硅谷101这期节目的标题里写着"与陈天桥首席科学家聊聊"，但陈天桥本人从头到尾没有出现。上场的是两位真正的首席科学家——华盛顿大学计算机系副教授杜少雷，和曾在微软研究院、Meta、xAI 做过研究员的 Beibin Li。他们所在的公司叫 Apodex，希腊语词源是"证明与论证"，陈天桥出资创立并亲自主导。

这不是陈天桥第一次下注"科学优先"的AI。过去两年，他已经先后投了 MiroMind（六十多名科学家、承诺十亿美元级投入）、通讯应用 Tanka、脑机接口公司 Gestalt，现在是 Apodex——一家自称要做"heavy duty solver"、专啃没有标准答案的科学难题的公司。四个项目，一条共同的叙事：陈天桥给主流大模型贴上"文科生模型"的标签，说它们只会语言模仿，给自己的方向冠以"理科生模型"的名号，说这才能做因果发现。

这条叙事听起来很有信念感。但拆开 Apodex 这一个案例看，它目前没有自研的预训练基座模型（用的是开源通义千问3.5后训练），没有一句提到收入或客户，几个引以为傲的"榜单第一"是自己评测、自己判断是否作弊。两位科学家把公司真正的护城河，归结为一个词——品味。这个词听起来很人文，但拆开看，其实是"没法量化，所以先用创始人的判断力背书"的委婉说法。

以下是我们的拆解和判断。

陈天桥的AI矛盾军团，和一次连续下注

陈天桥近年的AI投资已形成一条清晰线索：他和妻子 Chrissy Luo 共同创立的天桥脑科学研究院（TCCI）从2016年起向脑科学砸下十亿美元级投入，十年过去，这笔钱换来了加州理工的神经科学楼、若干顶级实验室的联合研究，但没有一款可以对外销售的产品。2025到2026年，他的打法开始向AI集中：MiroMind主攻"发现型智能"，Shanda集团对"可发现AI"方向承诺的总投入在10亿到20亿美元区间（陈天桥个人向MiroMind投入约1亿美元），官方口径是"接近有意义的收入"，靠的是与资管机构、能源基建商的合作；Tanka定位AI记忆通讯工具；Gestalt做超声无创脑机接口；Apodex是最新一块拼图，主打科学发现模型。

这是一种典型的组合投资打法——用多个平行项目去押注一个方向不确定的赛道，指望其中一两个跑出来。这套打法本身不新鲜，早年陈天桥做游戏发行时就靠密集试错找爆款。但游戏行业的试错周期是以月计的，AI科学发现的试错周期，尤其是要拿出真实的科研突破，历史经验告诉我们是以十年计的——TCCI的脑科学投入就是活生生的参照。判断力可以在短期内驱动估值，但只有真实产出能驱动长期存续，中间这段窗口有多长，决定了这场赌注的赔率。

护城河是品味，不是模型

Apodex 给自己的定位很干净：不做聊天机器人，不做图片、视频生成，只啃"人类自己都不知道从哪儿下手"的难题。这个定位在产品同质化的AI赛道里确实是一种差异化。杜少雷讲得很实在：现在市面上大部分自我进化的尝试都停留在"脚手架"（Harness）层面——调用API就能做，护城河很低；真正难的是后训练和预训练层面的自我进化，需要大量资源。Apodex 说自己在做后两者。

但当泓君追问"你们的核心优势是什么"，两位科学家给出的答案却落在了一个很难验证的地方——品味。Beibin Li 说："现在来说，大部分是AI研究员的品味，但研究员的品味是被创始人的品味间接影响的。"杜少雷补充说，顶级科学家的判断标准不是发了多少论文，而是最好的一篇论文质量有多高，这套标准要写进模型的"宪法"（constitution）里，而这份宪法，是陈天桥本人主导撰写的。

这句话拆开看，等于承认了一件事：整个公司的技术路线，是陈天桥一个人的科研直觉在下注。 品味"没有对错，只有适合不适合"——这个说法本身没错，但放在商业语境里，第三方审计不了它、同行验证不了它、继任者也继承不了它。一家公司的核心竞争力如果系于某个人的直觉，那么这道护城河的坚固程度，就完全取决于外界要不要相信"这个人的直觉值得信任"这件事——而这恰恰是极难独立验证的一种信任。

自己出题，自己打分

Apodex 目前唯一可以摆到桌面上的成绩单，是几个 DeepResearch 类基准测试的排名——BrowseComp（OpenAI 出品，专考刁钻的多跳检索题）、DeepResearch QA、Frontier Science，Apodex 宣称都拿到了第一。这些基准测试是真实存在的，不是杜撰。

但杜少雷自己也提到一个关键细节：这类基准测试一旦公开，答案就可能被人放到网上，新模型只要"搜到答案"就能刷分，所以团队会自己判断哪些结果涉嫌作弊，并把可疑来源屏蔽掉——换句话说，是不是刷榜，由参赛者自己认定。他还直言，"有些榜单已经污染的比较严重，干脆后来也就不报了"。

这不是 Apodex 一家的问题，几乎整个AI创业圈都在用这套"自证—选择性披露"的打法，属于行业通病。但 Apodex 把"不卖token、直接卖解决方案"作为自己的核心差异化叙事——如果连接受第三方审计的基准测试都可以自行取舍，那么"我们解决的是真问题、创造的是真价值"这句话，目前还停留在承诺阶段，没有独立于公司自身的验证方式。

同样停留在承诺阶段的，还有"递归漂移"（recursive drift）这道学术界公认的难关——模型自我进化时，推理过程中的小错误会一代代累积，最后结果可能"看着对，过程是歪的"。两位科学家都没有回避这个问题，Beibin Li 甚至直言"没有解决"，只是判断"几年内"能把漂移率从10%压到1%再到0.01%。一个连自己出的题都可能改判的公司，对"几年内解决"这个时间承诺，本身也需要打个问号。

笔者个人观察：十年脚注

这期节目所有的判断依据，都来自播客现场的两位科学家自述，没有第三方审计、没有客户案例、没有财务数据。要理解"品味叙事"的真实成本，陈天桥自己走过的另一条长期主义路径提供了参照。

TCCI 从2016年到现在，累计投入超过十亿美元用于脑科学研究，建成了加州理工的天桥脑科学研究院神经科学大楼，资助了国内多所高校的脑电数据集项目，也孕育出了2026年初刚成立的脑机接口公司 Gestalt。这条线走了近十年，产出的是扎实的基础研究和一家刚起步的硬件公司，还没有走到大规模商业化那一步。这不是失败，是基础科学本身的时间尺度——但它提示了一个基准线：陈天桥主导的"科学优先"项目，从投入到能被市场验证的产出，历史上跨度接近十年。当然，TCCI 是不追求商业回报的纯科研机构，Apodex 要卖的是解决方案，两者的时间表本不该直接类推——但陈天桥本人在两个项目里扮演的"品味仲裁者"角色是同构的，这才是这条基准线真正成立的地方。

Apodex 给自己的时间表要短得多——最快半年就能跑通一次完整的自我进化闭环。这中间的落差，恰恰是这场赌注很值得追问的地方：AI能力的迭代速度确实比脑科学快得多，但"科学发现"这个目标本身对时间的要求，并不会因为算力便宜了就自动缩短。杜少雷和 Beibin Li 都是真实、有公开履历可查的研究者——杜少雷是2024年斯隆研究奖得主，Beibin Li 在微软研究院、Meta、xAI都有扎实的履历——他们的专业能力不是问题，问题是，这些能力被放进了一个此前从未被验证过的商业假设里。

谁能打破这道墙

如果把 Apodex 的护城河拆成三层——陈天桥的历史声望背书、顶级科学家网络训练出的"品味"、不迎合用户的纯粹技术定位——那么反过来站在对手的立场上想一想，这三层墙分别在哪里会先松动。

历史声望这层墙，消耗的是过去积累的信任，而信任是不可再生资源：一旦某个项目被验证"讲得多、做得少"，这层墙会比技术护城河塌得更快，而且会连累陈天桥旗下所有平行项目的可信度，包括 MiroMind 和 Tanka。品味网络这层墙看似难以复制，但顶级科学家的忠诚度从来不由感情维系——如果某家出价更高、算力更足的实验室愿意开出更好的条件，杜少雷和 Beibin Li 这样的研究者完全可能被挖走，品味会跟着人走，而不是留在公司里。不迎合用户这层墙，恰恰可能被"更快拿出可验证成果"的竞品正面击穿——如果 OpenAI、DeepMind 或者陈天桥自己的 MiroMind 先拿出一个类似 AlphaFold 的实绩，Apodex 强调的"我们更纯粹"就会立刻显得不是优势，而是慢。

判断力可以决定一家公司能不能获得下一轮机会，但只有可验证的产出，才能决定它能不能留在牌桌上。 Apodex 现在拿到的，是前者给的入场券。

声入商业说：我们不搬运播客原文，我们帮你判断这类"名人系AI叙事"背后真正在下注的是什么。评论区想听听大家的判断——如果一家公司的核心竞争力被归结为"创始人的品味"，你会怎么给它估值？本篇素材来源：硅谷101《与陈天桥首席科学家聊聊硅谷模型必争之地》，点击阅读原文可以听到完整对话。