一家名为Core Automation的新兴AI公司近日引发行业关注。这家由前OpenAI研究副总裁Jerry Tworek创立的实验室，在成立初期便成功吸引来自Anthropic、Google DeepMind和OpenAI的多位顶尖研究员加入，其技术路线与组织理念均展现出颠覆性特征。
Tworek在OpenAI任职近七年期间，主导了o1和o3两代推理模型的开发，并深度参与GPT-4后训练及GPT-5部署工作。他在1月离职时向团队透露，希望探索"在现有体系内难以实现的研究方向"。这位核心人物认为，头部AI公司同时面临模型性能竞争、算力成本压力和用户增长需求的三重挑战，这种环境导致对高风险基础研究的投入意愿下降。
新公司的技术路线直指当前AI发展的核心瓶颈。其官网声明指出，单纯扩大模型规模、数据量和静态部署的传统路径已接近极限。团队将重点研发持续学习算法和新型网络架构，试图解决transformer模型在灾难性遗忘、长期适应环境等方面的缺陷。据融资材料披露，他们正在开发名为Ceres的模型，该系统训练数据需求量仅为现有头部模型的百分之一，且具备运行中动态更新权重的能力。
这种技术突破若能实现，将显著降低工业自动化、机器人等领域的模型部署成本。当前主流方案需要数月一次的完整重训，不仅消耗巨额算力，还会导致部分知识流失。Core Automation的持续学习框架若验证可行，可能重塑整个AI训练范式。
在组织建设方面，该公司提出"自动化优先"的独特策略。通过开发研究流程自动化系统，团队计划将基础实验、代码生成等环节交由AI代理完成，从而释放人力专注于前沿探索。这种模式与其技术目标形成闭环——用自动化工具提升研究效率，再用研究突破改进自动化系统。目前公开的十余名成员中，包含多位在强化学习、神经架构搜索等领域的专家。
资本市场对这类技术派创业团队表现出强烈兴趣。尽管产品尚未面世，Core Automation在成立数周内即启动5-10亿美元融资谈判，估值突破50亿美元。这种估值逻辑反映出行业对基础研究突破的迫切期待，同时也给团队带来巨大压力：他们需要在数年内拿出能与GPT系列抗衡的技术成果，或构建足够高的技术壁垒。
当前AI领域正呈现多元化技术路线竞争态势。除Core Automation的持续学习方向外，Thinking Machines Lab聚焦多模态智能体可靠性，Safe Superintelligence实验室押注安全优先的超级智能，AMI Labs则主攻世界模型研究。这些新兴实验室虽技术路径各异，但都试图突破现有scaling law的局限，寻找下一代AI发展的突破口。
