陈天桥从发现性野心转向可验证系统

NextFin News — 陈天桥没有等到另一场参数竞赛就确定了他的人工智能赌注。他首先将其定义为发现，然后定义为证据。 2025 年 10 月下旬，在旧金山举行的首届陈氏研究院人工智能加速科学研讨会 (AIAS2025) 上，盛大创始人正式推出了他所谓的“发现性”智能——与主要重组现有文本和图像的生成系统形成鲜明对比。盛大官方公告将目标定为机器能够提出新问题、揭示因果结构并产生知识，而不仅仅是流畅的输出。他将这个口号与结构化时间智能（STI）结合起来：持续神经动力学、长期记忆、因果推理、世界建模和元认知。他说，规模是引擎；规模是引擎。结构是方向盘。同一版本还附加了具体承诺：超过 10 亿美元的计算优先用于结构实验、横跨硅谷、东京、北京、上海、香港和新加坡的研究中心、STI 评估套件以及早期职业首席研究员的途径。该文件是 2025 年愿景的主要记录。它没有描述 Apodex 产品线或验证优先的操作系统。一年后，重点加强了。在旧金山举行的 AIAS+ 2026 上，陈作了题为“The World That Can verify”的专题演讲。陈研究所当天的报道以独立检查、实验和人类判断为中心，并将这一论点与 Apodex 在人工智能训练、人工智能和药物研究方面的工作联系起来。对这次演讲的二次报道提炼出一条更尖锐的路线：模型已经越来越擅长给出看起来正确的答案；他们现在必须学会证明这些答案是正确的。如果发现是目标、验证是方法，那么 2025 年和 2026 年的消息是可以结合在一起的。无结构漂移的生成。没有外部检查的结构仍然会产生幻觉。陈的公开著作将验证视为时间压缩引擎：它会在一百万个并行求解器重复相同错误之前切断错误路径。 Apodex 是第二阶段的运行工具。公司渠道描述了长期研究代理、证据图表和旨在调查而不是聊天的工具。 2026 年 8 月，Apodex 发布了 TRACES，这是具有隐藏验证器的可执行科学环境的现实基准，并报告了在腺相关病毒 (AAV) 衣壳任务中，与已发布的方法相比，其在活力、向性、结构和约束生成设计方面取得的进展。一篇相关的技术论文将这项工作定位为“发现性人工智能”，通过广泛的、有状态的调查进行评估，而不仅仅是排行榜提示。药物研究是该公司对外来人员最为具体的领域。 10 月份，该公司表示将免费开放人工智能药物研究服务，从临床试验预测（在结果公开之前锁定预测）、重新利用、相互作用分析和安全评估开始。陈自己的帖子强调了科学支持和工具开发，而不是闲置的计算，并邀请研究团队说出下一步应该构建什么。 11 月讲座的二次报告添加了进一步的操作细节——科学家人数、峰值 GPU 规模、解算器与评论家软件修复试点、大型人工智能设计的 AAV 序列库走向合成——这些细节没有出现在 2025 年盛大版本中，在 Apodex 发布主要结果之前，应将其视为 2026 年演讲的媒体重建。在湿实验室方面，设计和合成并不有效。陈自己的标准需要区分。 2026 年的媒体采访描述了对人工智能更大的个人承诺——已经部署了约 20 亿美元，如果外部资本滞后，还有增加更多资金的空间——以及美国和新加坡的地理权重。这些数字与 2025 年超过 10 亿美元的结构计算承诺并列，不应合并在一起。陈的收入和盈亏平衡目标仍然是前瞻性的管理目标，而不是审计结果。没有一个资本能回答他提出的科学问题。几十年来，测序成本一直在下降，而新药生产力却始终居高不下。当该领域建立盲测和共享数据时，而不是当模型仅仅增长时，结构预测就得到了进步。 Apodex 正试图将缺失的一半工业化：不认同解算器盲点的批评家、可以稍后评分的预测，以及无法公开声明的实验室循环。该行业可以吸收另一个口号。它无法吸收另一波流畅的、未经检查的主张。陈的有用顺序已经很清楚了。 2025 年，他认为人工智能应该发现。到 2026 年，他认为只有当模型之外的东西可以验证它时，发现才有意义。下一个记分牌不是另一个基准平均值。问题在于锁定的预测、湿实验室读数和独立检查是否开始朝同一方向发展。