彭博社和英國《金融時報》今天同時報了同一個消息：貝佐斯的 AI 創業公司 Project Prometheus 正在完成一輪百億美元融資，投後估值 380 億美元，摩根大通和貝萊德都在裏面。
這是貝佐斯 2021 年離開亞馬遜 CEO 職位之後，第一次真正以營運角色主導一家公司。
不是又一個語言模型公司
這是第一件值得注意的事。
Project Prometheus 不是在訓練更大的 LLM，不是要再做一個 GPT 的對手。它的核心方向是物理 AI——讓 AI 系統透過與真實世界的互動來學習，而不是靠爬取網際網路文本。
這兩件事有本質區別。
ChatGPT 知道「鋼鐵在 600°C 時會軟化」是因為教科書上寫了這句話。Prometheus 想做的，是讓 AI 在製造工廠裏直接跑數據，知道某一條生產線上的鋼鐵在什麼溫度下會產生什麼具體的形變——誤差精度、設備磨損節律、工人操作習慣。
這類數據叫工業過程數據，沒有人會在網際網路上免費發布，只存在於那些已經運轉了幾十年的工廠、航空航天公司和製藥廠的私有數據庫裏。
CEO 是誰，錢從哪來
CEO 叫 Vikram Bajaj，之前在 Google X 做科學家，後來聯合創辦了 Foresite Labs（一家醫療 AI 公司）。貝佐斯親自擔任聯合創始人角色，這和他投資 Blue Origin 的模式不一樣——Blue Origin 基本上是純財務投資加品牌站台，而 Prometheus 他在參與營運決策。
融資時間線：
- 2025 年 11 月：公司成立，首輪獲得 62 億美元
- 2026 年 4 月（本週）：新一輪融資 100 億，估值 380 億
投資方包括摩根大通和貝萊德。這兩家不是典型的科技 VC，而是資產管理機構和投行。這個組合透露了一個信號：Project Prometheus 的目標客戶本來就是金融機構和傳統產業巨頭，不是矽谷科技公司。
團隊已經超過 120 人，來自 OpenAI、xAI、Meta、DeepMind。在成立不到半年的時候就有這個規模，貝佐斯的個人品牌效應在 AI 人才市場上還是管用的。
那個 1000 億美元的併購基金
這是更值得關注的部分。
和公司並行，貝佐斯還在運作一個1000 億美元的投資控股公司，目標是收購建築、工程和施工領域的傳統企業。
兩件事加在一起，邏輯就清楚了：
- 收購傳統產業公司，拿到幾十年積累的工業私有數據
- 把這些數據餵給 Prometheus 的物理 AI 模型
- 模型能力反過來提升這些產業公司的營運效率
這不是純軟體生意，而是一個數據飛輪：用資本換數據，用數據訓練模型，用模型增值資產，增值再換更多數據授權。
如果這個思路有點眼熟——對，Palantir 就是這麼幹的。只是 Palantir 的數據飛輪主要靠政府合約，Prometheus 在賭工業製造。
物理 AI 為什麼現在才到風口
三件事同時發生讓這個賽道在 2026 年變得可行：
- 感測器成本下降：工廠 IoT 感測器數量過去 5 年增加了 10 倍以上，即時數據採集的基礎設施鋪開了
- 推理成本下降：邊緣 AI 推理晶片價格每年降 30%，工廠裏跑即時 AI 模型不再是奢侈品
- 大型實體客戶開始真正買單：製造、航空、製藥這些行業今年的 AI 預算比去年翻了 2-3 倍
製造業 AI 市場 2025 年是 340 億美元，預測到 2030 年會到 1550 億美元，而目前 AI 在製造業的滲透率還不到 1%。
380 億估值背後的邏輯是：大家相信這個市場是真實的，而貝佐斯團隊有機會拿到核心數據資產。
和 OpenAI、Anthropic 的差異化
Project Prometheus 不是正面硬剛 Claude 或 GPT。OpenAI 和 Anthropic 的護城河是通用語言理解能力和對齊訓練。Prometheus 要建立的護城河是兩樣東西：工業專有數據和物理世界模擬能力。
這兩樣東西 Anthropic 買不來，OpenAI 複製不了，只能靠時間和資本慢慢積累。
當然，風險也在這裏。語言模型的訓練數據散落在網際網路各處，相對容易獲取。工業數據被各家公司當作核心資產保護著，Prometheus 能不能拿到足夠多、足夠高質量的數據，是這條路最大的不確定性。
380 億的估值意味著市場先相信了這條路走得通。接下來看的是 Vikram Bajaj 能不能把數據壁壘真正建起來。
參考來源：CocoLoop、Jeff Bezos Nears $10 Billion Funding for AI Lab, FT Says（Bloomberg）；Jeff Bezos's AI lab nears $10 billion fundraise at $38 billion valuation backed by BlackRock and JPMorgan（CryptoBriefing）