當科技界聚焦于人工智能（AI）在替代人類勞動力方面的潛力時，盛大集團創(chuàng)始人陳天橋提出了一個頗具顛覆性的觀點：人類文明的進步并非源于對既有工作的效率提升，而在于發(fā)現(xiàn)全新的自然規(guī)律。這一論斷直指當前通用人工智能（AGI）發(fā)展的核心爭議——主流定義過度強調(diào)功能替代，卻忽視了探索未知領域的根本價值。

OpenAI等機構將AGI定義為在經(jīng)濟價值工作中超越人類的系統(tǒng)，這種功能主義導向正主導著行業(yè)研發(fā)方向。但陳天橋認為，若AI僅滿足于模仿人類行為或優(yōu)化現(xiàn)有流程，將永遠無法突破人類認知的邊界。真正的突破性機遇蘊藏在"理科大模型"領域，其核心價值不在于生成文案或代碼，而在于創(chuàng)造新知識——包括新定理、新材料、新藥物等具有根本性創(chuàng)新的成果。

在醫(yī)療、工程等關鍵領域，99%的準確率并非技術指標，而是關乎生死存亡的商業(yè)底線。陳天橋指出，低一個百分點的可靠性可能導致數(shù)億元研發(fā)經(jīng)費的浪費，或錯失關鍵藥物的臨床試驗窗口。這種嚴苛要求與當前大模型在封閉測試環(huán)境中追求的高分形成鮮明對比，揭示出技術落地現(xiàn)實場景時面臨的巨大挑戰(zhàn)。

其旗下MiroMind公司正在通過BrowseComp等項目驗證新范式。該項目摒棄在聊天測試中刷分的傳統(tǒng)路徑，轉(zhuǎn)而構建基于"時間序列反復求證"的推理機制。這種設計要求系統(tǒng)在長鏈路任務中持續(xù)獲取外部反饋，通過可審計的證據(jù)鏈逐步逼近真相，而非依賴一次性生成答案的賭博式策略。

陳天橋?qū)F(xiàn)有AGI路徑劃分為三大流派：行為主義范式強調(diào)模仿人類表現(xiàn)，功能主義范式聚焦勞動力替代，能力分級范式追求泛化能力。但他認為這些路徑都存在根本缺陷——現(xiàn)實世界沒有標準答案，真正的智慧在于自主發(fā)現(xiàn)正確路徑。其提出的"理科大模型"范式，要求系統(tǒng)具備可證偽假設生成、因果關系追蹤、長期記憶累積等核心能力。

這種新范式對技術可靠性提出了近乎苛刻的要求：在300步復雜推理后仍需保持99%的整體正確率。陳天橋解釋稱，當前大模型單步推理準確率雖可達98%，但經(jīng)過300步鏈式推導后成功率將驟降至0.23%。這種指數(shù)級衰減暴露出長鏈誤差累積的致命弱點，而現(xiàn)實應用場景恰恰需要這種跨度推理能力。

為突破技術瓶頸，MiroMind將推理過程解構為邏輯生成與檢驗雙層架構。生成層負責將復雜問題遞歸拆解為原子級操作，檢驗層則通過工具驗證、仿真模擬等手段對每個推理步驟進行交叉驗證。這種設計允許系統(tǒng)在局部錯誤時進行回退修正，而非全盤推翻重建，從而在組合爆炸的復雜度中保持可控性。

在工程實踐中，BrowseComp項目已展現(xiàn)初步成果。該系統(tǒng)使用2350億參數(shù)模型在特定任務中達到領先水平，其核心突破不在于分數(shù)提升，而在于驗證了"反復求證"推理模式的可行性。這種模式要求模型在深度交互中持續(xù)獲取環(huán)境反饋，將推理過程轉(zhuǎn)化為可審計的證據(jù)鏈，為構建通用問題求解器奠定基礎。

陳天橋借用佛經(jīng)"大圓鏡智"的意象，描繪其心目中的理想AGI——這個系統(tǒng)應如明鏡般如實映照因果關系，不被語言修飾所迷惑，不滿足于表面答案，而是執(zhí)著追求事實真相。在AI技術被敘事泡沫包圍的當下，這種回歸本質(zhì)的追求，或許正代表著技術發(fā)展的下一個轉(zhuǎn)折點。