01 触发事件

2026 年 8 月 22 日, TechCrunch 报道: 英国 AI 实验室 Inherent (由 DeepMind 校友创办) 发布 agent 产品 Faraday, 在科学论文复现这一任务上声称跑赢了 Anthropic 和 OpenAI 的同代模型。原文几乎是一篇 PR 翻译, 我没看到具体 benchmark 数字、复现的论文数量或对比方法论, 这点我可能误判, 后文会展开。

事件本身不复杂。值得讨论的是这件事在 agent 生态里处于什么位置。

02 这事的真正含义

问题不在 "DeepMind 校友又创业了", 而在 Faraday 选择 "scientific paper replication" 这个 task。

复现科学论文, 是一个 ground truth 异常清晰的 task:

  • 输入: 一篇 PDF 论文
  • 输出: 代码 + 实验结果
  • 评判标准: 跑出来的数字能不能 match 论文里 claim 的曲线

这种 task 在 AI 评测里属于少见的 "硬任务"——没有 subjective preference, 没有 LLM-as-judge 的争议, 跑得出来就是跑得出来。这种 task 上 frontier lab 的 chat 模型其实没优势, 因为它们训练目标就不是 "按论文实现实验"。

Inherent 把这个 task 包成 "AI teammate"——不是 chatbot, 不是 copilot, 而是能独立完成一个 research 子任务的协作者。这个 positioning 比之前 agent 创业潮里的 "universal assistant" 收敛得多。

那为什么 Inherent 能跑赢 frontier model? 我的判断是: 不是因为他们训练了更强的 base model, 而是因为他们把 workflow + tool use + code execution + iterative debugging 这一整套 harness 优化到了极致。模型可能是 Sonnet 或 GPT-5.4, 但 agent shell 是 Inherent 自己写的。

这才是这件事真正在说的: 通用 frontier model 的能力天花板, 跟实际能交付的 agent 能力之间, 有一道 workflow 的 gap。这道 gap 是 Inherent 在卖的。

03 历史类比

这个故事有一个明显的对照: 2014-2016 年 DeepMind / Google Brain 校友的创业潮。

Inflection 拿了 13 亿融资, pivot 了; Adept 被 Amazon 收购, 团队散了; Character 转向 B2B; Hummer 没下文。历史告诉我们, "DeepMind 校友" 这个背景值在 2023 年值 20 亿美金, 在 2025 年可能只值 5 亿。

但反例也存在: AlphaFold 本身就是 DeepMind 做的, 在 protein structure prediction 这个 narrow task 上横扫传统方法, 拿了诺贝尔奖。关键差异在于——AlphaFold 的 task 是定义清晰的 (输入氨基酸序列, 输出 3D 结构), 且商业价值巨大 (整个 drug discovery 产业链)。

Faraday 的 scientific replication 任务, 定义上是清晰的。但商业价值呢? 复现别人的论文这件事, 谁来付费?

  • 学术机构: 会用, 但不会付高价
  • 制药公司: 可能用, 但买的是 proprietary research 的自动化, 不是复现别人的
  • 真正的市场: research ops 团队在内部做 R&D 时的 "reproducibility check"

还有一个更早的类比: 1980 年代的 expert systems。XCON (DEC 的计算机配置专家系统) 在 narrow task 上击败通用 AI, 但扩展性为零, 最终被通用工具取代。Mycin 在医学诊断 narrow domain 跑赢人类, 但从未真正落地。

Inherent 的故事最终走向 AlphaFold 还是 XCON, 取决于他们能不能把 "scientific replication" 这一个 task 扩展到真实的 research workflow, 而不是停在 benchmark。

04 对 AI builder 意味着什么

如果你在做 agent 或 AI 产品, 这件事给你的信号是:

第一, narrow task + ground truth 是创业者的真机会, 不是 "通用助手"。Inherent 选的 task 之所以有意义, 是因为复现结果可验证。这个选择本身就是策略。Builder 应该问自己: 我的 task 有没有清晰的 ground truth? 没有的话, frontier lab 迟早会用 RLHF + 更好的 harness 吃掉你。

第二, moat 在 evaluation harness, 不在 prompt engineering。Inherent 跑赢 frontier lab 大概率靠的是反复迭代的工具调用 + 代码执行 + 自动 debug 流程。这是工程问题, 不是研究问题。Builder 的 R&D 应该投入到这一层, 不是换模型。

第三, "AI teammate" 这个 positioning 比 "AI assistant" 更有定价权。如果你的产品能真正替代一个 junior researcher 几小时的工作, 客单价能到几千美金/月; 如果只是 chatbot, 客单价卡在 $20。

第四, scientific research 这个 vertical 仍然是低估的。Biotech, materials science, chemistry 这几个领域对自动化研究复现有真实需求, 且付费能力强。opcx.ai 这类 model gateway 的客户里, 这几类正在增长。

第五, 时间窗口。Frontier lab 不会长期放过这种 narrow task 优势——Anthropic 或 OpenAI 可能会在 6-12 个月内发类似的 "research mode"。现在动手做 scientific replication agent 的团队, 有 12 个月的窗口做 distribution + customer base 建立。

05 反方观点

我可能错的地方。

第一, 这篇文章几乎是一篇 PR 翻译, 没有 methodology, 没有 benchmark 数字, 没有 "在 N 篇论文上复现成功率是多少" 的硬数据。我现在在分析一个几乎无法验证的 claim。这种时候, 我应该打个更大的问号。

第二, DeepMind 校友创业的历史数据不利于 Inherent。Inflection, Adept, Character 的轨迹摆在那里——pedigree 不等于 PMF。Faraday 选的任务可能太 niche, 商业天花板有限。

第三, frontier lab 的反应可能比我想的快。Anthropic 已经有 Claude Code, OpenAI 有 deep research, Google 有 co-scientist。这三家的 distribution 远超 Inherent。一旦 frontier lab 认真做 scientific replication, 留给创业公司的窗口可能只有 6 个月, 不是 12 个月。

第四, "scientific paper replication" 这个 task 本身可能比看起来难。真正能跑赢 frontier model 的不是简单复现, 而是处理 ambiguity (论文里没说清的实验细节, 缺失的参数, 模糊的 figure)。这件事的真实难度, Inherent 自己可能也低估了。

第五, 我把这件事解读为 "workflow moat" 的胜利, 但也可能是 Inherent 真的用了更好的 base model (post-trained, fine-tuned, 或者根本用了未公开的模型)。如果是这样, 故事就变成了 "小公司训出了更强的模型", 这个 interpretation 对 builder 的启示完全不同——小公司训更强模型这条路, 历史证明走不通。

我的判断: 这件事 60% 概率是真实但被 PR 放大, 30% 概率是 PR 编的, 10% 概率是真正的小突破。我会等独立 benchmark 出来再下结论。在那之前, 不应该把它当成 "frontier model 失守" 的信号——更像是一个值得跟踪的方向, 不是定论。