報導：Accel 擬主導為 Thinking Machines 籌資 10 億美元，估值達 400 億美元
目錄
你可能想知道
Accel 是否準備主導對 Thinking Machines 的 10 億美元投資，且估值高達 400 億美元？
這樣的估值與公司營收及先前募資輪相比如何？
主要議題
Thinking Machines 是一家人工智慧研究與產品公司，由前 OpenAI 技術長 Mira Murati 於去年初創立，據稱正洽談以至少 400 億美元估值新募集約 10 億美元資金。熟悉內情的消息來源與 The Information 的報導指出，該公司的既有投資者 Accel 正在討論是否主導該潛在的募資輪。若完成，此輪將訂出一個隱含市值，低於公司去年底尋求的早先約 500 億美元的目標估值。
目前資訊顯示 Thinking Machines 的年化營收運轉率已超過 1 億美元。以該營收水平衡量，400 億美元的估值對比典型企業軟體與 AI 產業的基準而言，對營收倍數來說非常高。這樣的倍數反映投資人對未來成長、公司技術與團隊的策略價值或兩者組合的預期。
Thinking Machines 已開發出能為 AI 模型與基礎設施創收的產品與服務。今年七月，公司推出了稱為 Inkling 的開放權重模型，以及名為 Tinker 的平台，該平台主要透過基於使用量的運算費用為將模型調整為客戶專有資料來收費。這些產品供給構成公司現行的營收來源，也是其進一步商業化的路徑。
這項關鍵洞察顯著影響對提議估值的理解： 對於超過 1 億美元的運轉率來說，400 億美元的估值意味著非同尋常的高成長預期或與智慧財產、人才或市場定位相關的策略溢價，而不僅僅是傳統的營收倍數。
公司的早期融資歷史有助於理解投資者興趣。先前 Thinking Machines 完成了一輪規模達 20 億美元的募資，該輪因規模龐大而引人注目，由 Andreessen Horowitz 主導。該輪據報將公司估值約為 120 億美元，並吸引包括 Nvidia、GV、Lightspeed 與 Conviction Partners 等大型科技與投資機構參與。該規模可觀的種子階段支持反映出創辦團隊的經驗以及加入新創公司的前 OpenAI 研究人員的背景所帶來的信心。
儘管初期投資者熱情高漲，Thinking Machines 自創立以來已發生數起高調離職。一些共同創辦人與知名研究人員 — 包括 Lilian Weng 與 Luke Metz — 據報已回到 OpenAI。此類人事變動可能影響投資人對公司穩定性、執行風險與長期研究與產品發展方向的看法。
在被詢問時，Accel 與 Thinking Machines 的代表並未立即回應評論。與任何機密或進行中的融資一樣，細節可能會變動，且公開報導可能落後於私人談判。如果此輪以報導中的估值與規模完成，將顯示投資人對與業界關係密切的 AI 新創公司仍有強烈需求，但也會對相較於營收表現的估值紀律提出質疑。
重要洞察表
| 面向 | 說明 |
|---|---|
| 潛在募資 | 據稱 Thinking Machines 正尋求籌資約 10 億美元，Accel 正洽談主導。 |
| 報導估值 | 此輪將公司估值約為 400 億美元，低於先前約 500 億美元的目標。 |
| 營收運轉率 | 據報年化營收運轉率超過 1 億美元，在 4000 億（註：此處應為 400 億）估值下意味著非常高的營收倍數。 |
| 近期產品 | 推出了 Inkling（開放權重模型）與 Tinker 平台，對使用量收取運算費用。 |
| 先前融資 | 先前一輪 20 億美元的募資將公司估值約為 120 億美元，並包括 a16z 與 Nvidia 等主要投資者。 |
| 團隊變動 | 發生數起高調離職，部分共同創辦人返回 OpenAI，影響穩定性認知。 |
後續…
展望未來，觀察者應密切關注數個領域以評估如此高估值的合理性與可持續性。首先，持續的營收成長與耐久的、合約式的客戶關係擴展將有助於證明較高倍數的合理性。其次，產品供給的演進——包括模型效能、整合便利性，以及像 Tinker 這類平台上的服務成本——將影響商業化引力。
第三，人才留任與公司吸引並留住頂尖 AI 研究人員與工程師的能力依然至關重要。創辦或技術人員的高流動率可能削弱執行力並降低被感知的價值。最後，基礎設施、模型效率的進步，以及像 Inkling 這類開放權重模型的可重現基準，將影響技術可信度與市場採用。
總結來說，Accel 可能主導的 10 億美元募資並以 400 億美元估值完成，將突顯投資人對 Thinking Machines 團隊與技術的熱情，以及 AI 融資中策略性預期常常超越短期營收的廣泛動態。圍繞財務、產品里程碑與團隊穩定性的持續透明，對市場參與者評估公司在快速演變領域中的發展路徑至關重要。
值得進一步探究的關鍵領域包括營收的可持續性、產品整合經濟性、人才留任策略，以及核心 AI 模型與平台的透明效能基準。