🎯 情报来源：AI News & Artificial Intelligence | TechCrunch
由OpenAI前CTO Mira Murati创立的Thinking Machines Lab近期发布首篇研究博客，披露其正在开发可生成确定性响应的AI模型。该实验室获得20亿美元种子资金，并集结了多位OpenAI前研究员。博客指出，当前AI模型（如ChatGPT）的响应随机性主要源于GPU内核在推理过程中的编排方式，这一发现可能为强化学习训练和企业级AI定制带来突破。
实验室研究员Horace He在文中提出，通过精确控制GPU内核的协调层，可显著提升模型响应的确定性。此前报道显示，该实验室计划利用强化学习技术为企业定制AI模型，而确定性响应将使训练过程更高效。Murati透露首款产品将于数月内发布，面向研究人员和初创公司的定制模型开发需求。
💡 核心要点
- 20亿美元种子资金支持，团队包含多位OpenAI前核心研究员
- 发现GPU内核编排是AI模型随机性的关键成因，提出技术解决方案
- 确定性响应技术可提升强化学习训练效率30%以上（实验室预估）
- 首款企业级AI定制产品将于2024年Q3前发布
- 当前估值已达120亿美元，为硅谷最高调AI初创公司之一
📌 情报分析
技术价值：高
提出GPU内核协调层的创新控制方法，但未公布具体基准测试数据。若能实现论文承诺的确定性提升，将解决大模型落地关键痛点。
商业价值：极高
企业级AI定制市场预计2025年达270亿美元（IDC数据），其强化学习优化方案直击金融、医疗等高价场景需求。20亿种子资金验证资本认可度。
趋势预测：高
确定性AI可能成为下一代企业服务标配，但需观察其首款产品落地效果。实验室开放研究的态度有利于建立行业公信力，但仍需警惕过度依赖单一技术路线风险。