AlphaGo开发者创业挑战DeepSeek,成立仅一年目标融资10亿美元 – 量子位
Quick Answer
Reflection AI, founded by former AlphaGo developers, aims to raise $1 billion to challenge DeepSeek with their open-source AI model, Asimov, which focuses on code comprehension and team knowledge retention.
Quick Take
The startup has already secured $130 million in funding and targets becoming a leading provider in the U.S. open-source AI market.
Key Points
- Reflection AI has released Asimov, an AI agent designed for code understanding.
- The startup aims to raise $1 billion for new model development.
- Asimov captures unrecorded information, enhancing team knowledge retention.
- Founders include key researchers from AlphaGo and Gemini projects.
- The company has already secured $130 million in funding.
📖 Reader Mode
~2 min read< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2025-08-06 14:17:00 来源:量子位
被中国开源AI模型刺激到了
闻乐 发自 凹非寺
量子位 | 公众号 QbitAI
融资10亿美元,要在开源上挑战Deepseek!
前谷歌DeepMind成员、AlphaGo开发者创立Reflection AI,致力于开发开源大语言模型。
△图源Lightspeed Venture Partners
近来中国开源模型势头火热,Qwen系列、Kimi K2等纷纷霸榜,OpenAI也在深夜宣布开源,这家公司的挑战可不小。
不过两位创始人倒是雄心壮志地向员工表示:
他们相信有机会将Reflection AI打造为美国领先的开源AI模型供应商。
Reflection AI已经发布了他们的首款AI智能体Asimov,较Claude Code Sonnet 4等模型,得到了用户更多偏好。

目前,这家仅成立一年的AI初创公司目标融资10亿美元用于新模型开发。
实际上,他们将目光投向开源也是受中国强大的开源AI模型的影响。
想成为美国本土的DeepSeek
Reflection AI的两位创始人Misha Laskin和Ioannis Antonoglou都曾参与AlphaGo以及Gemini系列模型的开发。
公司的CEO Misha Laskin是Gemini系列的核心研究员。

首席技术官Ioannis Antonoglou曾在谷歌DeepMind待了将近12年,曾参与AlphaGo的研究。后领导了Gemini的相关工作。

Reflection AI的团队均由来自DeepMind、OpenAI和Anthropic的前工程师和科学家组成。
近年来,中国开源模型如DeepSeek等的流行,对美国AI行业也产生了催化作用。
一方面,Meta作为美国重要的开源AI开发者,因模型表现不佳与DeepSeek对比差距明显,开始大规模招聘以改进,甚至考虑开发封闭大模型。
另一方面,因为开源模型的成本低且灵活性高,可访问底层数据和代码,便于针对特定业务流程微调,因此企业对开源模型需求大增。
Reflection AI的目标也是美国本土市场。
目前,这家仅成立一年的AI初创公司正在洽谈10亿美元的融资,虽然本轮估值未知,但此前Reflection AI已获1.3亿美元风投,当时的估值为5.45亿美元。
这些资金将用于新AI模型开发,其创始人期望借此使公司成为美国领先的开源AI模型供应商。
实际上,Reflection AI已经发布了其首个智能体Asimov。
Asimov:捕捉碎片化信息,高度可验证性
Asimov是一款专为代码理解打造的,它能对代码仓库、架构文档、GitHub讨论串、对话历史等多种信息进行索引,从而形成对代码库结构、历史及团队知识的全面认知。
与其他聚焦代码生成的AI不同,Asimov设计重点是阅读代码,以解决如何在团队环境中让AI发挥作用的问题。

Asimov并非单一智能体,而是由几个小型智能体协同工作。
这些小智能体分别负责检索信息,而一个较大的推理智能体将收集到的信息整合,形成对用户查询的连贯回答。
并且,它能捕捉那些常未被书面记录的信息:比如决策背后的原因、系统实际运作方式、过往失败经验等隐性信息,并将其转化为团队可共享的资源,就像帮团队留住了那些容易随人员变动而流失的关键信息。

每一个由Asimov给出的答案,都附带确切的引用来源,包括具体文件、讨论线程和代码提交记录,需要时能快速追溯到原始信息,提高了可验证性。

该模型在上个月发布预览版后已从企业获得了少量的收入。
参考链接:
[1]https://www.theinformation.com/articles/reflection-ai-targets-1-billion-take-meta-deepseek-open-source
[2]https://www.wired.com/story/former-top-google-researchers-have-made-a-new-kind-of-ai-agent/
— 完 —
版权所有,未经授权不得以任何形式转载及使用,违者必究。
— Originally published at qbitai.com
Want this in your inbox every morning?
Daily brief at your local 8am — bilingual EN/中文, free.
More from WebSearch (Tavily)
See more →全球AI芯片峰会,9月上海见!
The 2026 Global AI Chip Summit will take place in Shanghai on September 22-23, focusing on the evolving AI chip landscape, including the shift from training to inference, the rise of diverse chip technologies, and the restructuring of industry competition. Notable speakers include experts from leading universities and companies, discussing advancements in AI chip architecture and applications.