不断发布优秀产品和创新,同时让每个人都可以使用它们。以用户为中心,通过优质产品和服务,让用户的生活更为精彩! 坚持”利他”文化,做对用户和社会有价值、有长期利益的事情。在产品开发过程中,保持开放的心态
<91传媒官方版:探索光影世界:官方正版影视平台指南>
内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
>"><异世界科学> <异世界科学>{随机干扰码}{随机干扰码}
内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
">AI导读
"当AI行业沉迷于万亿参数的烧钱游戏时,MiroMind用300亿模型实现成本骤降90%,三位顶尖科学家正重构AI的思考方式——不是生成漂亮废话,而是打造数学可验证的产业级求解器。"
内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
2026-03-20 17:17:13内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
">AI导读
"当AI行业沉迷于万亿参数的烧钱游戏时,MiroMind用300亿模型实现成本骤降90%,三位顶尖科学家正重构AI的思考方式——不是生成漂亮废话,而是打造数学可验证的产业级求解器。"
内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
2026-03-20 17:17:13内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
">AI导读
"当AI行业沉迷于万亿参数的烧钱游戏时,MiroMind用300亿模型实现成本骤降90%,三位顶尖科学家正重构AI的思考方式——不是生成漂亮废话,而是打造数学可验证的产业级求解器。"
内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
2026-03-20 17:17:13内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
">AI导读
"当AI行业沉迷于万亿参数的烧钱游戏时,MiroMind用300亿模型实现成本骤降90%,三位顶尖科学家正重构AI的思考方式——不是生成漂亮废话,而是打造数学可验证的产业级求解器。"
内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
2026-03-20 17:17:13内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
">AI导读
"当AI行业沉迷于万亿参数的烧钱游戏时,MiroMind用300亿模型实现成本骤降90%,三位顶尖科学家正重构AI的思考方式——不是生成漂亮废话,而是打造数学可验证的产业级求解器。"
内容由AI智能生成
硅谷的创投圈现在最不缺的就是阵容豪华的 AI 初创公司,但 MiroMind 今日公布的这三项核心人事任命,却透着一股明显的产业逆行者意味。
前 xAI 技术骨干杜少雷(Simon Shaolei Du)、南洋理工大学终身教授安波(Bo An),以及前 Meta FAIR 研究员杨凯峪(Kaiyu Yang),正式加盟这家由陈天桥创立、在加州和新加坡双线布局的 AI 新星。
他们没有去负责“通用大语言模型(LLM)”开发,而是分别挂帅了“推理模型”、“智能体运行时系统”和“可验证AI”。这三份扎实的学术履历,构筑了 MiroMind 内部被称为“重型求解器(Heavy Duty Solver)”的技术底座。
这套技术班底,直指当前大模型赛道最致命的商业软肋。
过去两年,整个行业被带入了一场高昂的“参数游戏”:拼命增加算力,训练出能说会道、规模越来越庞大的聊天机器人。但这种依赖概率预测的“系统1”直觉式生成,在撞上金融风控、医疗制药、复杂代码生成等容错率极低的真实商业场景时,高频的幻觉让企业客户根本不敢将其接入核心业务流水线。
MiroMind 算的是另一笔账。他们从一开始就不打算去做一个“更聪明的聊天软件”,而是盯上了被业界称为“系统2”的深度推理。
这三位新晋科学家的履历,就是这套商业逻辑最清晰的执行手册。
杜少雷在 xAI 和 Meta 参与过前沿大模型的研发,非常清楚现有架构的极限。他的任务是重构底层的模型架构和训练策略,让 AI 学会像研究员一样进行长链条思考;
安波作为强化学习和博弈论领域的学者,要解决的是大模型在复杂现实环境中执行偏差的问题,为智能体搭建一个稳定的操作系统;
而杨凯峪领衔的“可验证AI实验室”,则是这套逻辑的最后一道保险——它要求 AI 给出的每一个结论,不仅看起来像对的,而且在数学和逻辑上必须是 100% 能够被自证和交叉验证的(Provably right)。
这是一条被巨头战略性忽视、但产业刚需极强的赛道。
当同行还在为了突破万亿参数的指标而烧钱时,MiroMind 刚刚推出的 MiroThinker 1.5 搜索智能体,用 300 亿(30B)的参数量,就把单次调用成本打到了竞品的二十分之一,同时在复杂研究的基准测试上反超了千亿规模的模型。
单纯堆砌算力的打法正在遭遇商业落地的现实高墙。企业客户不会为了几句文采飞扬的废话掏钱,他们愿意买单的,只有能切实替代人力、推进复杂工作流的“确定性”。
2026-03-20 17:17:13男人的伸到里面软件:可供参考的替代软件名称推荐及其应用领域解析