三个00后用中国模型做外包,18个月拿到320亿“大结果”
4 小时前 / 阅读约12分钟
来源:36kr
三位OpenAI前员工创立的AI基础设施公司Applied Compute被派拓网络以45亿美元收购,其业务利用中国开源模型为企业训练专属AI,年化收入达1亿美元。

Anthropic上市,硅谷正在诞生新一轮财富神话。而在这场狂欢的另一角,三个从OpenAI离职的00后也提前拿到了自己的“大结果”——创业不到18个月,直接把公司卖了45亿美元(约合人民币320亿元)。

美东时间11月18日,美国网络安全巨头Palo Alto Networks(派拓网络)宣布达成最终协议,将以45亿美元的全股票方式,收购AI基础设施创企Applied Compute。交易完成后,约70人的团队将整体并入派拓网络,年仅23岁的联合创始人兼CEO Yash Patil将出任派拓网络的联席首席AI官。

这家公司近期的发展速度很快。大约半个月前(11月2日),Applied Compute才刚刚宣布完成3.5亿美元融资,投后估值32.5亿美元。短短两周多时间,派拓网络给出的收购价就比当时的估值又高出了12.5亿美元,溢价约38%。

他们主要做一门“AI外包”生意,帮企业训练专属AI。微软、英伟达、外卖平台DoorDash和法律AI公司Harvey都是他们的客户,横跨多个行业。

按理说做这样的企业生意,既要懂模型,也要了解客户的工作流程,创业者通常都是在行业里摸爬滚打多年的“老炮”。而Applied Compute的三位创始人Yash Patil、Rhythm Garg和Linden Li,只有23岁、24岁和25岁。

他们从斯坦福相识到一起走出OpenAI,创业不到一年半时间,就在巨头林立的硅谷跑通了这门“大生意”。

从潜在客户变成买家,只因一轮安全评估

派拓网络最初接触Applied Compute,并不是为了收购,而是想看看能不能采购他们的服务。

派拓网络董事长兼CEO Nikesh Arora在收购声明中透露,他们一开始只是作为“潜在客户”去接触Applied Compute,想评估一下对方的后训练和推理平台。

出于网络安全公司的职业习惯,派拓网络专门派出了旗下王牌威胁情报团队Unit 42,对Applied Compute做了一轮“前沿AI安全评估”。

按照Arora的说法,一轮摸底评估做下来,他们认为Applied Compute搭建了自己见过的最好的后训练和推理平台,研究团队也极为出色。于是派拓网络干脆从采购洽谈转向并购谈判,直接出手买下整家公司。

作为全球最大的网络安全公司之一,派拓网络目前市值接近2800亿美元,最新一季营收达34.5亿美元,同比增长39%。过去一年,这家巨头在并购市场上出手频繁,先后完成了210亿美元和33.5亿美元的两起收购。而这次45亿美元拿下Applied Compute,在派拓网络的并购版图里也不算小数目。

根据提交给美国证监会(SEC)的文件,这笔总价45亿美元的交易将以派拓网络股票支付,参考股价为过去15个交易日的均价(337.16美元/股)。

对派拓网络来说,这笔买卖算下来并不亏。由于Applied Compute半个月前刚融完3.5亿美元,交易中还包含了其持有的约5亿美元现金及预付算力承诺,而派拓网络的收购对价全部靠发行股票支付。收购消息随同超预期的财报公布后,派拓网络盘后股价大涨了约10%。

一家成立不到一年半的初创公司,能让硅谷巨头在评估完后火速拍板买下,很大程度上是因为看中了三个年轻人的技术底子和创业经历。

三位创始人是斯坦福校友,也是OpenAI的前同事。Patil最早进入OpenAI,大学期间他曾主动给奥特曼发邮件争取参与ChatGPT研发,后来通过研究员驻留项目入职。接着,他引荐了Garg,Garg又引荐了Li。

在OpenAI工作期间,Patil参与过后训练基础设施和Codex相关工作,Garg研究推理模型,Li负责机器学习系统。三人合起来正好覆盖了模型训练和运行的多个环节,成了后来创业的技术班底。

而中国开源模型的崛起,则给他们出来创业提供了一个重要契机。

2025年1月,DeepSeek-R1发布。那几天,三位年轻研究员正在太浩湖滑雪。按照他们后来的回忆,滑雪间隙,三人一直在讨论这个刚刚发布的中国模型,以及开放模型的未来。

有了在OpenAI的经历,他们意识到,既然开放模型已经有了不错的基础能力,企业完全可以拿来继续训练,让AI更熟悉自己的业务流程。几个月后,三人离开OpenAI,成立了Applied Compute。

他们的业务进展很快得到了资本认可。2025年6月,公司尚未公开亮相就拿到Benchmark领投的2000万美元融资;今年4月完成8000万美元融资后,估值达13亿美元;8月推出核心的AC2平台。到11月初融资时,客户自7月以来已在AC2平台上完成了超过1700次训练运行,其推理服务每天处理的Token量超过1万亿。

谈及这次并入派拓网络,23岁的CEO Patil在声明中表示,他们创办公司是为了让任何企业都能轻松训练、运行和改进专属模型,而加入派拓网络将把安全置于所有产品的核心,并加速走向全球最大的一批企业客户。

用中国模型,帮美国大公司省钱省事

能让派拓网络开出45亿美元高价,核心在于Applied Compute切中了大企业使用AI时的痛点。

在Applied Compute官网上,他们把自己的业务总结为“专属智能(Specific Intelligence)”:不是让企业直接用通用大模型,而是用企业自己的业务数据,训练出只属于这家公司的专属模型。

对很多大公司来说,直接调用OpenAI或Anthropic的顶尖闭源模型,一旦高频使用,不仅又慢又贵,而且通用模型并不了解企业内部的具体标准。毕竟银行有银行的风控要求,外卖平台有外卖平台的审核规则。

现在,越来越多企业开始为模型的“后训练(Post-training)”买单。Menlo Ventures近日的调查显示,受访AI构建者中,做过后训练的比例一年内从6%升至10%,其中91%请了外部合作方。

Applied Compute就当起了大模型和企业之间的“中间商”:一头是现成的开放模型,一头是有需求的企业。它负责挑模型,按客户的任务继续训练,再帮客户把模型跑起来。

虽然位置是中间商,但他们的干活方式更像驻场团队。硅谷把这种深入客户的工程师叫作FDE(前线部署工程师),最早由Palantir推广,今年在AI圈明显走热。Applied Compute的工程师得进到客户公司,看懂人家的活儿怎么干,才知道该把模型往哪调;训练好的模型,最终跑在自研的AC2平台上。

而在帮美国大公司进一步压低成本的过程中,中国开源模型让Applied Compute如虎添翼。按照Menlo Ventures的估计,在其统计的开源模型相关支出中,中国模型占了89%。

一方面,企业客户为了控制海量任务的开销,迫切需要便宜好用的开源模型,而中国的千问、Kimi、GLM等模型开放了权重,使用成本普遍比美国顶尖闭源模型低得多。另一方面,开源模型拿来时只是基础底座,企业缺乏训练人才和系统,正好需要Applied Compute帮他们把中国开源模型改造成趁手的工具。

从Applied Compute官网披露的案例来看,中国开源模型在多个项目里挑起了大梁。

和美国营销软件公司Clay的合作,就瞄准了AI使用成本。Clay的AI产品每天要帮用户搜集大量企业信息,一整批问题难度有高有低,如果什么问题都调用最贵的模型,开销太大。

Applied Compute拿阿里巴巴的千问,训练了一个负责“派活”的AI调度员。它会先判断问题难度,再挑最划算的模型去处理。生产环境A/B测试显示,这套路由方案让推理成本最高下降了47%,关键质量指标保持稳定。

到了法律AI独角兽Harvey那里,智谱的GLM又派上了用场。

法律文件容不得差错,AI从大批文件里找答案时,还得给律师准确指出条款依据。双方用公开法律材料和合成任务对GLM-5.2进行训练并打分。评测显示,在特定法律文档任务中,训练后模型的回答质量有所改善;相比Claude Sonnet 5,平均每个单元格的推理成本下降了54.8%。

依托中国开源模型的高性价比底座,加上工程师驻场调教模型的能力,Applied Compute在一年半内把年化收入做到了1亿美元,也由此进入了派拓网络的收购视野。

卖身网安巨头,外包争议,和安全隐患有望一起解决

年化收入已经冲到1亿美元,半个月前刚融完3.5亿美元,估值正处于一路狂飙的上升期。

在这个节点,三个年轻人却选择溢价38%把公司卖给了派拓网络,这会是一个好归宿吗?

这背后或许与“AI外包”模式独立发展面临的瓶颈直接相关,而派拓网络的出现,恰好能帮他们把几个难题一起解决。

首先是商业模式的争议与大客户拓展问题。直到被收购前,外界一直在讨论,Applied Compute究竟是一家AI平台,还是一家靠工程师接项目的外包服务公司?

在投资者眼中,这是两种完全不同的前景。如果是后者,那么每来一家新客户,都要投入不少工程师去摸索业务、从头搭建训练流程。一旦客户变多,人力投入也会跟着膨胀。这门生意就显得很无趣。

另一方面,帮客户训练完模型后,是否能持续卖出赚钱的推理运行业务也还存疑。公司此前披露,只有40%的客户同时使用了它的训练和推理服务。

并入派拓网络后,至少拓宽了他们的渠道。按照规划,Applied Compute将直接嫁接到派拓网络全球7万多家客户网络中。至于后续的持续订阅,派拓网络给他们定下了明确目标:到2029财年,这项业务要带来10亿美元的新增年化经常性收入(ARR),相当于目前1亿美元年化收入规模的十倍。

其次,持续烧钱的算力投入有了大厂买单。派拓网络计划在未来三到五年内建设超过100兆瓦的全球推理算力基础设施,并在2027至2030财年为此投入不到30亿美元的资本开支(CapEx)。

作为回报,这群年轻人除了对外继续卖平台,对内还要充当派拓网络的“AI研发引擎”。派拓网络虽然不造通用大模型,但旗下的防火墙和安全软件每天要处理海量攻击。23岁的Patil出任联席首席AI官后,这支计划到2027财年末扩编至100名研究员的团队,将为派拓网络所有安全产品训练专有的大小模型。

最后,背靠网络安全巨头,也有望帮他们缓解企业客户在使用开源模型、尤其是中国开源模型时的安全顾虑。

今年下半年以来,美国相关部门先后对美企使用中国AI模型表示关切,并要求联邦民事机构停用DeepSeek产品。由于开源模型底座来源敏感,不少传统跨国企业和金融机构虽然看中其低成本,但企业首席信息安全官(CISO)往往不敢签字,担心拿核心数据去训练开源模型会引发数据泄露或合规风险。

初创公司单打独斗最难跨越的这道门槛,恰好是网络安全巨头派拓网络的看家本领。

在派拓网络CEO Arora看来,未来每家企业都会混合运行开源和闭源模型,直接买下训练平台,就能把安全防护嵌入模型定制的第一步,让企业放心在自有环境里训练开源模型。

Arora甚至在财报会上表示,这笔收购带来的业务机会,最终可能会“比我们今天做的业务还要大”。

在硅谷还在争论“AI外包”算不算一门好生意的时候,这三个拿中国开源模型打底的00后,已经带着一份45亿美元的收购协议提前上岸了。