在基础模型成为行业竞争核心的当下，多家AI公司与实验室正处于集体起跑阶段。

一方面，一批在大型科技公司成名的资深从业者选择独立创业；另一方面，一些在学术界和工业界享有盛誉的研究人员也开始主导新实验室，但其商业目标并不总是清晰。部分机构被视为有潜力成长为类似 OpenAI 的大型商业主体，另一些则更接近长期研究项目，对商业化节奏并不急迫。

在这一背景下，外界越来越难以判断：哪些实验室真正将“赚钱”作为核心目标，哪些则更偏向科研驱动。

五级“赚钱意愿”量表

为便于观察不同实验室的商业化取向，有观点提出了一套针对“构建基础模型公司”的五级滑动量表。该量表并不衡量当前盈利水平，而是试图刻画公司在“是否努力赚钱”这一维度上的主观雄心：

• 5级：已经实现高额、稳定收入，例如“每天赚取数百万美元”；
• 4级：拥有清晰且分阶段的商业规划，目标是实现极高财富回报；
• 3级：具备若干被认为有前景的产品构想，但尚未对外详细披露；
• 2级：仅形成大致的商业化轮廓或概念性计划；
• 1级：基本不以财富为主要目标，更接近“研究优先”的状态。

OpenAI、Anthropic、Gemini 等头部公司被普遍视为处于 5 级。该量表的讨论重点，更多集中在新一代实验室身上——这些机构在技术上雄心勃勃，但其商业化意图并不总是透明。

目前，AI 领域资金充裕，投资人对“先做研究、后谈商业”的模式普遍持开放态度，一些实验室即便暂不强调盈利，也能获得大额融资。因此，团队在多大程度上主动追求商业回报，很大程度上成为一种“自我选择”。

有分析认为，当前行业内不少争议与不确定性，正源于实验室在这一量表上的“级别模糊”。例如，OpenAI 从非营利架构转向更强商业化路径，被视为从长期的“1级”状态在短时间内跃升至“5级”，引发外界广泛讨论；又如，Meta 早期的 AI 研究被认为更接近“2级”，而公司整体目标则更偏向“4级”。

在此框架下，部分观察者对几家具有代表性的实验室进行了大致归类。

Humans&：产品方向明确但细节保留，被视为“3级”

Humans& 近期成为 AI 领域的焦点之一，也是上述量表提出的直接触发因素之一。该公司创始团队提出了下一代 AI 模型的构想，强调从单纯追求算力与规模扩展，转向更重视“沟通与协调”能力的工具。

在商业化层面，Humans& 对外表态相对谨慎。公司多次提到将打造面向工作场景的 AI 工具，替代 Slack、Jira 和 Google Docs 等现有产品，并“从根本上重新定义”这类工具的形态，被描述为“为后软件时代打造的工作场所软件”。

不过，具体产品形态、收费模式等关键细节尚未公开。基于目前公开信息，有观点认为，Humans& 已经明确会做产品，但尚未对外给出完整商业路径，因此大致可被归入“3级”。

Thinking Machines Lab：高起点与人事变动引发级别争议

Thinking Machines Lab（TML）的定位被认为更难判断。该实验室由前 ChatGPT 首席技术官及项目负责人参与创立，并在早期即完成约 20 亿美元规模的种子轮融资。外界普遍认为，联合创始人 Mira Murati 行事风格偏向规划明确，因此在 2026 年前后，TML 一度被视为接近“4级”。

但近期人事变动引发了新的讨论。过去两周内，联合创始人兼首席技术官 Barret Zoph 离职，引起广泛关注，且被指与特殊背景相关；随后又有至少五名员工选择离开，其中多人对公司发展方向表达担忧。据统计，在公司成立一年内，TML 创始团队中接近一半的高管已先后离任。

有解读认为，这可能意味着部分早期团队成员原本预期 TML 会沿着清晰的商业路线发展，目标接近“4级”，但在实际推进中发现基础并不牢固，实际状态更接近“2级”或“3级”。

目前，相关信息仍在演变，尚不足以形成一致结论，但 TML 在该量表上的位置已被认为“接近降级边缘”。

World Labs：从被视为“研究型”到接近“4级”

World Labs 由李飞飞创立。李飞飞因发起 ImageNet 挑战赛而广为人知，被视为推动现代深度学习浪潮的重要人物之一。目前，她在斯坦福大学担任由红杉资本支持的教席，并联合领导两个 AI 实验室。

2024 年，李飞飞宣布为空间 AI 公司 World Labs 融资 2.3 亿美元时，外界普遍认为该公司更接近“2级”甚至更低，即以研究为主、商业化节奏相对靠后。

但在随后的时间里，World Labs 发布了完整的“世界生成模型”，并基于该模型推出了面向市场的产品。与此同时，游戏与影视特效等行业对“世界建模”能力的需求逐步显现，而其他主要实验室在这一细分方向上尚未形成直接可比的产品线。

在此背景下，World Labs 被部分观察者视为已具备“4级”特征，并被认为有可能在收入和商业落地进一步推进后接近“5级”。

Safe Superintelligence（SSI）：典型“1级”定位但不排除转向

Safe Superintelligence（SSI）由前 OpenAI 首席科学家 Ilya Sutskever 创立，被普遍视为“1级”实验室的典型案例。

公开信息显示，Sutskever 明确希望 SSI 尽量不受商业压力影响，曾拒绝 Meta 的收购意向。公司目前没有对外公布具体产品节奏，除正在研发的“超级智能基础模型”外，尚未披露其他产品规划。尽管如此，SSI 仍完成了约 30 亿美元融资。

Sutskever 长期以专注 AI 科学研究著称，外界普遍认为 SSI 更接近一个以科学目标为主的项目。不过，在最近一次与 Dwarkesh 的访谈中，他也提到两种可能促使 SSI 考虑商业化的情形：其一是“如果时间线变长”；其二是“最强大的 AI 对世界产生影响具有巨大价值”。

在这一表述下，部分分析认为，如果研究进展出现重大变化——无论是远超预期还是明显受阻——SSI 未来不排除在短时间内在该量表上“跃升数级”。

级别模糊与行业不确定性

从上述几家机构的案例可以看出，基础模型实验室在“赚钱意愿”上的自我定位，并非一成不变。融资环境、技术进展、团队结构以及外部需求变化，都可能推动实验室在这套量表上的位置发生调整。

在资金仍然充裕、商业模式尚未完全固化的阶段，实验室在科研与商业之间的取向差异，正在成为理解当前 AI 行业格局的一项重要线索。