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

嫌xAI太亂！70人德國團隊硬拒馬斯克，用底層算法打臉“算力暴力美學”

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、遠離硅谷喧囂：黑森林里的隱士團隊

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對這個團隊而言是正確的一步。

要理解BFL的底氣，得先看其創(chuàng)始團隊的技術(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（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隊被Stability AI招致麾下。在職期間他們主導開發(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還原復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習的語義理解。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)。這標志著AI視覺模型可能進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，讓模型在學習生成圖像的同時，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。

學生版模型：看到的是被嚴重損壞且充滿噪聲的數(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)：學生模型不僅要生成最終輸出，還要預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。

訓練數(shù)據(jù)對比最能說明其效率優(yōu)勢。傳統(tǒng)訓練需要700萬個步長（Steps）才能達到基礎(chǔ)水平，目前行業(yè)標準的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)標準的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)集上進行了訓練。在量化指標方面，Self Flow取得了優(yōu)于競爭基準的成績，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，但該團隊的視野遠不止于此。

布拉特曼透露，視覺智能遠遠不止內(nèi)容創(chuàng)作，這只是進入整個技術(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雜的多步驟任務(wù)中保持了穩(wěn)定的成功率，而標準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Max 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)的進步，現(xiàn)在的戰(zhàn)略重點是推進物理AI。

四、嚴守安全防線：底層技術(shù)團隊如何應(yīng)對風險評估

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模型家族在嚴重風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。

他們采取了嚴密的多層防御機制。

預訓練過濾：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練數(shù)據(jù)。

后訓練抑制：團隊通過多輪微調(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。

這種對負責任創(chuàng)新的堅持，也是Adobe與Canva以及Meta愿意與其達成重要商業(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)始團隊貢獻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。