当地时间11月5日，在美国旧金山举办的AIAS 2026峰会上，盛大集团及Apodex创始人陈天桥发表题为《The World That Can Verify》（构建一个可以验证的世界）的主旨演讲，系统阐述了对人工智能下一阶段技术方向的判断，并首次对外披露其新创立的AI公司Apodex的组织架构与技术路线。陈天桥在演讲中提出，过去三年人工智能越来越擅长给出看似正确的答案，未来三年人工智能必须学会证明自己的答案确实正确。
支撑这一判断的是一组实验数据。在一项公开的软件修复研究中，AI模型仅有一次尝试机会时成功率约为16％，当尝试次数增加到250次时，超过一半的任务中已出现正确修复方案，但模型无法可靠识别哪个方案正确。Apodex的内部试点实验显示，在21项真实软件修复任务中，能力较弱的模型独立工作时成功率仅为8％；引入一个更强大的评判模型负责检查与指出问题、而不直接编写代码后，弱模型成功率提升至56％。
陈天桥将上述两种能力区分为Solver（求解者）与Critic（评判者），并指出评判模型的有效性取决于独立性。实验显示，来自同一模型家族的评判模型使最终表现下降约12％，而来自不同模型家族的评判模型带来约19％的提升，原因在于同一模型家族可能共享相似的认知盲点。在论文评估实验中，增加一个专门为论文进行辩护的模型后，判断准确率从45％提升至70％；当评判模型被允许自主选择测试、检查实验结果时，最困难任务的成功率进一步从68％提升至84％。基于这些结果，陈天桥提出识别能力、独立性、辩论与行动、多层验证、验证先行以及低成本规模化六项验证原则。
演讲中，陈天桥回顾了AI取得突破的历史规律：国际象棋、围棋、蛋白质结构预测、竞技编程与数学等领域，在强大模型出现之前，人类均已建立相对成熟的验证机制。以AlphaFold为例，其成功不仅来自模型能力，更依赖自1971年开始积累的蛋白质结构数据库（PDB）以及CASP等长期运行的盲测评估机制。而进入药物研发、材料科学与医学领域后，AI可在短时间内生成数十万种候选分子，判断其中哪一种真正有效仍需漫长的实验与临床验证。陈天桥引用数据称，过去约20年基因组测序成本下降约10万倍，但从长期趋势看，每10亿美元研发投入对应的新药产出大约每九年减少一半，生成效率的提升并未同步降低验证成本。
这一判断直接影响了Apodex的组建方式。与多数从训练模型起步的AI公司不同，Apodex选择先建设验证基础设施。据陈天桥披露，公司已自主开发覆盖即时通信、文档、会议、实验平台、数据管理及Artifact系统的工作系统，替代Slack、Notion和Zoom等协作产品，目的是将科研活动中的关键过程完整记录：每一项GPU任务对应明确的工作指令，每一项实验留下书面结论与支持证据，每一个数据集可追溯来源、质量与用途。陈天桥表示，建设这套体系最困难的部分并非技术，而是改变研究人员的工作习惯，公司最终采取强制迁移方式，并确立原则：如果一项决策或一个数据集没有进入系统，那么它就等于不存在。
在资源投入方面，Apodex已建立约150人的科学家团队，峰值计算资源接近一万张GPU。陈天桥透露，公司正在训练一种能够自主训练下一代AI模型的专用模型，该模型不追求通用能力最强，不需要精通数十种语言或具备视频生成能力，核心专长集中于机器学习、代码、数学、统计学和科学判断，其任务就是训练模型。与此同时，Apodex将同一套技术体系延伸至AI药物研发，在首个湿实验室项目中利用人工智能从零设计了超过20万条腺相关病毒（AAV）衣壳序列，试图突破基因治疗在心脏和肌肉组织靶向递送方面的难题。
从行业视角看，陈天桥的论述将AI竞争的衡量标准从参数规模与基准测试成绩，转向验证效率与可重复性。在模型能力趋于同质化的背景下，谁能更快将科学假设转化为可重复的实验结果，谁就可能建立新的技术优势。Apodex以验证基础设施为先导、以AI训练AI为长期目标的路径能否跑通，仍有待其后续模型与实验结果的检验，但其提出的Solver与Critic分工、跨模型家族评判等思路，为大模型的能力提升提供了生成之外的另一种技术选项。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
