TypeSafe AI 完成 8.7 亿美元融资，估值达 75 亿美元

（本文作者为 Tech商业，钛媒体经授权发布）

文 | Tech 商业

Jev背后的开发公司TypeSafe AI近日完成8.7亿美元融资，估值达到75亿美元。本轮融资由Andreessen Horowitz领投，Sequoia和现有投资者DCVC也参与了投资。此时，距离其新型人工智能模型Jev发布，仅过去几周。

在聊天机器人席卷全球的当下，这个“不会聊天”的模型反而成了资本和企业共同追逐的对象。TypeSafe声称，财富500强企业中已有三分之一在使用Jev，企业采用速度之快令人瞩目。更关键的是，Jev并非大语言模型，它不输出文本，而是生成概率——用TypeSafe的话说，是“校准决策”。

发布即爆红：一个“哑巴模型”的意外出圈

9月15日，Jev上线后几乎瞬间走红。开发者社区迅速涌现出大量使用场景：有人用它过滤垃圾信息，有人拿它辅助交易决策，还有人把它接入Agent系统充当“裁判”。发布视频在社交平台获得数千万次播放，付费团队采用数在云开发平台上刷新纪录。

资本市场的反应同样迅猛。TypeSafe AI刚走出隐身状态时，完成的是由DCVC领投的4000万美元种子轮融资，估值约2亿美元。但Jev的爆发式增长，让融资节奏骤然加快。据《The Information》报道，公司一度在洽谈至少10亿美元的新融资，部分投资人给出的估值报价已超过100亿美元。最终，a16z领投的8.7亿美元融资落地，估值定格在75亿美元。

TypeSafe AI由前Meta研究工程师Sasha Sheng和工程师、企业家Erik Gafni于2024年共同创立，Almeida此前曾是OpenAI的研究员。团队规模不大，却已在短时间内站上75亿美元估值。关于创始团队的细节，外界所知仍有限，但资本显然更关心Jev本身能做什么。

不生成文本，生成“决策” Jev基于Transformer架构，但它并非大型语言模型。它不输出文本，而是生成概率，或者说是“校准决策”。Jev之所以令用户和大型企业兴奋，是因为TypeSafe声称它的运行速度比LLM快得多，而且使用的标记也少得多。公司将其方法定位为特别适合自动化任务，而不是生成文本或代码。

“四年来，我们在人类语言方面做得非常出色，但这对于自动化来说毫无用处，因为计算机说的是另一种语言。”TypeSafe联合创始人Diogo Almeida上个月告诉TechCrunch。

这句话点出了Jev的核心逻辑。传统大语言模型输出的是自然语言，应用程序如果要使用这些结果，往往需要额外编写代码来解析文本，提取出真正需要的值——比如一个分类标签、一个是/否判断、一个评分。这个解析步骤不仅增加开发复杂度，也引入了不确定性。

Jev的做法截然不同。它将输入信息归入预设的输出集合，直接返回“是或否”的判断、数值评分或既定选项结果。它返回的是应用程序可以直接使用的类型化值，无需中间解析步骤。换句话说，Jev不是为了让人类读得懂，而是为了让代码直接调用。

这套技术思路被TypeSafe称为“面向校准决策的强化学习”。Almeida此前在OpenAI参与过指令遵循模型的构建，也是RLHF技术的共同发明人之一。但正是对RLHF的质疑，促使他离开OpenAI。他在播客访谈中揭示了一个关键洞察：RLHF训练虽然让模型更擅长对话，却也悄悄摧毁了模型的校准能力，导致“模式丢弃”。换句话说，让模型学会说漂亮话的代价，是让它失去了做出可靠判断的能力。

Jev的定位因此格外清晰：它不是为了和人聊天，而是为了让代码调用。它的输出响应时间在700毫秒以内，速度比前沿大语言模型快约100倍，成本仅为后者的1/100到1/500。官方数据显示，处理同一批评论标注任务，Jev耗时203.2秒，成本0.84美元，而对比模型耗时823.5秒，成本1.50美元。目前Jev的定价为每百万输入token仅0.042美元，输出免费。a16z在投资公告中甚至用一个细节说明了Jev输出的精简程度：“输出如此之小，以至于他们甚至不收输出费用。”

为什么企业愿意买单？

自动化场景长期存在一个痛点：大模型虽然聪明，但不够稳定。Almeida曾用一个比喻形容这种困境：如果模型“95%的时间像爱因斯坦一样聪明，但剩下5%却表现得像憨豆先生”，那么它在自动化生产环境中毫无用处。

Jev试图解决的正是这个问题。它不追求生成流畅文本，而是追求在有限选项内做出可靠判断。这种能力在分类筛选、流程审批、路径选择、智能体动作判定等高频场景中，恰好是刚需。企业不需要一个会写诗的AI，而需要一个能在700毫秒内告诉系统“通过”还是“拒绝”的AI。

行业分工的趋势正在形成——生成式大模型负责复杂推理，决策模型负责高确定性的自动化判断。Almeida将这一方向称为“System One模型”，它们被设计为与代码深度集成，而非与人对话。

a16z在投资公告中阐述了这一理念的深远意义：“‘AI吃掉软件’这句话讽刺地意味着它正在更快地写更多传统软件，但未必让软件变得更智能。真正的经济解锁应该是，所有软件都能以符合传统软件经济学的性能和成本，自然地内嵌最新模型的智能。”

巨头跟进，新赛道成形

Jev的爆红，迅速引发了硅谷巨头的连锁反应。

OpenAI上线了名为Decisions API的工具，依托其Luna模型，用来回答限定在预设结果内的问题。数据平台Databricks发布了ai_decide功能。Cloudflare推出了开源模型Clef系列。亚马逊此前已有Strands Decider 2B落地。

这些产品指向同一个方向：不再采用逐Token自回归生成的模式，而是直接对候选答案打分，面向分类筛选、流程审批、路径选择、智能体动作判定等高频有限选项场景。Jev并非唯一玩家，但它是第一个把这条路线推到聚光灯下的模型。

Almeida表示，他早就预料到会出现跟风竞品，但他仍然相信Jev拥有更强的能力与智能化水平。“Jev代表着一类新型人工智能的开端，”他说，“人工智能领域仍存在大量待挖掘的技术方向，Jev迈出的只是新赛道的第一步。”

资本为何疯狂？

从2亿美元到75亿美元，TypeSafe AI用了不到一个月。这种估值飙升速度，在AI融资史上也属罕见。

a16z在官方投资公告中毫不掩饰兴奋：“Jev的发布是我们今年见过的最大叙事颠覆。”这家曾投资OpenAI和xAI的顶级风投写道，“我们从未见过增长如此之快的模型——上线3天即达到1万亿token的生成量。”

估值逻辑并不复杂。Jev不试图替代ChatGPT，而是嵌入软件自动化流程，符合传统软件经济学的性能和成本要求。如果企业能够以极低成本、极高速度让软件内嵌智能决策能力，那么其市场空间将不仅限于AI对话，而是整个软件自动化市场。

当然，挑战同样存在。跟风竞品正在涌现，大模型厂商也可能将类似能力内化到自身产品中。企业采用速度惊人，但长期留存和可靠性仍需验证。校准决策在安全、责任和边界条件上的表现，也将接受更严格审视。

但至少目前，市场用真金白银给出了判断：在自动化场景中，可靠比聪明更重要，可执行比可读更有价值。当整个行业都在追求更像人的AI时，Jev选择了一条“更像计算机”的路。而这条路的商业价值，正在被迅速重估。

本文来自微信公众号“Tech商业”，作者：Tech商业，经授权发布。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App