AI初创Flapping Airplanes获10亿美元A轮融资，估值60亿美元

根据TechCrunch于2026年10月21日的独家报道，成立仅一年的AI实验室Flapping Airplanes在完成1.8亿美元种子轮融资仅9个月后，再次获得10亿美元A轮融资，估值飙升至60亿美元。该公司致力于开发不依赖大规模网络数据抓取的AI模型，这一独特愿景吸引了全球顶级风投的注资。彭博社同日援引接近交易的人士称，本轮融资由多家知名机构共同领投，创下AI领域A轮融资的历史纪录。

从种子轮到A轮：创纪录的融资节奏

Flapping Airplanes于2025年年底秘密成立，2026年2月首次公开种子轮融资1.8亿美元，在当时已属罕见规模。仅仅9个月后的2026年10月，该公司又完成10亿美元A轮融资，且估值从种子轮的约12亿美元跃升至60亿美元，增长5倍。联合创始人兼CEO Ben Spector表示：“我们从未预料到市场反应如此热烈。投资者不仅看好我们的技术路线，更认同我们对数据伦理的坚持。”据知情人士透露，本轮融资超额认购约2倍，最终关闭时规模远超原定的8亿美元目标。

核心使命：构建“不吞噬互联网”的AI模型

Flapping Airplanes的核心主张是训练AI模型时“不吞噬半个互联网”（without ingesting half the internet）。传统大语言模型通常需要从全网抓取数万亿tokens，而Flapping Airplanes则通过精心策划的小规模高质量数据集和全新的架构设计，达到与主流模型相当的推理能力。首席科学家Aidan Smith在博客中写道：“我们相信AI的下一阶段不是更大，而是更精。用不到1%的数据量实现80%的效果，这才是可持续的路径。”这一理念在数据版权争议日益激烈的当下，吸引了许多担心法律风险的潜在客户。

创始团队与技术路径

Flapping Airplanes的三位联合创始人——Ben Spector、Asher Spector和Aidan Smith——均来自顶尖AI研究机构。Ben Spector此前在DeepMind领导过小型数据集训练项目；Asher Spector曾在OpenAI参与GPT架构优化；Aidan Smith则是数据效率方面的专家。团队目前约120人，计划在2027年扩充至300人。技术路线上，该公司采用混合专家模型（MoE）与主动学习策略，在保持模型性能的同时将训练数据需求降低90%以上。据路透社报道，已有多个学术机构验证其核心方法。

融资历程与投资者阵容

种子轮由红杉资本和安德森·霍洛维茨共同领投，A轮则吸引了老虎环球基金、软银愿景基金和Coatue Management等新投资者。值得注意的是，所有现有股东均在本轮追加投资，显示了对公司长期前景的强烈信心。

市场反应与行业竞争

消息公布后，科技界反应热烈。多位AI学者在社交媒体上称赞Flapping Airplanes的数据效率理念，认为它可能打破“越大越好”的行业惯性。然而，也有质疑声音指出，小数据训练模型在复杂推理任务上可能仍有瓶颈。竞争对手如OpenAI和Anthropic尚未公开评论，但据《华尔街日报》此前报道，这些巨头也在内部探索数据高效方案。Flapping Airplanes的差异化定位使其在融资市场获得溢价——其估值已超过许多成立更久的AI公司。

未来展望与资金用途

公司计划将A轮资金主要用于三方面：扩大研究团队（计划招聘150名研究员）、建设专用计算基础设施（预计投入4亿美元），以及拓展企业客户市场。Ben Spector在采访中透露：“我们已与多家医疗、金融和法律机构展开试点，这些领域对数据隐私极其敏感。”Flapping Airplanes还计划于2027年下半年发布首个商业API，定价将基于“数据效率”优势大幅低于市场平均水平。分析人士认为，若技术路线成功，Flapping Airplanes有望重塑AI产业格局。

Q1: Flapping Airplanes如何实现“不吞噬半个互联网”？

A1: 该公司采用混合专家模型和主动学习算法，从精心筛选的小规模高质量数据集中训练AI，而非从整个互联网无差别抓取。通过数据蒸馏和课程学习，仅用不到1%的传统训练数据量即可达到相近的模型性能，从而大幅降低算力和数据版权成本。

Q2: 10亿美元A轮融资是否意味着泡沫风险？

A2: 虽然估值较高，但投资者看重的是该公司的技术差异化与数据伦理优势。在数据合规成本日益上升的背景下，Flapping Airplanes的路线可能为企业客户节省大量法律风险。同时，本轮超额认购表明市场对其长期价值高度认可，但能否持续还需看产品落地效果。

Flapping Airplanes凭借独特的数据效率路线，在AI军备竞赛中开辟了一条新赛道。10亿美元A轮融资不仅为其研发提供了弹药，更向行业传递了一个信号：未来AI竞争的关键或许不再是单纯的数据规模，而是如何更聪明地利用有限数据。这家年轻实验室能否兑现承诺，值得持续关注。