AI 创业摇篮:加州大学伯克利分校 Pieter Abbeel 实验室走出 12 家明星 AI 初创企业

加州大学伯克利分校 Pieter Abbeel 实验室走出了 OpenAI、Perplexity AI 等12家明星 AI 初创公司创始人!

原文标题:一家高校实验室,走出12家明星AI初创公司!Pieter Abbeel:我的NB学生们

原文作者:机器之心

冷月清谈:

加州大学伯克利分校教授 Pieter Abbeel 的实验室培养了大批 AI 领域的创业者,这些学生创立的公司包括 OpenAI、Perplexity AI 等明星企业。文章盘点了这些明星学生及其创立的公司,包括 John Schulman (OpenAI),Aravind Srinivas (Perplexity AI),Deepak Pathak (Skild AI),Chelsea Finn 和 Sergey Levine (Physical Intelligence),Roshan Rao (Evolutionary Scale),Aditya Grover (Inception AI),Peter Chen、Rocky Duan 和 Tianhao Zhang (Covariant),Misha Laskin (Reflection),Jonathan Ho (Ideogram),Ajay Jain (Genmo AI),Ariun Singh (Gradescope)和Philipp Wu & Fred Shentu (Stealth)等,展示了 Abbeel 实验室在 AI 领域的强大影响力。

怜星夜思:

1、Abbeel 实验室的成功,除了优秀的导师和学生,你认为还有哪些因素促成了这些 AI 初创公司的诞生?
2、这些初创公司所关注的方向各不相同,从大模型到机器人,再到生物医药。你认为这种多样性是偶然,还是实验室有意引导的结果?未来 AI 领域还有哪些值得关注的交叉方向?
3、文章中提到多家公司被大厂收购或合作,比如 Gradescope 被 Turnitin 收购,Covariant 与亚马逊合作。你如何看待这种“被收购”或“合作”的现象?对于 AI 初创公司而言,独立发展和被大厂“收编”,哪种模式更好?

原文内容

机器之心报道

机器之心编辑部


一家高校实验室 ,能走出多少个知名 AI 初创公司的创始人?

强化学习大牛、UC 伯克利教授 Pieter Abbeel 浅浅统计了一番:我带过的学生里,也就 12 个吧。

这些公司的名气都不小:OpenAI、Perplexity、Physical Intelligence、Inception AI、Reflection…… 相信你都听说过。

刚刚,Pieter Abbeel 用一句话和一张配图,低调宣传了一下让他骄傲的学生们:「那些获得博士学位或从事博士后研究的创始人,曾在伯克利实验室渡过一段美好的时光,现在他们开始了他们的创业之路。」


Pieter Abbeel 是加州大学伯克利分校电气工程与计算机科学系的教授,同时也是伯克利机器人学习实验室(Berkeley Robot Learning Lab)主任和伯克利人工智能研究实验室(BAIR)联合主任。


在人工智能和机器人领域享有盛誉的专家 Pieter Abbeel ,不仅研究成果在学术界产生了深远影响,他带出的学生在不同领域也取得了非凡成就。


下面我们盘点一下,Abbeel 口中的这些优秀学生们(人名后的信息为企业名+当前估值)。


John Schulman-OpenAl (350B)



John Schulman 是一位著名的人工智能研究科学家,尤其在强化学习和大语言模型领域有着重要贡献。


2015 年 12 月,Schulman 连同奥特曼等人共同创立了 OpenAI,并在其中担任重要角色。他在 OpenAI 领导了强化学习团队,参与创建了 ChatGPT,并从 2022 至 2024 年共同领导了后训练团队。Schulman 于 2024 年 8 月从 OpenAI 离职。


Schulman 离开 OpenAI 后,加入竞争对手 Anthropic,专注于 AI 对齐研究。然而,他在 Anthropic 仅工作了半年,于


今年 2 月,Schulman 成为初创公司 的联合创始人兼首席科学家。Thinking Machines Lab 是一家「人工智能研究和产品公司。」 CEO 为 OpenAI 前 CTO Mira Murati,她曾在 OpenAI 领导过研究、产品与安全方面的工作。


谷歌学术页面显示,John Schulman 的学术引用总数已经超过 10 万。其中,引用量最高的研究便是他创造的 PPO 算法《Proximal policy optimization algorithms》。


他在加州大学伯克利分校获得了计算机科学博士学位,导师为该校教授、深度强化学习大牛 Pieter Abbeel。之后从事机器人和强化学习研究与工作。在此之前,他还曾在伯克利短暂学习过神经科学,并在加州理工学院学习过物理学。


Aravind Srinivas-Perplexity (15B)



Aravind Srinivas 是一位印度裔美国计算机科学家、企业家,因联合创立 AI 初创公司 Perplexity AI 而广受关注。


2018 年,他在 OpenAI 实习并参与开发强化学习项目,师从 John Schulman。


2022 年,Srinivas 与 Denis Yarats、Johnny Ho 等人联合创立了 Perplexity AI,担任首席执行官。Perplexity AI 致力于打造世界上最值得信赖的问答引擎,其核心产品是一款基于大型语言模型的聊天机器人,能够提供准确的答案和信息来源。


Aravind Srinivas 工作经历也非常丰富,先后就职于谷歌 DeepMind、OpenAI 等明星公司。


Aravind Srinivas 在印度理工学院马德拉斯分校(IIT Madras)完成了电气工程硕士学位,专注于迁移学习和强化学习研究。随后,他前往加州大学伯克利分校深造,获得计算机科学博士学位,研究方向包括高效深度学习训练方法和计算机视觉。


Deepak Pathak-Skild (4B)



Skild AI 是一家专注于机器人技术和人工智能应用的初创公司,成立于 2023 年 5 月,由 Deepak Pathak 和 Abhinav Gupta 创立。该公司致力于构建通用机器人智能。


Skild AI 开发了一款被称为 Skild Brain 的可扩展机器人基础模型,成为各种机器人在不同场景和任务中的通用大脑。这一模型能够适应不同的硬件平台和环境,从建筑工地到工厂,再到家庭等场景。去年 7 月,Skild AI 完成 3 亿美元 A 轮融资,估值达到 15 亿美元。此外,2025 年 1 月,有消息称软银正在谈判向 Skild AI 投资 5 亿美元,其估值约为 40 亿美元。


我们再回到 Deepak Pathak 本人。Deepak Pathak 博士毕业于加州大学伯克利分校,导师是 Alyosha Efros 和 Trevor Darrell 教授。他主要专注于计算机视觉、机器学习和机器人技术的交叉研究。


之前,Deepak Pathak 在 Meta AI 研究部门担任了一年的研究员,并在加州大学伯克利分校以访问博士后的身份与 Pieter Abbeel 合作。


Chelsea Finn, Sergey Levine-Pl (2.4B)


Physical Intelligence(简称 PI 或 π)是一家专注于开发基础模型和学习算法的美国初创公司,目标是为当今的机器人和未来的物理驱动设备提供动力。



Chelsea Finn 是斯坦福大学计算机科学和电气工程助理教授,也是 Pl 的联合创始人。


之前,Chelsea Finn 在加州大学伯克利分校完成了计算机科学博士学位,并在麻省理工学院获得了电气工程和计算机科学学士学位。她还曾在谷歌大脑团队工作过一段时间。



Sergey Levine 被认为是强化学习领域的领军人物之一,他的谷歌学术引用量超过 17 万。他也是 PI 的联合创始人。


Sergey Levine 现在是加州大学伯克利分校电气工程与计算机科学系副教授,专注于能够使自主智能体通过学习获得复杂行为的算法,特别是能够使任何自主系统学习解决任何任务的通用方法。这类方法的应用包括机器人技术,以及需要自主决策的其他领域。


Sergey Levine 2009 年获得了斯坦福大学硕士学位,2014 年获斯坦福大学博士学位,2016 年加入加州大学伯克利分校电气工程与计算机科学系。他的研究涉及自动驾驶、机器人、计算机视觉和图形学。他的研究包括开发用于深度神经网络的端到端训练算法,用于逆向强化学习的可扩展算法,深度强化学习算法等。


Roshan Rao-Evolutionary Scale (x00M est.)



Roshan Rao 是 EvolutionaryScale 的联合创始人兼研究科学家,致力于研究蛋白质的进化模型。此前他在 Meta AI 工作,并在加州大学伯克利分校完成了博士学位,导师是 John Canny 和 Pieter Abbeel。


EvolutionaryScale 是一家非盈利公司。他们的使命是通过与科学界合作以及开放、安全和负责任的研究,开发人工智能来理解生物学,造福人类健康和社会。自成立以来,ESM 项目一直致力于通过代码和模型发布来开放科学,该团队承诺将继续坚持下去。该公司成立于 2023 年 7 月已经完成 1.42 亿美元种子轮融资,并已经与亚马逊(Amazon)和英伟达(NVIDIA)公司达成合作。


2024 年夏天,EvolutionaryScale 推出了 ESM3,一款面向蛋白质语言的大模型,成功在自然进化未曾涉足的区域设计出功能性蛋白,同期上线了该研究的预印版本。


时隔半年,该研究以「Simulating 500 million years of evolution with a language model」为题,于 2025 年 1 月 16 日在《Science》发布。


Aditya Grover-Inception Al (x00M est.)



Aditya Grover 是加州大学洛杉矶分校的计算机科学助理教授,领导机器智能 (MINT) 小组开发可以在有限监督下进行交互和推理的人工智能系统。


在加入 UCLA 之前,他曾在 FAIR 和 Meta 的核心机器学习团队担任研究科学家。此前他在加州大学伯克利分校度过了博士后生涯(导师为 Pieter Abbeel),在斯坦福大学完成了博士学位(导师为 Stefano Ermon,扩散模型的发明者之一),在印度理工学院德里分校完成了学士学位(联合导师是 Mausam、Parag Singla)。


Aditya Grover 博士期间的导师 Stefano Ermon 于去年夏天创立了 Inception,并邀请他和康奈尔大学教授 Volodymyr Kuleshov 共同领导公司。 


不久前, Inception 发布了,在英伟达 H100 上能以每秒超过 1000 token 的速度运行,性能媲美现有的经过速度优化的 LLM。基于来自 MidJourney 和 Sora 等图像和视频生成系统的灵感,Inception 为 Mercury 引入了一种新的语言生成方法。相比于现有的 LLM,这种方法的运行效率显著更高(速度更快、成本更低),并且还可将推理成本降低 10 倍。


Peter Chen&Rocky Duan&Tianhao Zhang-Covariant (625M)


左一至左四:陈曦、Pieter Abbeel、段岩、张天浩


Covariant 是一家位于美国湾区的人工智能与机器人公司,致力于构建先进的人工智能模型,使机器人能够观察、推理和应对周围的世界,从而支持多种不同的仓库自动化任务。


公司成立于 2017 年,原名为 Embodied Intelligence,由 Pieter Abbeel、Peter Chen(陈曦)、Rocky Duan(段岩)和 Tianhao Zhang(张天浩) 创立。Pieter Abbeel 担任首席执行官,Abbeel 担任总裁兼首席科学家,段岩担任首席技术官。


自 2008 年以来,Abbeel 一直担任加州大学伯克利分校机器人学习实验室主任,同时还是该校教授。三位创始人都是他在这所大学的学生。此外 Pieter Abbeel 和陈曦、段岩曾在 OpenAI 担任研究员(当时 OpenAI 解散了机器人团队),张天浩曾是微软研究员。


在实验室的研究基础上,两位创始人花了两年多时间设计出 Covariant Brain,这是一款由人工智能驱动的软件,可以为机械臂提供动力,使其能够在仓库中执行劳动。2018 年,该公司开始收集全球仓库中 30 种机械臂的数据,所有这些机械臂都使用 Covariant Brain 运行。此后,该公司建立了一个包含数十亿个现实世界机器人信息的数据库。


2024 年 9 月,亚马逊宣布聘用 Pieter Abbeel、Peter Chen 和 Rocky Duan 和 Covariant 约四分之一的员工,帮助推动 Covariant 技术在亚马逊运营中的开发和实施,还签署了使用 Covariant 机器人基础模型的非独家许可。


Misha Laskin-Reflection (555M)


Misha Laskin(左)和 Ioannis Antonoglou(右)


Misha Laskin 曾于 2022-2024 年任 Google DeepMind 研究科学家,此前曾在加州大学伯克利分校念博士后,是芝加哥大学理论物理学博士。他曾帮助开发谷歌 Gemini 大语言模型系列的训练工作流程。


不久前,他宣布了自己已经,旨在开发超级智能。公司一亮相,就已宣布获得 1.3 亿美元融资,估值更是高达 5.55 亿美元。


除了担任 CEO 的 Misha 之外,公司的联合创始人 Ioannis 是谷歌 DeepMind 的创始工程师,也是 AlphaGo 的幕后功臣,还从事了 Gemini 的训练后系统工作。其他团队成员也都是曾在 DeepMind、OpenAI 和其他前沿实验室发挥主导作用的研究人员和工程师,参与打造了过去十年间一些最先进的人工智能系统,比如 AlphaGo 和 Gemini 等。


Reflection 的愿景是构建超级智能代理来执行所有知识工作,这建立在两个核心信念之上:


1. 自主编码是迈向超级智能的关键一步。

2. 现实世界的评估 —— 而不仅仅是基准 —— 才是最重要的。


Jonathan Ho-ldeogram (500M est.)



Jonathan Ho 于 2020 年博士毕业,他曾与 Ajay Jain、Pieter Abbeel 联合提出了去噪扩散概率模型(Denoising diffusion probabilistic models,DDRM)。



此后,他曾在谷歌担任研究科学家,并在 2022 年 12 月共同创立了 Ideogram,开发文本生成图像模型。公司利用深度学习技术将自然语言描述(即提示词)转化为数字图像。与其他文本生成图像模型相比,Ideogram 的独特之处在于其能够在生成的图像中准确地呈现可读的文字内容,这使其在创建包含文本元素的图像(如标志、海报等)方面表现出色。


2024 年 8 月,公司发布了 Ideogram 2.0 模型,提供了现实主义、设计、3D 和动漫等多种风格,并进一步提升了在图像中生成文本的能力。



自创立以来,Ideogram 完成了多轮融资,包括 2023 年 8 月的 1650 万美元种子轮融资,该轮融资由 a16z 和 Index Ventures 领投;以及 Ideogram 1.0 发布后获得由顶尖风险投资公司 a16z 领投的 8000 万美元 A 轮融资。


Ajay Jain-Genmo

2023 年,Ajay Jain 博士毕业。博士期间,他的研究包括了机器学习(尤其是深度生成模型和表示学习)和计算机系统,学习了强化学习、无监督学习、计算机视觉、NLP、优化以及近似算法和系统方面的知识。


他是 DDPM 和 DreamFusion 的共同创建者。他们的工作为包括 Stable Diffusion 和 DALL-E 2 在内的所有现代扩散模型奠定了基础。



他曾在 Google Brain 工作,创建了首个文本到 3D 生成模型。2022 年 12 月,他共同创立了 Genmo AI 并担任 CTO,这是一家专注于视频生成的 AI 公司。



2024 年 10 月,Genmo 推出了 Mochi 1 开源视频生成模型的研究预览版本,可以实现高保真运动和强大实时性,尤其在遵循用户详细指令方面做得很好。



Ariun Singh-Gradescope


Arjun Singh 于 2016 年博士毕业。



2014 年,Arjun Singh 与 Pieter Abbeel、Sergey Karayev(另一位博士)共同创立了 Gradescope,一款利用人工智能辅助教师评分的工具。


图源:从左到右依次为 Gradescope 联合创始人 Pieter Abbeel、Arjun Singh 和 Sergey Karayev。


根据 Crunchbase 的信息,Gradescope 已完成多轮融资,投资方包括 Khosla Ventures、Reach Capital 和 Gradient Ventures 等知名机构。不过,具体的融资金额和轮次并未公开披露。


值得注意的是,2018 年,Gradescope 被 Turnitin 收购。此后,Gradescope 继续作为 Turnitin 旗下的产品运营,致力于为教育工作者提供高效的批改和反馈工具。


Philipp Wu&Fred Shentu-Stealth


Philipp Wu 现为 Pieter Abbeel 的博士生(2021 年 8 月到 2026 年 5 月)。他的研究兴趣在于现实世界的通用机器人,研究涉及到了强化学习、无监督学习和机器人技术的交叉融合。


他在 Pieter Abbeel 负责的机器人学习实验室(Robot Learning Lab)工作,内容包括创建低成本、对人类安全、7 自由度的柔性机械臂,被称为「Blue」,应用包括辅助家庭护理、深度强化学习、模仿学习和抓取。此外,他还研发了一个机器人动力学和运动学模型以及一个用于测试控制算法的「Gazebo」模拟器,等等。



Yide (Fred) Shentu 现为 Pieter Abbeel 的博士生。他本科同样就读于加州大学伯克利分校,主修专业为物理以及数学和计算机科学。本科期间,他曾在 BAIR(伯克利人工智能研究实验室)担任研究助理。本科毕业后,他曾担任机器人公司 Covariant AI 的创始工程师和研究科学家。



目前,关于 stealth 的信息不多。



© THE END 
转载请联系本公众号获得授权
投稿或寻求报道:liyazhou@jiqizhixin.com

交叉方向绝对是未来趋势,现在很多问题都需要跨学科的知识才能解决。个人比较看好 AI 在医疗领域的应用,比如新药研发、疾病诊断等等。当然,伦理问题也需要重视。

个人认为,除了已经提到的因素,伯克利 EECS 本身就是全美 top3 的 CS 项目,能进去的学生本身就很优秀了,更容易做出成果。就像一个正反馈,好的学生吸引更好的学生。

除了导师和学生,我觉得伯克利开放的学术氛围以及对创新失败的包容度也很关键。只有允许试错,才能大胆探索新的方向啊。

从创业者的角度来看,退出也是一种成功。把技术卖给大厂,可以实现财务自由,然后继续新的探索。而且,大厂也能把技术更好地推广开来,让更多人受益。

我认为这种多样性是必然的。AI 本身就是一个交叉学科,可以与各个领域结合。未来 AI + X 还有无限可能,比如 AI + 可持续能源,AI + 艺术创作等等。

各有优劣吧。独立发展可以保持初心,不受制于人,但需要有强大的资金和市场运作能力。被“收编”虽然失去了部分自由,但也能更快地实现商业价值。

我觉得这要看情况吧。被收购能获得更多的资源和平台,加速技术落地,但同时也可能失去独立性。对于一些需要大规模算力支持的公司来说,被大厂收购可能是不错的选择。

我觉得地理位置也很重要,硅谷的创业氛围和资金支持是其他地方难以比拟的。而且靠近学术界,能及时获取最新的研究成果,转化为商业应用。

感觉这种多样性更多是学生自身兴趣和研究方向上的选择吧。不过,导师应该也会鼓励学生们探索不同的领域,不局限于某个特定的方向。