硅谷的創(chuàng)投圈現(xiàn)在最不缺的就是陣容豪華的 AI 初創(chuàng)公司，但 MiroMind 今日公布的這三項核心人事任命，卻透著一股明顯的產(chǎn)業(yè)逆行者意味。
前 xAI 技術骨干杜少雷（Simon Shaolei Du）、南洋理工大學終身教授安波（Bo An），以及前 Meta FAIR 研究員楊凱峪（Kaiyu Yang），正式加盟這家由陳天橋創(chuàng)立、在加州和新加坡雙線布局的 AI 新星。
他們沒有去負責“通用大語言模型（LLM）”開發(fā)，而是分別掛帥了“推理模型”、“智能體運行時系統(tǒng)”和“可驗證AI”。這三份扎實的學術履歷，構筑了 MiroMind 內部被稱為“重型求解器（Heavy Duty Solver）”的技術底座。
這套技術班底，直指當前大模型賽道最致命的商業(yè)軟肋。
過去兩年，整個行業(yè)被帶入了一場高昂的“參數(shù)游戲”：拼命增加算力，訓練出能說會道、規(guī)模越來越龐大的聊天機器人。但這種依賴概率預測的“系統(tǒng)1”直覺式生成，在撞上金融風控、醫(yī)療制藥、復雜代碼生成等容錯率極低的真實商業(yè)場景時，高頻的幻覺讓企業(yè)客戶根本不敢將其接入核心業(yè)務流水線。
MiroMind 算的是另一筆賬。他們從一開始就不打算去做一個“更聰明的聊天軟件”，而是盯上了被業(yè)界稱為“系統(tǒng)2”的深度推理。
這三位新晉科學家的履歷，就是這套商業(yè)邏輯最清晰的執(zhí)行手冊。
杜少雷在 xAI 和 Meta 參與過前沿大模型的研發(fā)，非常清楚現(xiàn)有架構的極限。他的任務是重構底層的模型架構和訓練策略，讓 AI 學會像研究員一樣進行長鏈條思考；
安波作為強化學習和博弈論領域的學者，要解決的是大模型在復雜現(xiàn)實環(huán)境中執(zhí)行偏差的問題，為智能體搭建一個穩(wěn)定的操作系統(tǒng)；
而楊凱峪領銜的“可驗證AI實驗室”，則是這套邏輯的最后一道保險——它要求 AI 給出的每一個結論，不僅看起來像對的，而且在數(shù)學和邏輯上必須是 100% 能夠被自證和交叉驗證的（Provably right）。
這是一條被巨頭戰(zhàn)略性忽視、但產(chǎn)業(yè)剛需極強的賽道。
當行業(yè)普遍還在通過堆疊萬億參數(shù)、燒錢換取規(guī)模時，MiroMind 選擇了一條重構效率的路線：其在今年1月推出的 MiroThinker 1.5 搜索智能模型，僅以 300 億（30B）的參數(shù)量，就將單次調用成本壓縮至競品的二十分之一，并在復雜研究基準測試中反超了千億規(guī)模的模型。目前，該系列模型已進一步更新迭代至最新的 1.7 版本。
單純堆砌算力的打法正在遭遇商業(yè)落地的現(xiàn)實高墻。企業(yè)客戶不會為了幾句文采飛揚的廢話掏錢，他們愿意買單的，只有能切實替代人力、推進復雜工作流的“確定性”。
MiroMind 此次密集的高管拼圖，向行業(yè)釋放了一個明確的信號：AI 競賽的核心戰(zhàn)場，已經(jīng)從單純的參數(shù)規(guī)模，轉向了誰能嚴謹?shù)匕褟碗s的業(yè)務做對。這早就不是實驗室里的代碼游戲，而是一場爭奪產(chǎn)業(yè)自動化主導權的效率之戰(zhàn)。（本文首發(fā)鈦媒體App,作者｜硅谷Technews，編輯｜秦聰慧）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論