三个20多岁年轻人，没有产品，9个月估值从15亿飙到60亿美元

没有产品，没有收入，没有公开技术白皮书。2026年10月，美国AI初创公司Flapping Airplanes宣布完成10亿美元A轮融资，估值冲上60亿美元——9个月前，它的种子轮估值还是15亿美元。Index Ventures和Lux Capital联合领投，红杉资本、GV、Kleiner Perkins跟投。这家成立不足一年的公司，凭什么让硅谷最挑剔的资本集体下注？

希鸥网观察到，Flapping Airplanes的融资节奏本身就是一个信号。2026年1月种子轮1.8亿美元，估值15亿美元；10月A轮10亿美元，估值60亿美元。累计公开股权融资额约11.8亿美元，而公司至今没有规模化收入。资本不是在为产品买单，是在为一个技术假设买单：能不能用更少的数据、更少的算力，获得同等甚至更强的智能？

拆解创始团队，答案更清晰。CEO Ben Spector在MIT联合创办了学生加速器Prod，Cursor、Mercor、Etched等公司早期孵化与他有关，红杉称Prod为“硅谷最强大的人才孵化器之一”。他2024年以第一作者身份发表开源GPU编程框架ThunderKittens论文，在GEMM和注意力推理性能上匹配cuBLAS与FlashAttention-3。这是GPU底层计算系统的硬核底色。

哥哥Asher Spector在斯坦福攻读统计学博士，曾在Meta广告团队实习，工作涉及用更少用户数据训练模型。Aidan Smith是Thiel Fellowship获得者，在Neuralink工作三年，接触神经科学与工程系统的交叉地带。三人的共同判断是：现有大模型在数据效率上远未触及上限，参数最多、数据最大的系统未必是最终赢家。

这个判断的商业逻辑值得细看。过去几年AI行业遵循一条清晰路径：增加参数、扩大数据、堆叠算力。结果是训练成本飙升，推理部署持续烧钱。Flapping Airplanes从两个方向切入：一是提升模型数据利用效率，让系统从更少数据中提取更多有效信息；二是开发Megakernel GPU计算框架，将分散的计算操作整合到更大的内核程序中执行，减少调度和同步开销，让计算单元和内存系统交替发挥作用，压缩GPU空闲时间。

希鸥网认为，Flapping Airplanes的博弈价值不在于它能否成为下一个OpenAI，而在于它押注的“效率路线”是否成立。如果数据效率和GPU利用率取得突破，首当其冲的是英伟达高端芯片的刚性需求叙事，以及依赖算力规模构建护城河的大模型公司。受益方则是中小型AI团队、机器人公司、生命科学等数据稀缺且计算成本敏感的领域。这是一场关于AI成本结构的重新定价。

回到创业者的操作层面，Flapping Airplanes的案例提供了一个反面参照：它走的是“先有技术假设、再找资本验证”的路径。但对绝大多数创业公司而言，更务实的做法是亲自小规模销售，用天使客户验证销售模型，而非提前大规模招聘销售团队或盲目铺量投放。没有稳定天使客户成交，就退回打磨产品方案——这是客户检验阶段的基本纪律。

尤其当产品面向全新市场时，策略必须克制。Flapping Airplanes的Megakernel框架如果推向市场，面对的是GPU底层计算优化这个全新场景，没有现成的客户预算科目可以对照。全新市场的首要任务不是追求短期销量，而是培育认知、深耕天使客户口碑。照搬成熟市场的打法是危险的：重金投放全网广告、大规模招聘销售团队，在客户探索尚未完成时就铺开，只会加速消耗现金。

创业公司还需要警惕组织规模的提前膨胀。从服务天使客户转向覆盖主流客户、从松散团队升级为标准化组织、从创始人亲力亲为转向流程驱动——这三大转型必须在销售模型验证完成后才启动。Flapping Airplanes目前只有三位创始人和极小的团队规模，60亿美元估值对应的是不到20人的编制。这种克制本身，或许是它最容易被忽略的竞争力。

金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo