# Q3营收破7.8亿的云巨头为何自称Neolab？Cloudflare深度访谈：两周复刻Clef、首创System 1提取模型Clairic与开源后训练战略全拆解

- Link: https://paooo.com/aigc-news/42683/
- Published: 2026-11-18T16:09:30+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * Cloudflare把边缘网络、Workers AI与自研模型串成一体，重新定义“Neolab”含义。
 * 仅用两周复刻Clef，随后发布Clairic，主打毫秒级决策与结构化抽取。
 * 公司明确不做昂贵从头预训练，转向开源底座上的后训练与推理模型。

> **💡 站外导读：**在硅谷语境中，“Neolab”通常指不计成本烧卡预训练、尚未规模化创收
> 的前沿实验室。然而，单季营收破 7.82 亿美元（YoY +39%）、年化超 30 亿美元的互联
> 网基建巨头 Cloudflare，却在近期峰会高调自封 Neolab。透过 Latent Space 对其 AI 
> 负责人 Michelle Chen 的专访，得以一窥边缘云切入自研模型并用 Clairic 终结 LLM 提取
> 幻觉的一手内幕。

![Cloudflare 宣布转型自研模型 Neolab：依托边缘云基础设施布局 System 1 决策与提取
模型](https://paooo.com/wp-content/uploads/2026/11/paooo-evaoo-1118-1600-1794989350878-
6416.avif)

## 一、 重新定义 Neolab：从边缘网络、Workers AI 到自研模型的自然演进

“Neolab（新型人工智能实验室）”一词最初由《The Information》用来形容 Thinking Machines
Lab、Poolside、TypeSafe AI 等汇聚顶尖研究员、烧钱从头训模但缺乏营收的新锐机构。按照
Menlo Ventures 合伙人 Deedy Das 整理的榜单标准，拥有 30 亿美元年化营收的上市公司
Cloudflare 显然并不符合“无商业收入”的传统画像。

阅读目录

 * [一、 重新定义 Neolab：从边缘网络、Workers AI 到自研模型的自然演进](https://paooo.com/aigc-news/42683/#%e4%b8%80-%e9%87%8d%e6%96%b0%e5%ae%9a%e4%b9%89-neolab%e4%bb%8e%e8%be%b9%e7%bc%98%e7%bd%91%e7%bb%9cworkers-ai-%e5%88%b0%e8%87%aa%e7%a0%94%e6%a8%a1%e5%9e%8b%e7%9a%84%e8%87%aa%e7%84%b6%e6%bc%94%e8%bf%9b)
 * [二、 两周复刻 Jev 推出 Clef，再用 Clairic 终结自回归 JSON 幻觉](https://paooo.com/aigc-news/42683/#%e4%ba%8c-%e4%b8%a4%e5%91%a8%e5%a4%8d%e5%88%bb-jev-%e6%8e%a8%e5%87%ba-clef%e5%86%8d%e7%94%a8-clairic-%e7%bb%88%e7%bb%93%e8%87%aa%e5%9b%9e%e5%bd%92-json-%e5%b9%bb%e8%a7%89)
 * [三、 传统自回归 LLM vs 决策模型 Clef vs 提取模型 Clairic 技术对比](https://paooo.com/aigc-news/42683/#%e4%b8%89-%e4%bc%a0%e7%bb%9f%e8%87%aa%e5%9b%9e%e5%bd%92-llm-vs-%e5%86%b3%e7%ad%96%e6%a8%a1%e5%9e%8b-clef-vs-%e6%8f%90%e5%8f%96%e6%a8%a1%e5%9e%8b-clairic-%e6%8a%80%e6%9c%af%e5%af%b9%e6%af%94)
 * [四、 不碰昂贵从头预训练：专注开源后训练与推理模型的去风险账本](https://paooo.com/aigc-news/42683/#%e5%9b%9b-%e4%b8%8d%e7%a2%b0%e6%98%82%e8%b4%b5%e4%bb%8e%e5%a4%b4%e9%a2%84%e8%ae%ad%e7%bb%83%e4%b8%93%e6%b3%a8%e5%bc%80%e6%ba%90%e5%90%8e%e8%ae%ad%e7%bb%83%e4%b8%8e%e6%8e%a8%e7%90%86%e6%a8%a1%e5%9e%8b)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/42683/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

但在 Michelle Chen 看来，自研模型是 Cloudflare 基建版图演进的必然终点：过去十五年，
Cloudflare 从边缘网络加速一路延伸至无服务器计算（Workers，现已服务海量 Agent 运行）、
边缘存储以及在 Workers AI 上托管 [DeepSeek](https://paooo.com/?s=DeepSeek)、GLM、
Kimi 等第三方开源权重；而当底层算力、路由与全球分发网络都已在手，补齐生态缺口、亲自
下场制造低延迟专有模型便成了顺理成章的一步——用她的话说，“成为 Neolab 意味着我们可以
亲手造出生态里真正缺失的那块拼图”。

![Deedy Das 整理的硅谷 Neolab 新型实验室名单与 TypeSafe AI 等入选团队示意](https://
paooo.com/wp-content/uploads/2026/11/paooo-evaoo-1118-1600-fig1-1794989357783-8222.
avif)

## 二、 两周复刻 Jev 推出 Clef，再用 Clairic 终结自回归 JSON 幻觉

谈及转型契机，Michelle Chen 借用中国成语将今年 9 月 TypeSafe AI 发布 **Jev 决策模型**
形容为一场“东风”——System 1（系统一）快响应范式让始终以“毫秒级速度”为生命线的 Cloudflare
瞬间看到巨大契合点：企业完全不需要把所有流量都送进耗时数秒的通用[大模型](https://paooo.com/ai-study/)。
Chen 甚至坦率透露，由于 TypeSafe AI 已历经两年摸索并跑通了 API Schema 范式，Cloudflare
团队**仅仅用了两周时间**便基于同类 System 1 架构推出了自己的决策模型 **Clef**。

但 Cloudflare 并没有止步于跟随，而是迅速瞄准了企业流水线中另一个被通用 LLM“高射炮
打蚊子”的重灾区——**非结构化信息提取**。上个月，Cloudflare 推出全球首个 System 1“
提取模型（Extract Model）”**Clairic**。传统自回归大模型处理发票、物流单据时，经常
会犯低级错误——明明单据上印着清晰的数字，LLM 却可能一本正经地幻觉成“订单号也许是 
3、也许是 4 或 5”，甚至返回残缺的 JSON 格式。而 Clairic 通过**单次前向传播（One 
Forward Pass）**直接计算、抽取、估算并输出强类型数值结果，在毫秒级延迟下实现了确定
性结构化交付。

![Cloudflare System One 模型在企业边缘计算与结构化数据提取中的典型应用用例](https://
paooo.com/wp-content/uploads/2026/11/paooo-evaoo-1118-1600-fig2-1794989366090-1684.
avif)

## 三、 传统自回归 LLM vs 决策模型 Clef vs 提取模型 Clairic 技术对比

通过将繁重的请求拆解给毫秒级专用小模型，Cloudflare 正在 Workers 边缘节点重塑企业
AI 的成本与确定性曲线。下表基于专访披露的技术特征，对比三类模型在工业链路中的分工
差异：

  |  技术维度 |  传统自回归通用大模型 (LLM) |  System 1 决策模型 (Clef) |  System 1 提取模型 (Clairic) |  
   |  **核心任务定位** |  开放域文本生成、复杂多步逻辑与代码创作 |  在预设候选空间内完成路由、分类、风控拦截与动作选择 |  从发票、网页、日志等非结构化输入中**抽取/计算强类型数值** |  
 |  **推理执行机制** |  逐 Token 自回归采样生成，耗时随输出长度线性攀升 |  **单次前向传播**输出严格约束的选项分布 |  **单次前向传播**直接提取并输出强类型目标值 |  
 |  **典型响应延迟** |  秒级至数十秒级 |  **毫秒级**（适配边缘实时网关路由） |  **毫秒级**（消除长文本重复读取开销） |  
 |  **结构化与幻觉风险** |  易发生数字幻觉、偶发畸形 JSON 导致下游解析崩溃 |  输出空间严格收敛，彻底杜绝非法选项越界 |  告别“maybe 3/4/5”随机猜测，保障字段级抽取确定性 |

## 四、 不碰昂贵从头预训练：专注开源后训练与推理模型的去风险账本

在专访尾声，Michelle Chen 明确划定了 Cloudflare 作为“Neolab”的技术投资边界：团队
未来不仅会继续推出 System 1 专用模型，还已在实验自研**推理模型（Reasoning Models）
与通用大语言模型**；但与动辄投入数亿美元采购万卡集群从头预训练（Pre-training）的
前沿实验室不同，Cloudflare 明确**不会把精力耗费在从零预训练上**，而是依托现有强悍
的开源底座，集中兵力在**后训练（Post-training）**环节做极致效率优化与领域专精。

这背后隐藏着一笔极为清醒的供应链去风险账本：一方面，类似 Jev 这类闭源商用模型无法
由 Cloudflare 直接托管运行，而诸多头部闭源实验室高昂的商业授权费也容易侵蚀云平台
利润；另一方面，面对全球地缘监管收紧，过度依赖特定海外或中国开源模型同样潜藏未知
的合规与断供风险。通过掌握基于开源基座的后训练自主能力，Cloudflare 得以在全球边缘
节点实现自给自足的“模型主权”。

#### 📝 站长洞察 (Editor’s Insight)

Cloudflare 的“Neolab 宣言”给所有云计算与边缘基建厂商指明了一条极高投资回报率的自
研模型路线：千万别去和资金百亿美元级的前沿巨头硬拼万卡从头预训练，而是紧盯自家网
关上高频流转却被通用 LLM 搞得又慢又贵的脏活累活。两周复刻 Clef 说明 System 1 架构
的工程复制门槛并不高，真正的胜负手在于谁掌握边缘实时场景的数据流与 Schema 定义权；
而 Clairic 切入“非结构化单据强类型数值抽取”更是打中了企业落地 [Agent](https://paooo.com/trends/)
的七寸——毕竟任何生产系统在财务对账和订单流转环节，都容不下一句“也许是 3 也可能是
4”的自回归随机幻觉。

🧭 文中关联 AI 工具官网与参数卡（语宙 AI 导航）

**DeepSeek ↗**

DeepSeek 是由幻方量化公司推出的 AI 智能助手和开源大模型平台。其核心功能包括提供世界
级推理能力的 A

**Kimi ↗**

Kimi：曾经很火的国产AI，面向AI 综合应用场景提供便捷实用的在线功能支持。

❓ 常见问题解答（FAQ）

Cloudflare为什么自称Neolab？

因为它已不只是云基础设施公司，而是开始自研专用AI模型，并把边缘网络、Workers AI、
推理与后训练能力整合进同一套产品体系。文章强调，这种“造生态缺口”的能力，让它具备
了Neolab式实验室特征。

Clairic和普通LLM有什么区别？

Clairic是System 1提取模型，面向发票、物流单据、网页和日志等非结构化输入，采用单次
前向传播直接输出强类型结果，延迟更低，也更能避免数字幻觉和畸形JSON。

Cloudflare会做从头预训练大模型吗？

不会。文中明确写到，Cloudflare未来会继续做System 1模型、推理模型和通用大模型探索，
但不会投入巨资从零预训练，而是聚焦开源底座上的后训练与领域专精。

📊 Neolab公司列表中的部分条目与分类信息（AI 视觉结构化提取）

**核心发现：**图中展示的是一张Neolab公司筛选列表与估值信息表，核心信息是多家高估
值公司按Space和Neolab状态分类展示，并非基准跑分或实验曲线图。

| # | Company | Valuation | Space | Neolab? | Founded | Founders | 
| 2 | DiscoveryLoop | ~$50B* | Frontier lab | Clean | 2026 | Jeff Dean, Sanjay Ghemawat +2 | 
| 3 | Thinking Machines Lab | $45B* | Frontier lab | Mostly | 2025 | Mira Murati, John Schulman +1 | 
| 4 | Project Prometheus | $41B | Robotics | Mostly | 2025 | Jeff Bezos, Vik Bajaj | 
| 5 | Isomorphic Labs | $40B++ | Bio | Mostly | 2021 | Demis Hassabis | 
| 6 | SSI | $32B | Frontier lab | Clean | 2024 | Ilya Sutskever, Daniel Gross +1 | 
| 7 | Reflection AI | ~$27.5B | Frontier lab | Clean | 2024 | Misha Laskin, Ioannis Antonoglou | 
| 11 | Skild AI | >$14B | Robotics | Mostly | 2023 | Deepak Pathak, Abhinav Gupta | 
| 12 | Poolside | ~$13B | Frontier lab | Clean | 2023 | Jason Warner, Eiso Kant | 
| 13 | Physical Intelligence | >$11B* | Robotics | Clean | 2024 | Sergey Levine, Karol Hausman +1 | 
| 14 | Lila Sciences | ~$10.5B* | Bio | Mostly | 2023 | Geoffrey von Maltzahn, Molly Gibson +2 |

🔬 语宙深潜追问 · 进阶实操拆解

Clairic适合哪些抽取场景？

更适合高频、格式固定、对延迟敏感的结构化任务，如表单解析、工单字段抽取、日志归类
和JSON生成。若任务需要长链推理、开放式生成或强上下文理解，仍应让大模型负责主决策，
Clairic做前置提取或后处理校验。

两周复刻Clef的关键工程方法是什么？

核心不是“训练更大”，而是先锁定目标行为，再用高质量样本、蒸馏与评测闭环快速逼近。
工程上要先定义失败样例、建立自动回归集，并把边缘部署、量化和延迟预算一起纳入训练
目标，才能真正落地。

🗳️ 读者观点微投票 · 您的实战立场是？

边缘节点做结构化抽取，真能替代大模型直出吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

 * [Cloudflare 作为 AI 领域的新动向：与 CEO Matthew Prince 的专访 [译]](https://paooo.com/aigc-news/7030/)
 * [告别 LLM 慢速生成！Cloudflare 重磅开源决策模型家族 Clef：38.8ms 极速响应打破 Agent 路由瓶颈，多模态与 Jev API 深度兼容实战指南](https://paooo.com/trends/40139/)
 * [苹果新推出的设备内及云端服务器基础模型介绍 [译]](https://paooo.com/ai-study/8731/)
 * [闲置 Mac 秒变私有 AI 机房！苹果全资子公司 Claris 暗测 Harbor：首创雷雳 5 RDMA 堆叠多机算力集群、零门槛跑通本地大模型全景架构深度拆解](https://paooo.com/ai-tool/41717/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/42683/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
