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，而在于發現全新的自然規律。這一論斷直指當前通用人工智能（AGI）發展的核心爭議——主流定義過度強調功能替代，卻忽視了探索未知領域的根本價值。

OpenAI等機構將AGI定義為在經濟價值工作中超越人類的系統，這種功能主義導向正主導著行業研發方向。但陳天橋認為，若AI僅滿足于模仿人類行為或優化現有流程，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，而在于創造新知識——包括新定理、新材料、新藥物等具有根本性創新的成果。

在醫療、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底線。陳天橋指出，低一個百分點的可靠性可能導致數億元研發經費的浪費，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境中追求的高分形成鮮明對比，揭示出技術落地現實場景時面臨的巨大挑戰。

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路徑，轉而構建基于"時間序列反復求證"的推理機制。這種設計要求系統在長鏈路任務中持續獲取外部反饋，通過可審計的證據鏈逐步逼近真相，而非依賴一次性生成答案的賭博式策略。

陳天橋將現有AGI路徑劃分為三大流派：行為主義范式強調模仿人類表現，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——現實世界沒有標準答案，真正的智慧在于自主發現正確路徑。其提出的"理科大模型"范式，要求系統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%，但經過300步鏈式推導后成功率將驟降至0.23%。這種指數級衰減暴露出長鏈誤差累積的致命弱點，而現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項目已展現初步成果。該系統使用2350億參數模型在特定任務中達到領先水平，其核心突破不在于分數提升，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獲取環境反饋，將推理過程轉化為可審計的證據鏈，為構建通用問題求解器奠定基礎。

陳天橋借用佛經"大圓鏡智"的意象，描繪其心目中的理想AGI——這個系統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，這種回歸本質的追求，或許正代表著技術發展的下一個轉折點。