🎯 情报来源：量子位
2025年9月11日，估值120亿美元（约840亿人民币）的AI初创公司Thinking Machines发布首篇研究博客，由OpenAI前CTO Mira Murati领衔团队提出解决大模型推理非确定性问题的技术方案。该研究通过改造RMSNorm、矩阵乘法和注意力机制内核，在Qwen3-235B模型测试中实现1000次推理结果完全一致，性能损失仅20%。
公司同步披露首款产品命名为”Connection Machine”，其团队汇聚John Schulman（PPO算法发明者）、Barret Zoph（ChatGPT后训练负责人）等OpenAI核心成员，今年6月曾创下20亿美元种子轮融资纪录，投资方包括a16z、英伟达等顶级机构。
💡 核心要点
- 技术突破：实现LLM推理100%确定性，测试中1000次相同输入输出完全一致
- 性能代价：采用批次不变性内核导致20%性能下降，但仍在可接受范围
- 资本表现：2025年6月完成20亿美元种子轮融资，估值达120亿美元
📌 情报分析
技术价值：极高
首次系统性解决LLM推理非确定性难题，实验数据显示完全消除结果波动，对科研复现、金融医疗等严谨场景具有颠覆性价值。技术方案涉及计算架构底层改造，具备较高技术壁垒。
商业价值：高
120亿美元估值反映资本对技术团队的认可，但首款产品尚未面世。确定性推理在B端高价值场景（如法律、金融）有明确付费意愿，但20%性能折损可能影响部分实时性要求高的应用。
趋势预测：高
LLM推理确定性将成为下一代模型基础设施的标配需求，该研究可能推动行业标准化进程。团队背景预示其可能快速迭代出完整产品矩阵，但需警惕Meta等大厂跟进研发。