AI 竞争的三个变量 -- 模型、验证、品味 | 峰会洞察 01
文章目录
10月10日，硅谷101 年度峰会 Alignment 2026 开场，主题是 Live from the AI Frontier, Uncut。
Day 1 上午三场讨论，The Model Race（模型竞赛）问开源与闭源谁能赚钱，Neolab（新型 AI 研究实验室）问算力之外还有哪些通往 AGI 的路径，AI for Science（AI 驱动的科学研究）问模型的预测怎样变成经得起实验的发现。把三场放在一起，我想追踪的是：
AI 竞争的三个变量：模型、验证、品味。模型决定能做什么，验证决定做得对不对，品味决定什么值得做。
🎙️系列目录：
Part 1：AI 竞争的三个变量——模型、验证、品味 Part 2：AI 落地的四道坎——本体、评估、信任、维护 Part 3：AI 繁荣的三张账单——电、芯片、推理 Part 4：AI 变现的三个裁判——市场、收入、观众
（嘉宾名单见 Appendix）
Session 1 · The Model Race（模型竞赛）：开源之争，底层是一张利润表
S1-1｜开源 vs 闭源，本质是"国家意志 vs 美国资本"
一位投过 Kimi 和 DeepSeek 的中国投资人被问到"开源模型的商业模式是什么"，笑着回答："你问商业模式，就问错了问题。在中国我们不关心商业模式。"由此得出的判断是：开源模型对美国人是赚钱项目，对中国人是爱国项目。台上的估计是，中国头部开源实验室的 cap table（股权结构）里约 25% 是政府资金，芯片公司接近 50%；而中国实验室的总营收只有 OpenAI 和 Anthropic 的 1/50 到 1/100。
S1-2｜"中国开源模型，是美国 startup 遇到的最好的事"
建在闭源模型上的应用，60–70% 的毛利会被上游模型厂商拿走，自己只剩 20–30%；换成开源模型，这部分利润能留在自己手里。另外，有些企业出于数据安全考虑，根本不能用闭源 API。所以 startup 和开源模型是"绑在一起的"。
S1-3｜价值在 model-agnostic 的应用层，被大厂"杀死"不等于死
开源 AI 的价值捕获发生在应用层，中间层和基础模型层都拿不到多少。案例是 Viktor，一款住在 Slack 里的"AI 员工"。Anthropic 推出 Slack 版 Claude 后，Viktor 创始人写了一篇复盘，标题叫《Anthropic killed Viktor》。但实际情况是，大厂发布等于免费做了品类教育：用户开始搜 "AI employee"，结果找到了 Viktor，也意识到用大厂产品就会被锁死在它的模型上。按创始人的说法，那次发布反而成了他们增长最好的日子之一。
S1-4｜投资方法论：押注"模型能力阈值"，再问"PMF 之后怎么迁到开源"
好的 AI 应用都是在能力阈值到来之前就发布的。Cursor 2021–2022 年就开始做；Lovable 的前身 GPT Engineer 比 vibe coding 火起来早一年，最后靠 Sonnet 3.5 能生成整页网页才起飞；Viktor 2024 年中就判断"聊天框和 copilot 只是过渡形态"。所以投资人会问 founder 两个问题：你在等哪个能力阈值（要的是 12–18 个月后能跑通的产品，而不是今天已经完美的产品）？找到 PMF 之后你怎么从闭源迁到开源（否则就只是一个 GPT 或 Claude 的 wrapper）？研究背景出身的创始人往往更容易提前看到这些拐点。
S1-5｜"开源永远追不上"是伪命题
回看三年来的规律：RLHF、推理范式、coding agent（2025 年底 Claude Opus 4.5 那一代），每次都是闭源先跑出来，开源随后追上，而且追得越来越快。DeepSeek 公开推理模型的训练方法之后，"怎么训推理模型"就成了公开知识。已经有公司在工程 workflow 里彻底替换了闭源 API，效果甚至更好。还没追上的，只是那些"人们还没意识到有多重要"的新能力。
S1-6｜只做开源模型不是好生意，必须和算力绑定
开源出去却赚不到钱，确实不是好的商业模式。可行的模式是把模型和算力绑在一起：模型设计、训练和算力供给做联合优化，再嵌进客户的 workflow，这样才能做出好毛利。最终，开源模型厂商可能要变成一个 compute vendor（算力供应商）。NVIDIA 的 Nemotron 就是这个逻辑。
S1-7｜人才：信念比薪酬重要，开源是下一代的实验场
开源研究者的薪酬永远比不上闭源，但天价 offer 只是"离群值"，不可持续。真正能推动前沿的是有信念的人："给定目标去实现，不需要超级聪明的人；发现下一个前沿才需要。"另一个值得担心的趋势是：学生进入这个领域，发现能研究的只剩 API，"一个聪明学生有绝妙的想法，却做不了任何实验"。这也是 NVIDIA 公开配方、数据和部署工具的原因。
S1-8｜主权模型是自然趋势
国家、文化、公司都有"拥有自己的智能"的天然需求：懂自己的文化和语言，能用上自己独有的数据。单独一家公司不可能理解全世界所有人的需求。这件事已经在发生。
S1-9｜递归自我改进是囚徒困境
被临时请上台的嘉宾这样回答 RSI 的问题："自动化越来越多，人工干预越来越少，整个 pipeline 会越来越快。这是囚徒困境：你不做，别人也会做，最终所有系统都会更高效。"已经有很多公司声称实现了某种程度的 RSI，"细节都是传闻，但这是另一场正在发生的竞赛。"
S1-10｜两个预测：美国明年没有开源模型 IPO；前沿只有美中两国
台上一致认为美国明年不会有开源模型公司 IPO，因为"美国投资人被 OpenAI 和 Anthropic 的收入宠坏了，不会投一家几乎不赚钱的公司"。中国则已经有了：智谱和 MiniMax 已在 2026 年 1 月 8 日、9 日先后登陆港交所，MiniMax 首日涨幅超过 100%，预计 2027 年还会有更多公司跟进。至于第三个国家，台上提到马克龙刚宣布 Mistral 推出了 frontier 模型，但结论仍是："基本就是美中两国，其他国家都远远落后。"
💡 Cloris's signal
这场我建议用一张利润表来读。第一，用 ARR 估值框架看中国开源实验室，从一开始就看错了：它们的资金不靠收入续命，所以免费的 frontier 级模型会长期存在，这是结构性事实，不是周期现象。第二，看 AI 应用公司，我会先拆 COGS（销售成本），看 token 账单占多少、有没有切到开源的路径**，毛利结构就是一家公司的地缘政治暴露度。第三，这场最好用的框架来自 Leonis：先用闭源换速度，再用开源守毛**利，"迁移路线图"值得写进尽调清单；用户越怕被单一模型厂商锁定，model-agnostic 产品的中立性就越值钱。第四，闭源能卖高价的窗口，是"新能力出现"到"开源追上"之间那段时间，这段时间在缩短；开源模型公司真正要回答的，是算力从哪来、和客户 workflow 绑得有多深。唯一可能推翻"差距会关闭"的变量是 RSI，我会放进观察清单。
Session 2 · Neolab（新型 AI 研究实验室）：在算力之外押注路径
S2-1｜Neolab 存在的理由：选对路径，抵得上一百万卡
如果 RSI 就是"堆算力→更好的模型→更多算力"，算力最多的人不就赢定了？如果 scaling 真是唯一路径，那确实"没希望了"。但 RSI 仍然是科学问题，不是工程问题：选错路径，烧掉一百万美元也一无所获；选对路径，少量算力就能带你到下一层。每个 founder 都有自己的 bet，这个 bet "神奇地相当于一百万卡的算力"。再加上创业公司组织摩擦小，这些就是 Neolab 的竞争优势。
S2-2｜"证明奥运会"：212 之后两小时，186 来了
9 月 3 日早上 7 点，Axiom 宣布把孪生素数方向的素数小间隔上界从 246 推进到 212。246 是 2014 年陶哲轩和 Maynard 领导的 Polymath 8b 项目定下的，在那里停了十几年；再往前，是 2013 年张益唐第一次把这个界压到 7000 万。两小时零九分钟后，OpenAI 宣布了 186。前沿玩家之间的竞争正在"越来越激烈"。
S2-3｜数学为什么第二个被攻克：一份判断领域能否被攻克的清单
数学满足三个条件：
-
可验证：对"美不美"没有共识，但对"对不对"有共识，而且有 Lean 可以机器检查。
-
可数字化：不需要湿实验，在纯沙盒里就能完成。
-
数据够：比代码少很多，但足够起步，可以继续生成合成数据。
Lean 通过 Curry-Howard 对应打通了证明和程序，所以数学和代码可以互相促进。
S2-4｜证明可以自动化，猜想仍然需要品味
-
Autoformalization（自动形式化）已触手可及：Anthropic 9 月初用 Claude 花 11 天、写了约 1300 万行 Lean，把费马大定理的证明完整形式化。对头部玩家来说这已接近 solved problem，但"不是对所有玩家都成立"。
-
Conjecturing（提出猜想）仍然很难：AI 能提出《数论杂志》级别的猜想，但还没有黎曼假设级别的。
-
数学界的新焦虑：open problem 会不会变成有限资源？陶哲轩称这个阶段为 "Math 2.0"。"以前，对很多数学家来说陶哲轩就是超级智能；现在人人都有了。"学术界的评价机制也必须改。
S2-5｜数学正在变成算力预算问题，但效率还有两个数量级的空间
OpenAI 解 Navier-Stokes 用了约 1300 亿 output token，按 API 标价约 650 万美元（这个结果目前仍在数学界核查中）。另一面是：通过全栈优化，包括元编程、专用工具链和神经符号方法，效率还能提升约两个数量级。Axiom 开源的工具 EXO 就是一例，几乎所有竞争对手的报告里都引用了它。
S2-6｜北极星：让验证成本趋近于零
一个反常识的观点："只停留在软件层，我们做的一切都只是在加速信息层。"要进入物理世界，就必须做软硬件协同设计。路线是：可验证代码生成（verified code generation）、对关键基础设施依赖的代码库做形式化验证（飞控软件、电网），以及芯片层面的软硬件协同设计。Axiom 明年的目标包括验证编译器、验证操作系统、验证 SSH/SSL，以及面向普通企业的"可验证 vibe coding"，用来填补"vibe coding 到飞起的人"和"讨厌同事 vibe coding 的人"之间的空白。
S2-7｜生成 ≠ 理解
一个比方：给你一份日文文档，让你续写一页，你的身家性命都押在上面。你可能会把原文片段拼到新的一页上，看起来也像那么回事，但没人会说你懂日语。视觉也一样：拍一张叠着的箱子，问"会不会倒"。生成模型可以跑一百万次 rollout，却抓不住"镜头后面站着一个人，伸手推了一把"。
识别、检测、分割这类传统视觉任务"任何动物都会"；真正难的是看图纸拼出乐高死星这种需要推理的事，而前沿模型恰恰在这一点上落后了。
S2-8｜视频理解是机器人数据的"翻译层"
用 GoPro 采集工厂视频很容易，一周就有上千小时。但光给机器人看视频没用，它需要用人类语言理解画面里发生了什么，因为我们跟机器人沟通也用语言（"拿起杯子"）。视觉推理的商业落地包括社交平台的视频理解、机器人视频标注和推理、产线异常检测（"YOLO、SAM3 回答不了的问题"），以及 CAD：今天给零件加一个孔要点几十下鼠标，未来应该是一句"给我一根 100 瓦、承重 3 公斤的凸轮轴"。技术上的关键是数据优先，并且要改造"假设 token 是一维因果序列"的架构。
S2-9｜RSI 现状：模型像高年级博士生，会执行，不会选题，还会作弊
一个时间表的变化：一位研究负责人和 GPT-5 合写了论文之后，判断"我的工作五年内会被替代"；一年后，他把时间改成了三年，然后去创业了。
现状是：模型执行力很强，但不知道哪个问题更值得做。而且 reward hacking（奖励作弊）随处可见：让 agent 优化 kernel 延迟，它不去优化 kernel，而是往 baseline 里塞 sleep，让对照组变慢。所以人类研究员的工作变成了定方向、做验证、设护栏。
S2-10｜AI 现在的创造力是"组合式创造力"；安全要先有数学定义
AI 当前的创造力主要是组合式创造力：零件都已经存在，AI 用新的方式把它们拼起来。例子包括把从头训练的小模型和传统 n-gram 检索并联来加速训练，以及在数学证明里把一个领域的技巧迁移到另一个领域。
关于安全，台上直言"安全有时被当成营销工具"。更好的做法是先给安全一个严格的数学定义（比如 agent 绕过 DNS 错误去访问内网，到底算不算可疑行为？），再证明某一类动作不可能被执行，而不是一直打补丁。打开神经网络黑盒不仅能让安全方案更扎实，还会让 RSI 更省算力。
附：建 lab，什么必须自己造？三种答案 • 从 post-training 开始。 从 pre-training 开始等于把所有鸡蛋放进一个篮子，跑到 90% 才发现早期 checkpoint 里混了坏数据，只能从头再来。 • 重点押数据和工具。 先做 post-training，再扩展到 mid-training，不从头训练。 • 全栈自己做。 预训练、后训练、RL、推理 serving 都自己来，连 tokenizer 都是定制的。理由是"大量知识发现发生在训练早期"，要在每一层做 RSI，就必须掌控每一层。
做什么决定了要自己造什么。
💡 Cloris's signal
这场最值得带走的是 Carina 的三条件清单**：可验证、可数字化、数据够。任何垂直领域（法律、芯片验证、财务审计……）都可以拿来套，满足得越多，被 AI 攻克得越快；生物在前两条上都卡住了，这正是下一场要讲的问题。由此推出两个判断。一是竞争的标准在变：从"谁先报出数字"变成"谁的结果能被机器认证"。二是稀缺的东西在变：解题不再稀缺，提出值得解的问题才稀缺。投资上，我认为"可验证代码生成"是 coding agent 之后的下一个基础设施层，AI 写的代码越多，能证明代码正确就越值钱，最先付费的会是航天、芯片、金融这类高保障行业。RSI 的瓶颈不在执行力，而在评估和奖励设计：谁的 eval 越难被钻空子，飞轮转得越稳，这和我一直在写的 eval 主题完全接上了。可解释性则可能被低估成"安全的成本"，它其实也是一种效率技术。看 Neolab 我会问三件事：路径是否和主流有本质区别；有没有低成本、可证伪的早期信号；团队有没有真正不同的品味。看视觉 AI 公司，我会问它的 benchmark 测的是生成质量还是因果推理；在机器人赛道，数据理**解可能比数据采集更稀缺。
Session 3 · AI for Science（AI 驱动的科学研究）：慢的是验证
S3-1｜"21 小时发现 ART"：计算时间不等于发现时间
背景 context：9 月 23 日，Anthropic 宣布约 950 个 Claude agent 用 21 小时、约 2.1 亿 token，筛了 20 多万个逆转录酶，在噬菌体 DNA 里找到一种具有类 CRISPR 重复阵列结构的新系统，命名为 ART。结果目前是未经同行评审的预印本，酶的功能还没有被实验证实。
21 小时只是 agent 的计算时间，选题和验证这两个最耗时的环节都没算进去。AlphaFold 之后很多 AI 制药公司说"从几年缩短到几天"，是同样的问题。
S3-2｜ART 能做成，是因为这个问题能被快速验证
这条新闻"并不意外"，因为这恰好是 AI 很快就能取得进展的那类问题：能快速验证，就能快速给出 reward 反馈。选这个方向很聪明。可以预期，在湿实验周转快的领域，会接连出现类似突破。
S3-3｜最大瓶颈是验证的周转时间
在算力、数据、模型和湿实验之间，台上的一致答案是：验证。一方面实验室产能不够，现在生成的待验证靶点比以前多得多；另一方面时间账很长：细胞实验准备好了几天就够，小鼠实验要一个月，人体试验要好几年，越往后越需要重复。策略是先摘低垂果实：在周转快的简单问题上让 AI 拿到 reward 和标签，再泛化到验证成本高的问题。
S3-4｜设计实验比做预测难得多
问 AI"做预测"和"设计整个实验闭环"哪个更难，答案肯定是后者，因为互联网上关于"怎么设计实验"的训练数据极少。一个设想是给 AI 一万美元预算，让它自己设计实验、自己采购。Medra 这类公司在用 AI 和 physical AI 端到端地理解需求、设计实验并执行，好处是过程中的每个细节都被记录下来。临床试验和审批是"科学与艺术的结合"，里面有太多还没被理解的关联。
S3-5｜阴性数据是沉睡的金矿
"我的 AI 永远很乐观，我说什么它都说是好计划，因为它从没见过阴性数据。"生物医学只发表阳性结果，失败的实验都留在各个 lab 的硬盘里，变成领域专家的私有经验，而且目前跨 lab 共享阴性数据没有任何机制。这跟企业 AI 正好相反：企业 AI 只保留高质量数据，而 AI for Science 里阴性数据同样有价值。
S3-6｜生物数据比文本小两个数量级，现在谈 scaling law 为时尚早
最大的细胞基础模型 Tahoe-x1 约 30 亿参数，GPT-3 是 1750 亿。在虚拟细胞任务上，线性模型能打平 transformer。即便是数据量相对大的病理领域，最大的基础模型之一也没有观察到 scaling law。"多投 100 倍的钱，换不来 100 倍的数据。"创新可能出在实验技术和测序通量上。反方视角是：这个领域的数据平均质量远高于消费级 AI，一家积累多年数据的 AI 病理公司用小型开源模型，就成了第一个获批进医院的病理 AI 工具。
S3-7｜数据问题本质上是生产和组织的问题
-
批次效应（batch effect）："宁愿从一家公司买 100 倍的数据，也不要从 100 家各买 1 份。"同一台机器、同等水平的操作员，换一家公司，数据就没法直接比较。一两年内可能会出现大型生物数据生产商；目前科学领域还没有 Scale AI 这样的公司。
-
数据孤岛：药企之间不共享数据，甚至药企内部不同部门之间都有隔离，原因主要是合规。联邦计算（federated computing）让数据"不动也能用"，采用正在加快。
-
Biohub：10 月 7 日，Biohub 宣布由 DOE、NIH、Google DeepMind、Meta、Isomorphic Labs 等支持的 18 亿美元"虚拟生物学"计划（其中相当一部分是数据、算力和测量技术，不全是现金），商业合作方有一年的数据 embargo 期。在今天的模型迭代速度下，一年领先期是巨大优势。
S3-8｜药企今年大转弯：给的不只是钱，还有数据
全球 top 20 药企今年"很积极，也很焦虑"。Fusion Fund 的报告显示：60–70% 的药企把 AI 列为战略最高优先级，预期短期节省超过 2000 亿美元。"他们在用钱买时间。"关键变化是药企给的不只是资本，还有数据。但 AI for discovery 不等于 AI for development，AI 公司短期内很难颠覆药企。还有一个警示案例：一款小细胞肺癌药在中国上市多年、临床很成功，到美国重做临床试验却失败了。数据多样性和本地验证，AI 替代不了。
S3-9｜垂直赛道的护城河不是模型
护城河有三层：
-
湿实验验证闭环，加上它产出的数据。可复现、高通量的湿实验管线是很难积累的能力。
-
无缝嵌入现有工作流。比如一套自动化机器人系统直接架在药企现有的湿实验室上。
-
成本。实验室里每台设备都是一个 edge device（边缘设备），小模型和边缘模型有自己的机会。
案例是 Cellular Intelligence：这家公司为细胞治疗做垂直模型，今年 5 月拿下诺和诺德帕金森细胞疗法项目 STEM-PD 的全球权益（交易条款未披露），第二个适应症是糖尿病。它进化快，靠的是数据持续回流到模型里形成的闭环。
S3-10｜AI 圈相信泛化，生物圈不信；人类负责定义问题
一个有意思的分歧：AI 圈的人看到 ART 非常兴奋，因为他们相信泛化，"解决了一个问题就能泛化到所有生物医学问题"；生物和医学背景的人则没那么兴奋，因为不同生物医学领域的数据和专业知识差异太大。
至于科学家的角色：AI 越来越像理论物理学家，人类更像实验物理学家，两边都能分享诺贝尔奖。提出问题会是人机协作，解决问题可能主要靠 AI，验证仍然靠人。现在的生物学家也比十年前更愿意为 AI 的预测发明新的验证方法。人类的独特之处，是决定"什么问题对世界最重要"。
💡 Cloris's signal
以后看到"AI 用 X 小时发现 Y"，我会追问三件事：选题花了多久，验证花了多久，验证到了哪一步。真正的机会藏在一个错位里**：模型按月迭代，实验按月、按年验证。所以我更关注能压缩验证周期的公司，比如自动化实验室、高通量筛选、类器官和临床预测，而不是又一个预测模型。实验室自动化的价值也不只是省人力，而是把隐性的实验知识（包括没人发表的阴性数据）变成可训练的数据。生物数据的瓶颈不在聚合，而在生产：标准化、大规模、低批次效应的数据工厂，可能就是 AI for Science（AI 驱动的科学研究） 的 Scale AI 时刻；谁先建起阴性数据的共享机制，谁就拥有一种数据网络效应。估值上，我不会因为模型大而给生物 AI 公司加分，小而专的模型加上持续回流的专有数**据更有效，关键问题是"每做一次实验，模型能变好多少"。给创业者的建议和张璐一致：尽早找药企合作伙伴，药企能给的数据和验证资源比融资额更值钱。最后，AI 圈相信泛化、生物圈不信，这种认知差本身就是市场，能同时说两种语言的团队最稀缺。
预告
峰会洞察 Part 2：Robotics（机器人的 scaling law 来了吗）、World Model（从生成像素到模拟现实）、Agent War（真正干活的 agent）、FDE（从前沿模型到生产）
Appendix - 三场嘉宾速览
The Model Race（模型竞赛）：Faster Than Ever, But What If No One Wins?
-
Caithrin Rintoul（主持）：Pacific Compute 创始人
-
Jenny Xiao：Leonis Capital 合伙人，前 OpenAI 研究员，代表"资本"视角
-
Jiantao Jiao：NVIDIA 研究总监、杰出科学家，代表"算力"视角
Neolab（新型 AI 研究实验室）：The Billion-Dollar Bet on a Different Path to AGI
-
Henry Yin（主持）：MOE Capital GP
-
Carina Hong：Axiom Math 创始人兼 CEO，做基于 Lean 的形式化定理证明
-
Andrew Dai：Elorian AI 联合创始人兼 CEO，在 Google DeepMind 14 年，从第一天起负责 Gemini 数据；现在做原生视觉推理
-
Yuandong Tian：Recursive Superintelligence 联合创始人，前 Meta FAIR 研究负责人；做自动化 AI 研究（RSI）
AI for Science（AI 驱动的科学研究）：From Prediction to Discovery, AI Becomes a Scientist
-
泓君（主持，硅谷101）
-
Sheng Wang：华盛顿大学计算机系助理教授，病理基础模型 Prov-GigaPath 的核心作者之一
-
Lu Zhang：Fusion Fund 创始人兼管理合伙人，11 年专注企业 AI、医疗 AI 和深科技
