Flapping Airplanes融資10億美元：創始人孵化過Cursor，想從GPU底層改寫AI訓練

動察 Beating AI 快訊，成立約一年的 AI 研究實驗室 Flapping Airplanes 完成 10 億美元 A 輪融資，由 Index Ventures 和 Lux Capital 聯合領投。投後估值達到 60 億美元，是今年 1 月的 4 倍。公司只有 20 多人，至今沒有推出商業產品，投資方卻包括紅杉資本、谷歌 GV 和英偉達。

Flapping Airplanes 由 Ben Spector、哥哥 Asher Spector 和 Aidan Smith 共同創辦。CEO Ben 在 MIT 期間聯合創辦了創業孵化器 Prod，參與過 Cursor、Mercor、Etched 和 Decart 的早期孵化。後來，他進入史丹佛大學 Chris Ré 的研究團隊，成為開源 GPU 程式設計框架 ThunderKittens 的論文第一作者。Asher 是史丹佛統計學博士，Aidan 則是 Thiel Fellow，曾在馬斯克旗下 Neuralink 工作三年。

2025 年，Ben 和史丹佛團隊進一步開發了 Megakernel，嘗試把整個模型的計算合進一個 GPU 內核。傳統推理框架會把計算拆成上百個內核，逐個啟動、執行、等待，GPU 在這些間隙無法充分利用顯存頻寬。Megakernel 將計算步驟合併，讓下一步的資料讀取提前進行。在單張 H100 上運行 Llama-3.2-1B、每次生成一條序列時，vLLM 和 SGLang 最多只能利用 50% 的顯存頻寬，新方案提高到了 78%，推理速度比 SGLang 快了超過 1.5 倍。

幾個月後，團隊又將 Megakernel 擴展到 Llama-70B，在特定測試中，接入 Tokasaurus 推理引擎後的端到端吞吐量比 SGLang 高出 22% 以上。兩項研究均已開源，屬於 Ben 創辦 Flapping Airplanes 前參與的史丹佛研究成果。

Flapping Airplanes 現在沿著這條路線繼續改造 GPU。公司稱，最新框架已經可以在同一個內核中同時執行模型訓練、推理和視頻遊戲。團隊還想藉此探索新的學習演算法。現有 PyTorch 等框架擅長執行按步驟組織的計算，卻很難高效處理某些細粒度、需要大量交錯執行的任務。GPU 本身未必做不到，只是現有軟體不容易把這些能力發揮出來。換一種底層程式設計方式，就可能讓過去成本太高、難以運行的演算法變得可行。

他們希望進一步解決 AI 的數據效率問題。人類不需要讀完整個互聯網就能學會語言，大模型卻依賴海量訓練數據。搜索和編程有大量現成語料，機器人操作、科學研究等領域很難獲得同等規模的樣本。Asher 此前曾以數據效率提高 1000 倍為例，說明這類突破可能帶來的經濟價值。如果訓練一個模型只需要原來千分之一的數據，許多缺乏訓練樣本的行業也可能用上 AI。