Jev“System One”决策模型背后的初创公司 TypeSafe AI 周五宣布，已以 75 亿美元的估值筹集了 8.7 亿美元，这一轮融资在该公司首次推出其旗舰产品后不到一个月就结束了。
根据该公司的公告，本轮融资由 Andreessen Horowitz 领投，红杉资本、现有投资者 DCVC 和一群天使投资者参与。 a16z 合伙人 Martin Casado 即将加入该公司董事会，他的业务重点是基础设施和网络系统初创公司。彭博社独立报道了 75 亿美元的估值。 更多相关背景，请参阅我们的AI最新动态。
从发布到大型融资只需数周时间
无论以任何标准衡量，这种速度都是不寻常的。 TypeSafe 由前 OpenAI 研究员、曾在 ChatGPT 工作过的 Diogo Almeida 创立，于 9 月中旬推出 Jev，该公司称该模型不是大型语言模型，而是“System One 模型”——一个经过调整以返回快速、经过校准的决策和概率而不是生成文本的系统。
该公司在推出时声称，Jev 处理结构化决策任务的速度比基于 LLM 的方法快 200 倍，而早期客户 Vercel 报告称，如之前报道的那样，结果的到达速度比同类 LLM 管道快 5 至 18 倍。在首次亮相后的三周内，该公司已将早期的吸引力转化为今年规模较大的 A 轮融资之一——尽管该公司本身在其一贯不敬的公告中将这一轮称为“AI 系列”。
相比之下，传统的风险投资节奏为初创公司提供了 12 至 24 个月的时间，从产品发布到获得九位数的融资。 TypeSafe 在大约 20 天的时间里做到了这一点，这既反映了资本转向差异化人工智能基础设施的速度有多快，也反映了一般法学硕士领域的拥挤程度。
TypeSafe 表示它将构建什么
在其公告中，该公司围绕三项承诺制定了这笔资金：Jev 之外的更多“机器原生”模型、客户要求的企业功能以及旨在构建所谓智能软件的开发人员的基础设施。该公司还声称，“财富 500 强企业中有三分之一”已经在使用 Jev，并且它“为客户节省了数百万美元的生产成本”——这些数字来自公司本身，未经独立审计。
招聘信息同样直率，帖子邀请新员工“加入模因团队”，表明这家初创公司打算保持自秘密以来一直使用的不敬的公开语气。
赌注：决策作为单独的模型层
这一回合的到来正值人们越来越有兴趣将决策从单一的语言模型中剔除到专门的系统中。 InfoWorld 本周的报道研究了人工智能供应商如何越来越多地将决策视为一个单独的模型层，而不是要求单个通用模型一次性进行推理、决策和响应。
TypeSafe 的主张完全符合该论文：对于大容量、明确定义的选择（路由、分类、批准、风险呼叫），小型校准模型可以比完整的 LLM 推理更快、更便宜、更可预测，并且可以揭示文本生成所掩盖的置信度。投资者似乎押注这一层将成为永久性基础设施，而不是被吸收到前沿模型中的功能。
反驳同样常见：前沿实验室不断压缩每一代的延迟和成本，而企业平台越来越多地公开结构化输出和工具调用模式，这些模式复制了专业决策模型提供的大部分功能。随着前沿系统变得更便宜，杰夫的经济状况是否成立是估值现在必须回答的核心问题。
本轮融资对市场有何影响
更广泛的融资环境为该公告提供了额外的背景。今年资本主要集中在人工智能基础设施上——数据中心、芯片、电力——而模型层初创公司通常需要一个明显的差异化因素来筹集资金。一个永远不会生成代币的决策模型与差异化者一样敏锐：它通过构建回避了幻觉问题，为买家提供了可审计的信心分数，并根据推理而不是情报提供了价格。
这也符合投资者密切关注的招聘模式。 TypeSafe 的创始团队来自在 OpenAI 构建和发布 ChatGPT 的团队，该公司实际上押注人工智能堆栈的下一层是由从内部了解当前层的局限性的人们构建的。鉴于卡萨多长期以来公众对基础设施作为技术平台的耐用层的关注，他的董事会席位增加了这一解读的分量。
存在公告未提及的执行风险。 75 亿美元的投后估值为一家仅拥有一种运输产品、数周的生产历史以及其客户群构成（超出财富 500 强）的公司设定了很高的门槛。考虑校准决策模型的企业买家也会权衡锁定：专有决策层位于堆栈深处，一旦路由、批准或风险逻辑依赖于它，转换成本就会迅速增加。
LLM 后基础设施的测试用例
TypeSafe 的提升与其说是因为它的大小，不如说是因为它的速度和来源。发布三周后，a16z 和红杉资本都参与了一家非 LLM 模式公司的一轮融资，这表明机构对位于主导范式旁边（而不是内部）的架构有兴趣。 DCVC 作为现有投资者的回归表明这篇论文早于该产品的公开亮相。
该公司自己的公告坦率地说明了本轮融资需要证明的内容：经过校准的决策模型可以保持财富 500 强规模的企业级可靠性，并且在早期部署中测得的速度增益可以在与生产工作负载接触时保持不变。这些证据，而不是估值，将决定 TypeSafe 是否成为新模型类别的参考点，或者 LLM 时代更快、更便宜的进程中的一个脚注。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
