Thinking Machines Lab 以 400 亿美元估值进行融资

本周，当 Thinking Machines Lab 新一轮融资消息浮出水面时，标题中的数字——400 亿美元的投前估值——看似是一种退让。^[1]这一数字低于该公司去年年底曾寻求但最终失败的 500 至 600 亿美元估值。^[1]但真正关键的比较对象并非那次失败的要价，而是该公司上一轮实际完成的融资：2025 年 7 月 100 亿美元的投前估值。^[2]以此为基准衡量，400 亿美元的估值仍是在约十四个月内实现了约四倍的增长。^[2]两者之间的变化在于，Thinking Machines 现在有了可展示的收入——其年化收入运行率已突破 1 亿美元，主要来自 Tinker 微调平台的使用费及其开源权重模型 Inkling 周边生态系统的贡献，而非此前几乎无产品支撑的资产负债表，这使得此前 500 亿美元的估值难以自圆其说。^[2]新的估值数字并非真正的折扣，而是一种重新校准：2025 年不愿仅凭声誉支付高价的投资者，如今被要求为声誉加上早期真实收入支付稍低的溢价。

在这轮超过 10 亿美元的融资中，一个细节揭示了人工智能资本结构的深层逻辑，而非仅仅关乎 Thinking Machines 本身：Nvidia 正在洽谈提供约 25 亿美元的新资金。^[3]这并非 Nvidia 首次采取此类行动——2026 年 3 月，这家芯片制造商与 Thinking Machines 达成了一项多年协议，承诺向其提供至少一吉瓦的下一代 Vera Rubin 平台算力，使 Nvidia 既是这家初创公司的主要计算供应商，也成为其最大的潜在股权投资者之一。^[4]评论认为，此举标志着 Nvidia 从芯片供应商直接转变为 AI 模型层的资本分配者——同一家公司既出售 GPU，又开出支票帮助买家负担这些硬件。^[9]这种结构可能在未显著增加系统外独立资本的情况下，人为推高对 Nvidia 硬件的需求表象。^[9]对 Thinking Machines 而言，好处显而易见：锁定算力供应并获得明星投资者背书。但对其他评估此轮融资的投资者而言，这意味着所谓的‘新’资金中有相当一部分并非完全外部资本——而是芯片供应商将其收入回流至一个自己已依赖的客户关系中。

当前的估值讨论发生在一个不寻常的背景下：公司高层出现了异常的人员流失。联合创始人 Barret Zoph 和 Luke Metz，以及研究员 Sam Schoenholz，在 2026 年初上一轮 500 至 600 亿美元估值的融资失败前后，回到了 OpenAI。^[5][6]联合创始人 Lilian Weng 于 2026 年 7 月以健康原因为由离职，随后也加入了 OpenAI。^[7]这意味着，Thinking Machines 最初向投资者兜售的核心卖点——Murati 的声誉及其组建的团队——其创始团队和早期研究骨干已有三人一研离开。2025 年的种子轮融资估值正是基于这一团队，而非任何已推出的产品。如今，以种子轮估值约四倍的价格进行融资，实际上隐含着一种判断：团队的流失不如剩余人才和已实现的真实收入重要。投资者究竟是在为团队还是为产品买单，已不再是理论问题，而是他们正在实际定价的风险。

即使本轮融资看起来比此前失败的那轮更务实，外界对 Thinking Machines 最强烈的质疑早在收入数据出现前就已存在，且至今未消。新加坡政府投资公司（GIC）首席投资官 Bryan Yeo 将更广泛的早期 AI 风投市场描述为显示出‘一点炒作泡沫’，并以 Thinking Machines 此前 500 亿美元的估值要价为例证。^[8]TPG 总裁 Todd Sisitsky 更进一步，称此类初创公司的人均估值倍数——高达‘每人 4 亿至 12 亿美元’——简直‘令人惊叹’。^[8]这些评论针对的是此前失败的更高要价，而非当前 400 亿美元的数字，但其核心批评——创始人声誉被置于持久的产品市场契合之前——同样适用于一家即使拥有 1 亿美元收入，估值仍约为其 400 倍的公司。