深度解析：获吴恩达、Karpathy天使投资的AI初创公司为何受微软、SpaceX青睐
扩散模型，这个在图像和视频生成领域大杀四方的技术，如今正强势闯入文本生成的核心战场。而一场围绕它的争夺战，已经在科技巨头之间悄然打响。
当前AI行业看似一片繁荣，但狂热之下，一个根本性的忧虑始终存在：大语言模型（LLM）是否已经触及天花板？下一代AI的王者，会不会诞生于一个全新的架构？
就在5月13日，一则外媒消息引爆了业界：微软正在与一家名为Inception的初创公司洽谈收购。巧的是，同一天，马斯克的SpaceX也被曝出在追求同一家公司。
一家种子轮融资仅5000万美元、由吴恩达和安德烈·卡帕西（Andrej Karpathy）天使投资的创业公司，如今估值竟被喊到超过10亿美元，溢价高达20倍。能让微软和SpaceX这两家万亿级巨头同时下场争抢的，显然不是一项成熟的业务，而是一支来自斯坦福的教授团队，以及一条几乎无人涉足的技术路线。
这家与诺兰电影《盗梦空间》同名的初创公司，究竟有何非凡之处？
三个教授与一个“异端”想法
Inception的故事，要从其创始人斯特凡诺·埃尔蒙（Stefano Ermon）说起。
埃尔蒙是斯坦福大学的计算机科学教授，但他更广为人知的身份是——扩散模型（Diffusion Model）的共同发明人。如今我们使用的Midjourney、Sora、Stable Diffusion，底层都运行着他参与开创的技术。他关于文本扩散的论文曾获得ICML 2024最佳论文奖。
2024年中，埃尔蒙从斯坦福休假，拉上了两位合作超过十年的老搭档——加州大学洛杉矶分校教授阿迪亚·格罗弗（Aditya Grover）和康奈尔大学教授弗拉基米尔·库列绍夫（Volodymyr Kuleshov），在帕洛阿尔托共同创立了Inception Labs。
这三个人怀揣着一个在当时看来相当“离经叛道”的想法：将扩散模型从图像领域“移植”到文本生成领域，彻底取代现有的自回归架构。
安德烈·卡帕西在Inception发布首个模型时，就在X平台上表达了浓厚兴趣。他指出，当今几乎所有大语言模型在核心建模方法上都是“克隆体”，遵循从左到右逐个预测词元（token）的模式。扩散模型则完全不同——它不是顺序生成，而是从一片噪声开始，通过逐步去噪，最终得到一个完整的词元序列。他认为这个模型“有潜力展现出全新、独特的能力特征”，并鼓励大家尝试。
卡帕西不只是说说而已。他与吴恩达都以天使投资人的身份，参与了Inception的种子轮融资。
2025年11月，Inception完成了5000万美元的种子轮融资，由Menlo Ventures领投，英伟达旗下的NVentures、微软旗下的M12、Snowflake Ventures以及Databricks的投资部门全部跟投。
当卡帕西和吴恩达同时押注一家公司，当英伟达和微软的战投基金同时出现在投资人名单上，这几乎构成了AI领域最顶级的信任背书。
快10倍，便宜10倍
要理解Inception为何如此受追捧，得先弄明白它的技术路线究竟有何不同。
如今我们使用的ChatGPT、Claude、Gemini，底层清一色是自回归模型。它们生成文本的方式，就像一个字一个字地书写：必须从左到右，串行输出。在生成下一个词之前，必须等待前面所有的词都生成完毕。
这种方法稳定可靠，但存在一个结构性的天花板——速度被串行生成的方式锁死了。你可以更换更强大的芯片，优化推理框架，或者压缩模型，但只要本质仍是逐词生成，速度就存在理论上限。
Inception选择了一条截然不同的道路。它利用扩散模型进行文本生成——不是逐字书写，而是先给出一个“粗略草稿”，然后通过神经网络反复精炼，同时修改多个词元，实现并行输出。
埃尔蒙的解释非常直白：“这是一种根本不同的方法。所有现有的大语言模型都是自回归的，一个接一个地从左到右生成文本或代码，这非常慢，因为你不能在生成前面所有内容之前生成后面的东西。”
实际效果如何？Inception推出的模型家族名为Mercury。根据第三方评测机构Artificial Analysis的测试，其于2026年2月发布的Mercury 2模型，输出吞吐量达到了每秒约1000个词元。作为对比，Claude 4.5 Haiku约为每秒89个词元，GPT-5 Mini约为每秒71个词元。速度优势达到了10到14倍。
在质量方面，Mercury 2的AIME 2025得分为91.1，GPQA得分为73.6，LiveCodeBench得分为67.3。这些分数与Claude 4.5 Haiku、GPT-5.2 Mini处于同一竞争区间，但吞吐量却是后者的10倍以上。
对此，埃尔蒙的态度也很坦诚——Mercury 2对标的是Haiku和Flash这个级别的模型，而非Claude Opus或GPT-4这样的旗舰产品。第三方分析也指出，在复杂推理任务上，扩散模型的质量大约是前沿自回归模型的85%-95%，但在结构化输出和翻译等任务上已基本持平。
而这恰恰是其想象力所在。如果扩散模型在质量上的差距仅有5%-15%，而速度优势却高达10倍，那么在对延迟极度敏感的大量场景中——如实时语音交互、代码自动补全、游戏对话、智能体（Agent）循环调用——扩散模型无疑是更实际的选择。
不仅如此，扩散框架还带来了几个自回归模型难以实现的结构性优势。
第一，输出可控性更强。扩散模型能天然遵循特定的模式（schema）和语义约束，生成符合指定格式的JSON输出，这在企业级应用中至关重要。
第二，天然支持多模态融合。扩散本就是图像和视频生成的底层范式，将其扩展到文本，意味着可以用一套统一的框架处理语言、图像、音频和视频，无需再拼接不同的架构。
第三，内置纠错能力。自回归模型一旦前面出错，后面很难修正；扩散模型则可以在精炼过程中反复调整，理论上能减少“幻觉”的产生。
当然，这条路线也伴随着明显的不确定性。一些AI研究者指出，扩散方法使得输出预测更加困难，其扩展定律（Scaling Law）尚未被充分验证。自回归模型“参数越多、数据越多、效果越好”的规律花了数年才被摸清，扩散模型是否遵循类似规律，还是需要完全不同的优化策略，目前尚无定论。
但正是这种不确定性，才让它有可能成为碘伏下一个时代的范式。
“后OpenAI时代”的军备竞赛
理解了Inception的技术价值，再来看微软和SpaceX为何同时争夺它，逻辑就清晰了。
2026年4月27日，微软与OpenAI官宣了对合作关系的重大调整。微软对OpenAI模型的IP授权从独家变为非独家，有效期延至2032年。微软不再向OpenAI支付收入分成。OpenAI可以在AWS、Google Cloud等任何云平台上提供服务。关于AGI（通用人工智能）的条款被彻底删除。
这段曾被称作“科技界最佳兄弟情”的关系，实质上已转变为“管理型竞争”。
微软在OpenAI身上投入了超过130亿美元的资金以及大量的Azure算力支持。但现在，OpenAI不再是微软的“独家武器”，而微软也在加速摆脱对OpenAI的依赖。据报道，微软正在开发自己的通用AI模型，目标是在2027年之前推出能与OpenAI、Anthropic正面竞争的前沿模型。
收购AI创业公司，正是这一战略的重要组成部分。
路透社的报道披露，微软今年春天首先看中了代码生成公司Cursor，但由于自身已拥有GitHub Copilot，内部担心反垄断审查无法通过，主动放弃了收购。随后，SpaceX立刻与Cursor签署了一份价值600亿美元的收购期权协议——即便收购不成，SpaceX也需支付100亿美元的合作费用。
在放弃Cursor后，微软转向了Inception。然而，SpaceX也同样盯上了Inception。目前，Inception已聘请投行操盘交易谈判，开价超过10亿美元。
SpaceX的介入让整件事变得更加有趣。
2026年2月，SpaceX以全股票交易方式收购了马斯克的xAI，合并后估值达到1.25万亿美元，成为有史以来估值最高的商业并购案之一。随后，SpaceX又启动了Terafab半导体工厂项目，与特斯拉和xAI联合建设。再加上对Cursor的收购期权和对Inception的追求，马斯克显然正以SpaceX为平台，系统性地构建一个从芯片、模型到应用的完整AI技术栈。
而微软这边，除了争夺Inception，也在同时与多家AI创业公司接触。路透社引述知情人士称，AI研究人员如今轻松就能拿到数千万美元的薪酬，创业公司估值在投资者的疯抢下飞速上涨。
Menlo Ventures合伙人蒂姆·塔利（Tim Tully）在Inception融资时说过一句话，放在今天的收购大战背景下格外应景。他说，Inception的团队证明了扩散式大语言模型不只是一个研究突破，而是“一个可以构建可扩展、高性能语言模型的基础，企业今天就能部署”。
这句话解释了一切——巨头们争抢的不仅仅是一家公司，更是一个可能改写游戏规则的技术范式，以及掌握这个范式核心密码的那几个人。
当微软与OpenAI的“婚姻”走向开放关系，当SpaceX从火箭公司变身AI收购机器，当一家种子轮公司被两家万亿巨头同时争抢——这场“后OpenAI时代”的军备竞赛，其实才刚刚拉开序幕。
而Inception的命运，无论最终花落谁家，都已经证明了一件事：在AI的世界里，真正稀缺的从来不是资本，而是敢于踏上不同道路的头脑与勇气。