一笔 10 亿美元的 A 轮
10 月 21 日，AI 研究实验室 Flapping Airplanes 宣布完成 10 亿美元 A 轮融资，投后估值约 60 亿美元，由 Index Ventures 与 Lux Capital 共同领投。彭博社报道称估值较 1 月的上一轮翻了四倍；TechCrunch 的说法是，这轮距离公司带着 1.8 亿美元种子轮亮相只过了九个月，当时估值 15 亿美元，由 GV、Sequoia 与 Index 出资。
两处细节各家口径略有出入：公司成立时点，彭博写的是 2025 年末，TechCrunch 按九个月前上线推算；估值数字，TechCrunch 用的是「据报道」的表述。金额与领投方两方一致。
投资方名单：两份清单都对不上
参与方同样存在两个版本。彭博列出的参投方包括 Sequoia Capital、Alphabet 旗下 GV 和 Kleiner Perkins。TechCrunch 在此基础上还提到 Valor、Atreides、A* 与英伟达，其中英伟达以战略投资方身份入局——对一家主打硬件效率的公司来说，这个组合值得记一笔。
需要说明的是，本文并列两组名单而不是取其一：两家的报道都没有给出完整股东表，缺哪一家都不能断言它没参与。对读者而言，更有用的信息是：老股东几乎全线跟投，且加入了产业资本。
三个创始人，和一句定位
公司由 Aidan Smith 与 Spector 兄弟共同创立。Smith 是 Thiel Fellow，大学期间在脑机接口公司 Neuralink 工作过；Asher Spector 是斯坦福统计学博士；Ben Spector 是斯坦福计算机科学博士，在 MIT 期间创办了学生运行的创业加速器 Prod。Sequoia 合伙人 David Cahn 今年在一篇解释投资理由的文章里称，Prod 已成为硅谷有影响力的人才孵化机制之一，而这几个人在建的是「年轻人的 AGI 实验室」。
这句定位其实说明了这轮定价的逻辑：投资方买的不只是技术路线，还有把人才密度折算成估值的一类押注。同一批名字在过去两年反复出现在早期 AI 投资里，这本身构成一个可观察的市场信号。
megakernel：把训练也塞进同一个内核
技术主张方面，创始团队把自己的工作描述为「最完整的 megakernel 框架」，可以在单个内核里完成整段训练、提供推理服务，甚至同时做这两件事再加打游戏。所谓内核是跑在 GPU 上的程序，megakernel 则是把许多任务打包进一个程序。
关键的一句是他们声称可以把访存受限的推理与计算受限的训练重叠起来，让芯片尽量少空转。这里要补一句区分：megakernel 这个说法在行业里并非一家专用，此前也有厂商把它用在推理服务引擎上；Flapping 的不同之处在于把训练一并纳入同一个内核，难度与收益都更高，验证周期也更长。
商业论点：需求跑在供给前面
Asher Spector 接受采访时给出的论点是：基本判断是 AI 的需求会跑在芯片与数据的供给前面，能把这些投入榨出最多产出的公司，会创造最多价值。他进一步算了一笔账：考虑到当前 AI 热潮花在基础设施上的资金规模，从每块芯片上多挤出 10% 的性能，在经济上极其有价值。
这个论点的成立前提是：行业未来几年的瓶颈在算力供给与数据供给，而不是模型思路。若这个前提成立，效率型公司确实有位置；若模型范式本身发生偏移，效率工具的相对价值会被稀释。
没有产品，也没有基准
必须说清楚的是这家公司现在的样子：没有对外销售的商业产品，没有披露营收，也没有可公开核验的性能基准。彭博把它归入所谓 neolabs——一类先做研究、不急于推出产品与拉营收的 AI 实验室，资本正持续流入这类公司。
从 15 亿到 60 亿的四倍跃升，对应的不是收入倍数，而是预期倍数。这意味着执行风险被完整地留在了投资方手里：要在现有软件生态与大厂自研栈的夹缝中证明性能优势，还得把理论框架变成可交付的产品。
这笔钱会流向哪儿
按公司说法，新资金主要用于招人和把框架从可用推向可规模化。对外部观察者来说，接下来值得盯的指标有三个：有没有公开的、可复现的性能对比；训练与推理重叠在真实异构负载下的稳定性；以及有没有落到具体客户场景的产品形态。
更宏观地看，这轮融资反映的偏好变化比金额更值得记：当算力与数据的成本被反复讨论，资本开始为「少投入多产出」的方向付出与「堆规模」同量级的价格。至于这条路能不能走通，答案不会出现在融资公告里。