通用模型被“冻结”之后,企业AI的钱花在了哪里

大型企业在AI上的投入已经不能用“试水”来形容,但多数企业仍然难以把预算转化为可衡量的成果。一个反复出现的困境是:通用模型在训练结束的那一刻就被固定下来,此后无论部署多久,它知道的东西都不会再变。对于组织内部的特定任务,企业往往只能在两个选项之间做选择——为最强模型支付更高费用,或者接受较便宜模型带来的更弱结果。公司通稿称,突破这一权衡本身就是一个开放研究问题。

这个问题的另一面是所有权。当企业把数据、工作流程和提示词交给外部模型时,真正沉淀下来的能力并不属于企业自己。模型会更新、API会调整、价格会变化,而企业围绕这些外部能力构建的整套系统,随时可能因为供应商的一次变更而失效。2026年11月16日,一家名为Noeri的AI实验室宣布获得1.1亿美元融资,试图把“企业拥有自己的AI”从口号变成产品架构。

Noeri由斯坦福大学计算机科学教授Yejin Choi和Carlos Guestrin联合创立,总部位于帕洛阿尔托,并在苏黎世设有办公室。本轮融资由Menlo Ventures领投,Madrona Venture Group、Kindred Ventures、Wing Venture Capital和NEA参与,战略投资方包括Cisco Investments、NVIDIA和Snowflake。公司通稿称,Noeri的使命是让“多元智能与人类共同进化”,其名称意为“复数形式的智能”。

字段 内容
公司 Noeri
轮次 未披露
金额 1.1亿美元
投资方 Menlo Ventures领投;Madrona Venture Group、Kindred Ventures、Wing Venture Capital、NEA、Cisco Investments、NVIDIA、Snowflake参与
总部 美国帕洛阿尔托
创始人 Yejin Choi、Carlos Guestrin
官网 https://noeri.ai

不是卖模型,而是卖一套会改自己的系统

Noeri的产品逻辑与主流AI公司有一个根本差异:它不试图训练一个“更好的通用模型”卖给所有客户,而是构建一套围绕企业自身数据和工作流程运转的自我改进系统。公司通稿称,这套系统会研究企业的数据与工作流程,然后围绕具体任务改进整个系统——包括执行框架、技能、指令、工具、每一步由哪个模型处理,以及在有效时改进模型本身及其底层参数。

这意味着Noeri的改进对象不是单一的神经网络权重,而是企业AI部署的完整栈。一个任务可能涉及多个模型的协作、一组工具调用、一套提示词和一段业务逻辑,Noeri的系统试图对其中任何一个环节提出修改建议。公司通稿称,每一项变更都会附带解释并提交给人工审批,流程类似代码审查。这个设计把“自动改进”和“人类控制”放在同一条链路上:系统可以提出修改,但最终决定权在客户手中。

在模型兼容性上,Noeri的系统同时支持闭源模型和开放权重模型,并能随新模型出现而调整。公司通稿称,客户保留对其数据以及所开发工作流程和模型的所有权,但受适用的第三方模型许可约束。这一限定值得注意:如果客户的工作流程建立在某个闭源模型的API之上,那么“所有权”的实际边界取决于该模型的许可条款,而非Noeri单方面的承诺。公司通稿中的这一表述本身承认了所有权主张存在外部约束。

创始人的研究履历如何变成产品主张

Noeri的技术叙事高度依赖两位创始人的学术记录。公司通稿称,Choi与Guestrin在测试时训练方面的联合工作表明,部署后的在职学习可以开辟新能力并带来新发现;Guestrin的自蒸馏工作(SDPO)表明模型可以成为自己的老师,把每次错误转化为教训,并在更少尝试中解决难题;Choi在智能体编排方面的工作表明,一个小模型指挥由其他模型和工具组成的团队,能以极低成本超越前沿模型。

这些研究结论构成了Noeri产品架构的理论基础:如果模型能在部署后继续学习,如果模型能通过自蒸馏改进自身,如果小模型能通过编排超越大模型,那么企业就不必在“贵而强”和“便宜而弱”之间二选一。公司通稿还提到,Choi关于多元对齐的研究——她作为Schmidt Sciences AI2050高级研究员开展——表明AI可以对齐人类价值与需求的全部多样性,这是Noeri押注多元智能的根源。

需要区分的是,这些是研究层面的发现,而非Noeri产品已经实现的能力。公司通稿在描述技术来源时使用了“直接源自”的表述,但并未披露这些研究成果在多大程度上已经转化为可交付的企业系统。从研究论文到企业级产品之间存在显著距离,包括可靠性、可审计性、与现有IT系统的集成成本,以及客户对“AI自动修改自身”的接受度。Noeri尚未披露任何客户案例或可量化的性能数据,因此其产品主张目前仍处于“研究支撑的产品假设”阶段。

科学发现是第二战场,但经济账更难算

Noeri的叙事中有一个容易被忽略的部分:科学发现。公司通稿称,同样的机制既能改进企业工作流程,也能让Noeri的AI形成假设、运行实验并从结果中学习,在从新分子、蛋白质到复杂技术系统的问题上充当科学家和工程师的共同发现者。公司通稿进一步称,发现场景是前沿模型经济学最先失效的地方,因为开放式搜索消耗的计算量远超任何单一答案,而更小、更专门化的模型能让持续发现变得可负担。

这个判断在逻辑上成立:开放式搜索的计算成本确实远高于单次推理,专门化的小模型也确实可能在某些搜索任务上更经济。但Noeri没有披露任何科学发现方面的合作成果或计算成本数据。公司通稿称其正与多个行业的战略伙伴合作,其中包括部分投资方,并有意选择多元化的伙伴群体,以便技术在针对单个客户专业化之前先学会泛化。这一表述说明Noeri目前仍处于“先泛化、后专业化”的早期阶段,而非已经交付了可验证的发现能力。

从商业模式角度看,科学发现和企业工作流程改进是两类不同的价值主张:前者面向研发预算和科研机构,后者面向企业IT和运营部门。Noeri同时押注两个方向,可能意味着其早期资源需要在两条战线上分配。公司通稿未披露资金用途,因此无法判断1.1亿美元中有多少会投入企业产品化,多少会投入科学发现的探索性研究。

投资方组合透露了什么信号

本轮投资方名单值得拆解。Menlo Ventures作为领投方,其合伙人Venky Ganesan在公司通稿中被援引称:“大多数新AI实验室要求市场等上数年等待突破。Carlos和Yejin在做世界级研究的同时,把它放进公司里运转。这种组合很罕见,这就是我们迅速领投的原因。”这是投资方的判断,而非独立验证的事实。

战略投资方的构成更具信息量。NVIDIA是AI算力的核心供应商,Snowflake是企业数据平台,Cisco Investments代表企业网络与基础设施。这三家公司的共同点是:它们都处于企业AI部署链的不同环节,而非直接与Noeri竞争。NVIDIA的参与可能意味着Noeri的系统需要大量GPU算力来支持测试时训练和自蒸馏;Snowflake的参与可能指向企业数据接入和治理层面的协同;Cisco的参与则可能与企业IT基础设施的集成有关。但这些推断仅基于投资方的主营业务,Noeri未披露与这些战略投资方的具体合作条款或商业安排。

从资本结构看,本轮同时包含财务投资方和战略投资方,且战略投资方数量达到三家,这在早期AI实验室融资中并不常见。一种可能的解释是,Noeri的产品需要与算力、数据和基础设施供应商建立深度集成,而这些战略投资方希望在标准形成阶段就参与其中。另一种解释是,这些战略投资方将Noeri视为潜在客户或渠道伙伴,而非纯粹的财务回报标的。无论哪种解释,Noeri都未披露这些投资方是否获得了董事会席位、独家合作权或其他特殊权利。

“企业拥有AI”的承诺与第三方许可的现实约束

Noeri的核心价值主张之一是“企业拥有自己构建的AI”。公司通稿称,客户保留对其数据以及所开发工作流程和模型的所有权。这个主张在营销层面很有吸引力,但在法律和工程层面需要更仔细的审视。

公司通稿自己加了一个限定:“受适用的第三方模型许可约束”。这意味着如果Noeri的系统在改进过程中使用了某个闭源模型的API,或者基于某个开放权重模型进行了微调,那么客户对最终产物的所有权可能受到该模型原始许可条款的限制。例如,某些开放权重模型的许可证对衍生模型的商业化使用有额外要求,某些闭源模型的API条款可能禁止客户将模型输出用于训练竞争模型。Noeri的系统声称可以同时使用闭源和开放权重模型,这增加了所有权链条的复杂性:一个工作流程可能涉及多个模型,每个模型都有不同的许可约束,客户最终“拥有”的东西可能是一个受多重限制的复合体。

此外,“模型所有权”本身在技术上也有歧义。如果Noeri的系统对某个开放权重模型进行了微调,客户拥有的是微调后的权重增量,还是整个模型?如果底层模型来自第三方,客户能否在不依赖该第三方的情况下独立部署微调后的模型?这些问题在通稿中没有得到回答。Noeri未披露其客户协议的具体条款,因此“所有权”的实际含义仍是一个待验证的承诺。

五个月的公司,未披露的轮次与估值

据观点网报道,Noeri由斯坦福大学两位知名人工智能专家联合创办,成立仅五个月,估值未披露。这一信息与公司通稿中“成立于2026年”的表述一致,但Noeri未给出具体成立日期。一家成立五个月的公司获得1.1亿美元融资,且投资方包括三家战略投资者,这在AI实验室赛道中属于高起点,但也意味着公司几乎没有公开的运营历史可供评估。

本轮融资的具体轮次未披露。从金额和投资方构成看,1.1亿美元通常对应A轮或更晚阶段,但Noeri选择不公开轮次信息。同样未披露的包括:本轮估值、资金具体用途、客户名单、收入数据,以及融资的完成日期或首次披露日期。这些缺失使得外部观察者难以判断这笔资金是用于产品研发、团队扩张、算力采购,还是用于支撑科学发现方向的长期投入。

创始人背景是Noeri目前最可验证的资产。公司通稿称,Choi是麦克阿瑟奖得主,曾入选2023年和2025年TIME100 AI最具影响力人物,此前是华盛顿大学教授,并担任艾伦人工智能研究所高级总监。Guestrin是多届创始人,曾联合创立Turi——苹果于2016年收购的机器学习平台——随后构建并领导苹果中央机器学习与AI组织,还共同创建了XGBoost等基础开源项目。这些履历是公开可查的事实,但它们证明的是创始人的研究能力和创业经验,而非Noeri产品本身的市场适配度。

真正的验证点不在融资,而在“改进”能否被客户量化

Noeri面临的核心验证问题可以归结为一个:企业是否愿意让一个外部系统自动修改自己的AI工作流程,并且这种修改能否产生可量化的改进。公司通稿称,每一项变更都会附带解释并提交给人工审批,流程类似代码审查。这个设计降低了自动修改的风险,但也引入了一个效率问题:如果每次改进都需要人工审批,那么系统的改进速度取决于客户内部审批流程的效率,而非AI本身的学习速度。

另一个验证点是“改进”的度量标准。Noeri声称其系统能“在更少尝试中解决难题”或“以极低成本超越前沿模型”,但这些说法来自创始人的研究论文,而非Noeri产品的客户数据。公司通稿未披露任何基准测试结果、客户案例或性能对比数据。对于企业客户而言,最终的问题是:Noeri的系统能否在自己的特定任务上,以可接受的风险水平,持续产生比现有方案更好的结果。这个问题的答案只能来自真实部署,而Noeri目前尚未披露任何已完成的部署案例。

从竞争格局看,Noeri的定位介于几个类别之间:它不像OpenAI或Anthropic那样训练并出售通用前沿模型;它不像传统MLOps平台那样只提供工具链而不改进模型本身;它也不像系统集成商那样只做定制开发。Noeri试图占据的中间地带是“自动化的AI系统改进层”,这个位置在理论上存在,但尚未被证明是一个可持续的独立品类。如果Noeri的系统确实能产生显著改进,大型云厂商和模型提供商有动机将类似能力内建到自己的平台中;如果改进不够显著,企业可能更倾向于雇佣内部团队手动优化。

Noeri的1.1亿美元融资为其提供了较长的验证窗口,但资金本身不能回答产品是否有效的问题。公司通稿称其正在帕洛阿尔托和苏黎世招聘研究员与工程师,开放职位列于noeri.ai/careers。招聘方向将是一个观察信号:如果大量职位集中在企业交付和客户成功,说明公司正在向产品化倾斜;如果集中在基础研究,说明科学发现仍是优先方向。目前Noeri未披露招聘的具体构成。

RecodeX 极客视:Noeri把“企业拥有自己的AI”从口号变成了产品架构,但所有权承诺被第三方模型许可的现实约束所限定,而“自我改进”的核心能力仍停留在创始人的研究论文而非客户数据中。1.1亿美元买来的是一个验证窗口,不是一个已被证明的品类。真正的分水岭将出现在第一个客户愿意公开自己的改进数据,或者第一个客户因为审批负担和许可复杂性而退出的时候。

信息来源

本文在采集与核验阶段引用了以下公开来源,按站点去重列出;来源内容归原发布方所有,其口径不代表 RecodeX 的核实结论。