Threshold Ventures、Alpha Intelligence Capital、E14 Fund和Neo等機構參與投資。該公司在融資后未透露其估值信息。

▲Adaption Labs官宣公告（圖源：X）

Adaption Labs由前Cohere高管Sara Hooker與Sudip Roy聯合創辦。Cohere是一家加拿大的AI公司，專注于大語言模型及自然語言處理技術，為企業和開發者提供生成式AI解決方案。

該公司的聯合創始人兼CEO Sara Hooker介紹說，Adaption Labs的核心工作圍繞自適應數據、自適應智能、自適應界面三大支柱展開，分別實現AI系統實時生成處理任務數據、按需動態調配算力、從用戶交互中自主學習三大能力，以此擺脫對大型靜態數據集和昂貴重訓練的依賴。

據《財富》雜志昨日報道，Adaption Labs將利用本輪種子融資，招聘更多AI研究人員和工程師，同時引入設計師，為AI系統開發不同于主流模型“聊天欄”形式的用戶界面。

01.

Adaption Labs在研發

更省算力的“可適應”AI系統

Adaption Labs成立于2025年，由前Cohere高管Sara Hooker與Sudip Roy聯合創辦，Sudip Roy曾是Cohere推理計算總監。該公司總部位于舊金山，致力于打造能夠實時適應并持續學習的AI系統，以區別于依賴大規模靜態訓練、計算開銷高的主流AI模型。

Adaption Labs的CTO Sudip Roy在提升AI系統效率方面擁有深厚經驗。Hooker在采訪中說：“我的聯合創始人能讓GPU運行得非常快，這對我們至關重要，因為我們的系統需要實時處理數據。”

兩位創始人希望開發計算資源需求更低、運行成本更可控的AI系統，使模型在實際使用中具備更高效率，而不必頻繁進行昂貴的重訓練。Hooker提到，最昂貴的計算環節是預訓練，因為它需要大量計算資源和時間；相比之下，推理計算可以讓每一單位算力獲得更高回報。

《財富》雜志報道稱，Adaption Labs還專注于構建可通過多種技術手段靈活適配特定任務的模型，提升模型對不同應用場景的適應能力，這也是公司名稱“Adaption”的由來，這一理念與Cohere所強調的模型協同與適應性方向一致。

Sara Hooker提到，Adaption Labs圍繞三大“支柱”展開工作：

1、自適應數據：AI系統可實時生成和處理解決問題所需的數據，而非依賴大型靜態數據集；

2、自適應智能：根據問題難度自動調整算力投入；

3、自適應界面：從用戶與系統的交互方式中學習。

▲Adaption Labs圍繞工作的三大“支柱”（圖源：Adaption Labs官網）

報道稱，Adaption Labs的方法并非通過耗時訓練來調整模型全部內部權重，而是在模型響應查詢的瞬間，即推理階段改變其行為。模型核心權重保持不變，但系統仍可根據當前任務動態調整自身行為。無梯度學習（gradient-free learning）由此規避了微調和提示工程中的諸多復雜問題。

截至目前，Adaption Labs已于昨天宣布完成約5000萬美元（約合人民幣3.47億元）的種子輪融資，為其技術研發和團隊擴張提供資金支持。

02.

從Cohere到“持續學習”的未解難題

在Cohere任職期間，Sara Hooker曾大力推動Aya項目。該項目匯集了來自119個國家的3000名計算機科學家，將先進AI能力應用于數十種主流模型表現不佳的語言，同時使用相對緊湊的模型規模。

▲Aya項目介紹（圖源：領英）

《財富》雜志提到，這項工作創造性的數據管理和訓練方法可以在一定程度上彌補模型規模的不足，也為Sara Hooker創辦新公司奠定了基礎。

Hooker在接受采訪時說，她希望構建能夠持續學習的模型，無需昂貴的重新訓練或微調，也不必像當前多數企業那樣依賴大量提示和上下文工程，就能讓AI系統適應特定用例。持續學習是AI領域尚未攻克的核心難題。Hooker直言：“這或許是我研究過的最重要課題。”

“如何在不修改權重的情況下更新模型？”Sara Hooker提出這一問題。

她認為，AI架構領域正在出現多項創新，使計算資源得以更高效地利用。“我們正在擺脫僅僅把它視為一個模型的思維方式，”她說，“這是一個基于交互的系統，模型應當根據任務實時調整。”

Hooker曾在谷歌DeepMind從事研究工作，自那時起，她就以反對AI領域“規模至上”的主流觀點而知名。她在2020年發表的論文《硬件彩票（The Hardware Lottery）》提到，AI創新理念能否成功，往往取決于是否適配現有硬件條件，而非其自身價值。

▲該論文摘要（圖源：康奈爾大學）

近期，她又發表論文《規模的緩慢消亡（On the Slow Death of Scaling）》，論證采用更優訓練方法的小型模型，可能在性能上超越更大規模的模型。

03.

結語：AI行業正處于一個關鍵時期

Adaption Labs并非唯一一家試圖攻克持續學習難題的新型AI實驗室。近年來，一批被稱為“新實驗室”的初創公司陸續出現，它們誕生于OpenAI、Anthropic和谷歌DeepMind等老牌機構取得突破之后。

OpenAI高級研究員Jerry Tworek近期離職并創辦了初創公司Core Automation，他同樣說對構建能夠持續學習的AI系統充滿興趣。谷歌DeepMind前頂級研究員David Silver上個月離職，創辦Ineffable Intelligence，該公司將專注于強化學習，即AI系統通過自身行動而非靜態數據進行學習，在某些條件下也可能實現持續學習能力。

Sara Hooker說，AI行業正處于一個關鍵時期，技術進步不再僅依賴構建更大的模型，而在于打造能夠更便捷、更經濟地適應具體任務的系統。