網(wǎng)易首頁 > 網(wǎng)易科技 > 網(wǎng)易科技 > 正文

嫌xAI太亂！70人德國團(tuán)隊硬拒馬斯克，用底層算法打臉“算力暴力美學(xué)”

2026-04-10 15:39:29　來源: 網(wǎng)易智能

北京舉報

分享至

出品 | 網(wǎng)易智能

作者 | 辰辰

編輯 | 王鳳枝

一家規(guī)模僅有70人的德國初創(chuàng)公司，非常果斷地將埃隆·馬斯克（Elon Musk）拒之門外。

據(jù)多位知情人士透露，馬斯克麾下的xAI近期主動尋求合作，試圖獲得Black Forest Labs的技術(shù)授權(quán)來為Grok構(gòu)建視覺生成能力。然而這家德國創(chuàng)企卻給出了硬核的拒絕理由，他們直言xAI的工作環(huán)境過于混亂，與之合作將帶來極高的運營壓力與風(fēng)險。

面對擁有龐大算力集群的硅谷巨頭，究竟是什么樣的底層技術(shù)壁壘，讓Black Forest Labs擁有了直接說不的絕對底氣？

一、遠(yuǎn)離硅谷喧囂：黑森林里的隱士團(tuán)隊

在舊金山莫斯康展覽中心（Moscone Center）舉行的HumanX峰會上，空氣中彌漫著AI宇宙中心特有的焦慮與狂熱。

推開門走幾步就是OpenAI和Anthropic的總部，硅谷的行業(yè)巨頭們在這里交換著關(guān)于算力與模型和AGI的最新情報。然而聚光燈的中心，卻被一家距離硅谷8000公里且總部設(shè)在德國黑森林的小型公司占據(jù)了。

這家名為Black Forest Labs（BFL）的初創(chuàng)公司團(tuán)隊只有約70人，但就在去年12月，他們以32.5億美元（約合人民幣235億元）的估值完成了一輪3億美元的融資。英偉達(dá)與a16z和Salesforce悉數(shù)入場，并與Adobe和圖形設(shè)計平臺Canva簽署了為其提供AI圖像生成功能的商業(yè)協(xié)議。

更讓硅谷業(yè)界關(guān)注的是一條剛被披露的行業(yè)內(nèi)幕，他們拒絕了埃隆·馬斯克（Elon Musk）麾下AI公司xAI的主動合作請求。

2024年xAI曾與BFL合作，由后者為Grok提供首個圖像生成器。但因聊天機器人的安全保障有限，該合作引發(fā)了大量爭議，并在幾個月后xAI研發(fā)出內(nèi)部模型時宣告終止。近期xAI試圖重啟合作，卻被BFL直接拒絕。

拒絕原因并不隱晦。知情人士稱BFL認(rèn)為xAI工作環(huán)境出了名的混亂，合作起來運營壓力過高。與此同時這家小公司卻轉(zhuǎn)身與Meta簽下了1.4億美元的多年期大單，展現(xiàn)出極強的議價能力與行業(yè)地位。

一位名為Dev Anon的開發(fā)者在社交媒體X上評價道，拒絕xAI以保持專注，這本身就說明了一切。70個人憑借潛擴散模型的效率就勝過了臃腫的硅谷實驗室，物理AI對這個團(tuán)隊而言是正確的一步。

要理解BFL的底氣，得先看其創(chuàng)始團(tuán)隊的技術(shù)背景。

BFL的三位聯(lián)合創(chuàng)始人安德烈亞斯·布拉特曼（Andreas Blattmann）與羅賓·龍巴赫（Robin Rombach）和帕特里克·埃瑟（Patrick Esser），在AI學(xué)術(shù)界是擴散模型（Diffusion Models）的教父級人物。2022年那場席卷全球的Stable Diffusion風(fēng)暴，其核心論文的研究正是出自這幾人之手。

其中的核心靈魂人物龍巴赫（現(xiàn)任BFL首席執(zhí)行官）與布拉特曼曾是德國慕尼黑大學(xué)（LMU）視覺計算小組的博士生，師從計算機視覺權(quán)威比約恩·奧默（Bj?rn Ommer）。2021年他們聯(lián)合埃瑟發(fā)表了具有里程碑意義的論文《使用潛擴散模型進(jìn)行高分辨率圖像合成》，這不僅是后來Stable Diffusion的技術(shù)基石，更以潛擴散概念徹底解決了超高清圖像生成的高昂算力瓶頸。

隨后這支被譽為擴散模型三劍客的團(tuán)隊被Stability AI招致麾下。在職期間他們主導(dǎo)開發(fā)了從Stable Diffusion 1.5到SDXL的全系列核心模型，將開源視覺AI推向了全球數(shù)億用戶的桌面。

然而正如許多懷揣技術(shù)理想的科學(xué)家一樣，他們并不滿足于單純的商業(yè)應(yīng)用迭代。2024年初在經(jīng)歷了Stability AI內(nèi)部動蕩與高管流失后，三位老搭檔決定帶著他們在潛擴散與對抗性蒸餾等領(lǐng)域的頂尖積累重返德國南部弗賴堡，開啟了這段黑森林實驗室的創(chuàng)業(yè)之旅。

聯(lián)合創(chuàng)始人布拉特曼在HumanX的舞臺上補充道，不和所有人擠在一起可能是一筆巨大的財富。任何創(chuàng)辦過初創(chuàng)公司的人都知道，很大程度上這取決于專注和研究重要事情的能力。每當(dāng)我在舊金山時，我很喜歡這里，但也發(fā)現(xiàn)很難集中注意力，因為發(fā)生的事情太多了。

這種專注帶來的產(chǎn)出是極其驚人的。在資源遠(yuǎn)少于競爭對手的情況下，這促使他們采用了一種更高效的潛擴散研究路線。

如果你最近在社交媒體上看到那些甚至能精準(zhǔn)還原復(fù)雜指紋且文字渲染絲毫不亂的AI圖片，背后大概率運行的就是FLUX。在第三方機構(gòu)Artificial Analysis的基準(zhǔn)測試中，BFL的圖像生成器性能僅次于OpenAI和谷歌，穩(wěn)坐全球第一梯隊。

二、2.8倍效率背后的底層創(chuàng)新：什么是Self Flow

BFL之所以能以小博大，靠的不是燒錢堆疊算力，而是精妙的算法架構(gòu)。

傳統(tǒng)的AI生成擴散模型（如Stable Diffusion或FLUX）通常需要依賴外部的教師模型（如CLIP或DINOv2等凍結(jié)的編碼器），來提供它們自身無法學(xué)習(xí)的語義理解。但這帶來了一個技術(shù)瓶頸，即一旦教師模型到了極限，擴大參數(shù)規(guī)模也不再能帶來更好的結(jié)果。

最近BFL發(fā)布了一項名為Self Flow的新技術(shù)。這標(biāo)志著AI視覺模型可能進(jìn)入了一個全新的時代。

首先，Self Flow打破了傳統(tǒng)模型的語義鴻溝。

傳統(tǒng)模型的基礎(chǔ)問題在于它是一個去噪任務(wù)，模型被展示噪聲并被要求尋找圖像，很少有動力去真正理解圖像的本質(zhì)。Self Flow引入了自監(jiān)督流匹配（Self Supervised Flow Matching）框架，讓模型在學(xué)習(xí)生成圖像的同時，同步構(gòu)建對世界的物理理解。

Self Flow的核心邏輯非常巧妙。它通過一種被稱為雙時間步調(diào)度（Dual Timestep Scheduling）的機制引入了信息不對稱。

學(xué)生版模型：看到的是被嚴(yán)重?fù)p壞且充滿噪聲的數(shù)據(jù)。

教師版模型：作為模型自身的指數(shù)移動平均（EMA）版本，看到的是更清晰的數(shù)據(jù)。

核心任務(wù)：學(xué)生模型不僅要生成最終輸出，還要預(yù)測其更清晰的自我版本看到了什么。

這是一個自我蒸餾的過程，其中教師模型在第20層而學(xué)生模型在第8層。這種雙階段（Dual Pass）方法迫使模型產(chǎn)生了一種深刻的內(nèi)部語義理解。

訓(xùn)練數(shù)據(jù)對比最能說明其效率優(yōu)勢。傳統(tǒng)訓(xùn)練需要700萬個步長（Steps）才能達(dá)到基礎(chǔ)水平，目前行業(yè)標(biāo)準(zhǔn)的REPA方法將其縮短到了40萬步。

而BFL的Self Flow僅需約14.3萬步。

這意味著Self Flow的收斂速度是目前行業(yè)標(biāo)準(zhǔn)的2.8倍，更是傳統(tǒng)方法的將近50倍。

BFL通過一個40億（4B）參數(shù)的多模態(tài)模型展示了這些成果，該模型在2億張圖像與600萬個視頻以及200萬個音視頻對組成的龐大數(shù)據(jù)集上進(jìn)行了訓(xùn)練。在量化指標(biāo)方面，Self Flow取得了優(yōu)于競爭基準(zhǔn)的成績，圖像FID得分為3.61，視頻FVD得分為47.81，音頻FAD得分為145.65。

三、從圖像生成到機器之眼：物理AI的商業(yè)野心

如果BFL僅僅止步于圖像生成，它或許只是另一個Midjourney，但該團(tuán)隊的視野遠(yuǎn)不止于此。

布拉特曼透露，視覺智能遠(yuǎn)遠(yuǎn)不止內(nèi)容創(chuàng)作，這只是進(jìn)入整個技術(shù)領(lǐng)域的第一個切入點。BFL計劃在今年晚些時候推出一款由其AI模型驅(qū)動的機器人，并明確表示團(tuán)隊對物理AI充滿期待。

這是一個巨大的技術(shù)范式轉(zhuǎn)移。

感知物理世界：通過Self Flow技術(shù)，AI不再只是生成視覺圖片，而是開始理解場景底層的物理和邏輯規(guī)律。

具身智能：在SIMPLER模擬器的測試中，經(jīng)過RT-1機器人數(shù)據(jù)集微調(diào)的6.75億參數(shù)版本的Self Flow模型，在打開抽屜并放置物品等復(fù)雜的多步驟任務(wù)中保持了穩(wěn)定的成功率，而標(biāo)準(zhǔn)方法通常會完全失敗。

多模態(tài)融合：傳統(tǒng)的AI像是一個機械拼接的系統(tǒng)，視覺與音頻相互獨立。而BFL的Self Flow模型在訓(xùn)練時就實現(xiàn)了視頻和音頻的同步生成，這意味著未來的機器人不僅能具備視覺能力，還能實時理解周圍環(huán)境的聲音邏輯。

目前BFL已經(jīng)與多家硬件公司洽談，計劃將技術(shù)嵌入智能眼鏡和機器人中。正如社交媒體X上的科技記者M(jìn)ax Zeff所評論的那樣，BFL盡管規(guī)模很小卻能推動整個AI行業(yè)的進(jìn)步，現(xiàn)在的戰(zhàn)略重點是推進(jìn)物理AI。

四、嚴(yán)守安全防線：底層技術(shù)團(tuán)隊如何應(yīng)對風(fēng)險評估

在深度偽造（Deepfake）技術(shù)泛濫的時代，生成式AI面臨著嚴(yán)峻的安全挑戰(zhàn)。

BFL并沒有因為追求性能而放棄安全審查。在針對第三方機構(gòu)Cinder的最新評估中，F(xiàn)LUX.2模型家族在嚴(yán)重風(fēng)險漏洞上比其他主流開源模型（包括大型科技公司的旗艦?zāi)Ｐ停┥倭?0倍以上。

他們采取了嚴(yán)密的多層防御機制。

預(yù)訓(xùn)練過濾：BFL與互聯(lián)網(wǎng)觀察基金會（IWF）合作，過濾已知兒童性虐待材料（CSAM）及色情內(nèi)容，從源頭上切斷有害訓(xùn)練數(shù)據(jù)。

后訓(xùn)練抑制：團(tuán)隊通過多輪微調(diào)來抑制模型生成非法或有害內(nèi)容的能力。這些針對性的后訓(xùn)練緩解措施在發(fā)布前幫助減少了77%至98%的系統(tǒng)漏洞。

發(fā)布合規(guī)：雖然BFL擁抱開源生態(tài)，但他們堅持使用禁止非法濫用的許可來發(fā)布模型。值得一提的是，他們最輕量化且最高效的klein模型展現(xiàn)出的系統(tǒng)漏洞反而最少。

這種對負(fù)責(zé)任創(chuàng)新的堅持，也是Adobe與Canva以及Meta愿意與其達(dá)成重要商業(yè)合作的信任基礎(chǔ)。

五、降維打擊的商業(yè)模式：開源生態(tài)構(gòu)筑營銷漏斗

BFL的商業(yè)化路徑同樣具有極高的行業(yè)參考價值。他們并沒有效仿封閉API的圍墻花園模式，而是采取了極具戰(zhàn)略眼光的漏斗式營銷架構(gòu)。

底部開源模型：在Hugging Face平臺上，BFL創(chuàng)始團(tuán)隊貢獻(xiàn)的模型下載量已超過4億次。這為他們贏得了海量的社區(qū)測試反饋和龐大的開發(fā)者生態(tài)。

中部低延遲API：為應(yīng)用層開發(fā)者提供即插即用的內(nèi)容生成服務(wù)。

頂部企業(yè)級授權(quán)：當(dāng)大型企業(yè)想要把FLUX投入實際生產(chǎn)流程時，就需要向BFL購買正式的商業(yè)許可。

目前BFL的收入結(jié)構(gòu)大致維持在平衡狀態(tài)，一半來自基于調(diào)用量的API產(chǎn)品，一半來自經(jīng)典的企業(yè)級授權(quán)。這種穩(wěn)健的商業(yè)策略讓聯(lián)合創(chuàng)始人龍巴赫有足夠的底氣應(yīng)對市場波動，即使在AI資本降溫的假設(shè)下，依然能保持公司的可持續(xù)生存與發(fā)展。