陈天桥旧金山演讲：AI下半场拼验证，Apodex已训练AI训AI模型

过去三年，全球人工智能产业上演了一场空前的模型竞赛——参数规模越堆越大，推理能力越来越强，算力投入越来越贵，基准测试成绩也不断被刷新。

可当AI越来越会给出答案，另一个更根本的疑问冒了出来：假如AI得出一条人类从未发现过的科学结论，谁能证明它是对的？

当地时间11月5日，AIAS 2026峰会在美国旧金山举行，盛大集团及Apodex创始人陈天桥在主旨演讲中给出了一个鲜明判断：

“过去三年，人工智能越来越擅长给出看起来正确的答案。未来三年，人工智能必须学会证明自己的答案确实正确。”

这场演讲题为《The World That Can Verify》（构建一个可以验证的世界），既系统阐述了陈天桥眼中人工智能下一阶段的技术方向，也是他新创立的AI公司Apodex的一次重要战略披露。

演讲透露，Apodex已组建约150人的科学家团队，峰值计算资源接近一万张GPU，并自主搭建了覆盖科研决策、数据管理、实验执行与结果评估的基础设施。

更引人注意的是，陈天桥透露Apodex正在训练一种专用模型，它能自主训练下一代AI模型，同一套技术体系还被延伸到了AI药物研发。

首个湿实验室项目中，Apodex已借助人工智能从零设计出超过20万条腺相关病毒（AAV）衣壳序列，想啃下基因治疗在心脏和肌肉组织靶向递送上的硬骨头。

从AI训练AI，到AI设计新药，

人工智能怎样才能从生成知识，真正走到创造并验证新知识？

一、AI最大的瓶颈，可能不是智力，而是判断力

演讲中，陈天桥先摆出了一组引人关注的实验数据。

一项公开的软件修复研究里，AI模型只拿到一次尝试机会时，成功率约16%；把尝试次数加到250次，超过一半的任务中已经出现了正确的修复方案。

麻烦在于，模型没法可靠地认出哪个方案才是对的。

Apodex的内部试点实验进一步显示，21项真实软件修复任务中，一个能力较弱的模型独自干活时，成功率只有8%。

但研究人员加进一个更强的评判模型，只让它负责检查和挑毛病、不直接写代码，弱模型的成功率就升到了56%。

也就是说，AI性能的提升，未必全靠更强的生成模型。

识别正确答案的本事，可能和生成正确答案的本事一样要紧，甚至会成为下一阶段AI突破的关键。

陈天桥把这两种能力分别叫作Solver（求解者）与Critic（评判者）。

不过，光加一个评判模型还不够。

另一组实验里，来自同一模型家族的评判模型反而让最终表现掉了约12%；换成不同模型家族的评判模型，则带来了约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。

论文评估实验中，研究人员增加一个专门为论文辩护的模型后，判断准确率从45%升到70%。

而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又从68%进一步升到84%。

这些结果都指向同一个方向。

AI光会答题不够，还得会怀疑答案、会找证据，并且用实验来检验自己的判断。

陈天桥提出的六项验证原则，核心也在这里：识别能力、独立性、辩论与行动、多层验证、验证先行，以及低成本和规模化。

二、AlphaFold成了，AI制药为什么还是这么难？

演讲中，陈天桥讲了一个值得留意的历史观察。

国际象棋、围棋、蛋白质结构预测、竞技编程，再到数学，人工智能这些取得重大突破的领域，往往有一个共同点：

在强大的AI模型冒出来之前，人类已经建起了相对成熟的验证机制。

棋类游戏很快就能分出胜负，代码有测试程序把关，数学证明可以一行一行检查。

AlphaFold的成功，同样不只是模型能力强。

它背后有从1971年开始积累的蛋白质结构数据库（PDB），还有CASP等长期运行的盲测评估机制。

这些体系给人工智能提供了大量经过实验验证的真实数据，也让模型的预测能够接受独立检验。

可一旦人工智能走进药物研发、材料科学和医学领域，局面就完全不一样了。

一个AI模型短时间内能生成数十万种候选分子，但其中哪一种真正有效，判断起来仍然可能要经过漫长的实验和临床验证。

陈天桥引用了一组鲜明的对比：

过去约20年，基因组测序成本降了大约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。

这反映出生命科学领域的一个深层矛盾：

生成候选方案的效率一直在提高，验证这些方案的成本和时间却没有同步降下来。

“验证不仅必须可行，还必须足够便宜、足够快速，并且能够规模化。”陈天桥表示。

在他看来，未来AI科学发现的竞争，不只是模型能力的较量，更是验证效率的比拼。

谁能更快把一个科学假设变成可重复的实验结果，谁就有机会建立起新的技术优势。

三、Apodex首次系统披露：近万张GPU、150名科学家，第一笔投入却放在验证体系

这个判断，直接影响了陈天桥创立Apodex的方式。

不少人工智能公司从训练模型起步，Apodex却选择先把验证基础设施建起来。

陈天桥称，Apodex 内部已自行搭建起一套用于科研活动的系统，功能涵盖即时通信、文档、会议、实验平台、数据管理以及 Artifact 系统。

这些工具顶替的是Slack、Notion等常用平台。

不过陈天桥他们要的不只是把办公软件换成国产货或者内部自用，科研活动里的每一个关键环节都得被完整记录在案。

每跑一项GPU任务，都得配上清清楚楚的工作指令。

每做完一次实验，书面结论和支持证据一样不能少。

每个数据集，来源、质量、用途都要能查得出来。

过程记录为什么这么要紧？

陈天桥的看法是，传统科研论文往往只给出最终结果，研究者在过程中做过的那些选择，留不下来。

可对一个想学会做科研的AI来说，真正有价值的正是这些决策过程：研究者当时掌握了什么信息、考虑过哪些方案、为什么挑中某项实验，实验失败之后又怎么调整方向。

这些过程记录完整了，AI才有可能学会怎样真正开展研究。

陈天桥也承认，建这套体系最难的地方不在技术，而在改掉研究人员的工作习惯。

不少科学家来自大型科技公司和研究实验室，一开始都不肯放下已经用顺手的工具。

Apodex最后还是强制迁移，并定下一条原则：

“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。”

这么做指向一个更大的目标：把整个AI研发组织变成一种科研环境，让人工智能可以持续从中学习、验证和优化。

四、真正的递归自我进化：让AI不再依赖更强大的AI

Apodex技术野心最大的项目之一，就是让人工智能自己训练出下一代人工智能。

眼下业界已经有不少系统在用AI帮忙写代码、评估模型、生成数据和优化算法。

但在陈天桥看来，很多被叫作“递归自我改进”（Recursive Self-Improvement，RSI）的系统，关键训练工作仍然要靠外部前沿模型来完成。

真正的递归自我改进，应该是一个模型能独立训练出自己的继任者。

陈天桥介绍，Apodex正在开发的模型，目标并不是做成通用能力最强的大模型。

它不必精通几十种语言，视频生成这类能力也不需要。

它的专长集中在机器学习、代码、数学、统计学和科学判断上。

“它的任务，就是训练模型。”

陈天桥透露，Apodex打算让这个模型在不依赖外部前沿模型的前提下训练出自己的下一代，并认为这或许会是该方向上最早的实践之一。

不过陈天桥也说了，这些证据要等后续拿到之后才会公开。换句话说，完全靠自身力量训练出下一代模型这条路，目前还没有被真正证实。

这一探索的意义可能在于：一旦AI能把模型训练的全过程吃透，同一套系统就有机会拿去训练别的领域的专业科学发现模型。

机器学习、生物医药、材料科学，乃至其他科研方向，底层的训练方法或许是相通的。真正要按领域重新搭的，是专业知识与验证体系这两样东西。

五、AI制药新布局：免费算力、自动化实验室与诺奖科学家验证委员会

除了让AI自我训练，Apodex还押了另一个重头方向——用AI做药物研发。

在陈天桥看来，生命科学是检验这套技术路线的关键战场。原因在于，这里的验证不光要算，还得落到真实的物理世界里去。

为此Apodex正在搭建三套彼此衔接的体系。头一套，是自动化实验室网络。

Apodex提出了Contract Verification Organization（CVO，合同验证组织）这个说法，想通过自建、采购加合作的路子，把自动化实验设备和外部实验室连成一张统一的网。目的很直接：让实验验证的速度尽量追得上AI生成科学假设的速度。

但陈天桥同时强调，该做的动物实验和人体临床试验，仍然得按现有的科学、伦理和监管标准来，自动化不能当成把证据要求往下调的理由。

第二套，是给制药行业白送算力。Apodex已经建起Drug Research Computing Center（药物研究计算中心），打算提供16个专业研究模块，临床试验预测、老药新用这些功能目前已经上线。

按其公布的计划，生物科技公司和制药企业都能免费使用平台上的计算资源和算法。

这个商业策略挺有讲究。Apodex想借提供计算服务，摸到真实的药物研发问题，再从实际应用场景里拿到验证反馈，反过来不断改进自家系统。

第三套，是把顶尖科学家拉进验证环节。Apodex正在组建Verification Board（验证委员会），让科学家在实验动手之前就讲清楚：要支持或推翻某个科学结论，需要哪些证据。

据陈天桥披露，眼下已有两位诺贝尔奖获得者、两位前大学校长和三位制药公司CEO加入。Apodex还打算再请100名来自医学和科研一线的科学家参与验证。

这套机制想解决的，是AI科学研究里的另一个要害问题：模型不光要能给出看起来合理的结论，还得扛得住独立、严格、有专业判断力的科学检验。

六、20万条AI设计的病毒序列，Apodex首个湿实验室项目进入合成阶段

陈天桥在演讲里还提到了Apodex首个湿实验室项目的最新进展。Apodex Lab借助人工智能，从零设计出一个候选库，里面包含的AAV衣壳序列超过20万条。

AAV就是腺相关病毒，基因治疗常拿它当递送载体。眼下基因治疗的一大难题，是怎么把治疗性基因更精准地送到特定组织。Apodex这个项目盯的是心脏和肌肉组织，想摸索出一套区别于主流肝脏靶向特征的新递送方案。

按陈天桥的说法，这个候选库10月4日已经在AAVnerGene进入合成阶段，接下来会做细胞实验和小鼠实验。他同时强调，实验结果目前还没拿到。

也就是说，项目现阶段能证明的是AI大规模设计候选序列的本事，并非这些序列已经具备经过验证的疗效。不过这个项目对Apodex来说仍然分量不轻。它要检验的是一整条流程能不能真正跑起来：从AI生成假设、自动化执行实验、科学家评估，到实验结果反馈和模型优化。

生成和验证差在哪里，陈天桥用一句话作了概括：“候选库的规模，说明我们提出了多少种可能性；实验结果，才能告诉我们这些可能性究竟有多大价值。”

七、大模型竞争之外，一场新的AI基础设施竞赛正在出现

眼下人工智能产业里，比拼的主要还是模型规模、算力投入和通用能力。陈天桥却给出了另一条技术路线的可能：到了特定专业领域，一个规模不算大、但专业知识深厚、验证能力强的模型，未必输给通用模型。

这话并不是说算力和模型规模就不重要了。Apodex自己就投入了接近万张GPU，还有一支规模不小的科研团队。它真正想动的是资源配置的方式：注意力不再全压在生成能力上，科研过程、独立验证、实验自动化、反馈学习，都要被当成同等重要的基础设施。

从商业上看，这背后是一套和传统大模型公司不一样的竞争逻辑。模型能力砸算力就能很快提上去，可真实的实验体系、长期攒下的验证数据，还有科研组织内部完整的决策记录，都得靠时间慢慢建。

陈天桥在演讲中说，大公司照样能建这样的系统，可一旦进入真实世界，所有公司面对的自然规律是一样的。细胞不会因为实验室归某家大型科技公司所有，就长得更快。钱能买来更多GPU，买不回实验需要的时间。

所以他的判断是，验证基础设施得提前铺，等模型能力成熟了再补课就晚了。

不过，Apodex给出的技术路线能不能沉淀出持续的竞争优势，还要看几个问题有没有答案：AI能不能真正独立训练出下一代模型，自动化实验能不能把验证成本明显压下来，跨领域的验证体系能不能产出可重复的科学发现。

这些都得靠后面的实际成果来回答。

但陈天桥这场演讲，已经抛出了一个让整个AI产业都得想一想的取向：

生成能力越来越不稀奇之后，能持续、低成本地验证新知识，会不会成为人工智能时代最紧俏的基础设施？

演讲收尾时，陈天桥又一次提到，他挑科学发现这条路，不是为了在零和博弈里把别的公司比下去。

未知的世界本来就没有尽头。

他举例说：“如果你发现了一种治疗癌症的新药，我仍然可以发现一种治疗肥胖症的新药。即使针对同一种疾病，我们也未必会发现相同的分子。”

最后一句话，他这样收束：

“Don’t just build the model. Build the world that can verify it.”

意思就是，别光去建模型，要建一个能验证模型的世界。

对眼下正从生成式AI往科学发现走的全球人工智能产业来说，这也许意味着另一场竞争才刚刚开场。

注：本文根据陈天桥《The World That Can Verify》AIAS⁺ 2026特别演讲稿整理。文中涉及的Apodex团队规模、计算资源、实验数据及项目进展均来自演讲披露。