AI下半场，竞争从“生成”转向“验证”，模型能力不在大，而在谁能证明自己正确

11月5日，陈天桥在美国旧金山AIAS 2026峰会发表《The World That Can Verify》主旨演讲。他称，过去三年AI擅长给出看似正确的答案，未来三年必须学会证明答案正确。AI竞争焦点正从生成转向验证。

陈天桥披露，Apodex已建立约150人科学家团队。公司拥有接近一万张GPU的峰值计算资源，并自建科研决策、数据管理、实验执行与结果评估基础设施。公司正训练能自主训练下一代AI模型的专用模型，并延伸至AI药物研发。

演讲引用实验数据：公开软件修复研究中，模型一次尝试成功率约16%，尝试250次后过半任务出现正确方案，但无法可靠识别。21项真实任务中，弱模型独立成功率仅8%，引入更强评判模型后升至56%。同家族评判模型使表现下降约12%，不同家族模型带来约19%提升。

陈天桥区分“求解者”与“评判者”，提出识别能力、独立性、多层验证等六项验证原则。他提到，AlphaFold等突破背后有蛋白质结构数据库和CASP盲测等验证机制。相比之下，AI制药面临候选方案生成快、实验验证慢的矛盾。

Apodex选择先建设验证基础设施，自建覆盖即时通信、文档、会议、实验平台和数据管理的系统。陈天桥称，公司原则是“如果一项决策或数据集没有进入系统，它就等于不存在”。其首个湿实验室项目已用AI设计超过20万条腺相关病毒衣壳序列。

在AI制药方面，Apodex正建设自动化实验室网络，提出合同验证组织概念，并建立药物研究计算中心。该中心计划提供16个专业研究模块，向生物科技和制药企业免费提供计算资源及算法。公司还在组建验证委员会，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。