Image Credits:Anna Gordon
来源：IEEE电气电子工程师学会
由谷歌DeepMind前员工创立的伦敦AI实验室Inherent表示，自家AI智能体，依靠远小于对手的模型体量，性能已经超越Anthropic与OpenAI的大型模型（https://tech.eu/2026/05/01/over/）。
在众多由谷歌DeepMind前员工创办的初创企业当中，Inherent受到的关注相对较少。不过，不少拿到高额融资的竞争对手至今尚未拿出实实在在的成果，而这家位于伦敦的团队已经开始对外展示自己的研发成果。
这家英国初创企业刚结束静默期，完成5000万美元种子轮融资仅数周，就宣布其新发布的AI智能体Faraday，在一项特定任务上超越了规模更大、知名度更高的竞品模型：在事先不告知正确答案的前提下，独立复现已发表科学论文的实验结论。
Inherent的远大目标是打造能够发现全新科学知识，而不仅仅只是验证已有研究成果的AI。对比这个宏大愿景，论文复现听起来或许只是花哨的小把戏。但该公司联合创始人兼首席科学家Edward Hughes表示，论文复现同样也是人类科学家的标准训练项目。“很多博士生的科研之路正是从复现论文开始。”
Hughes向TechCrunch表示，在这项任务上击败其他AI系统并非他们的核心目的，真正关键在于实现该结果背后的技术路径。“对我们而言，最有价值的倒不是战胜这些前沿智能体这一结果 —— 当然拿到这个结果我们也很高兴，真正重要的是我们搭建这套系统所采用的思路。”
下面这一点应当会吸引投资者关注：对标Anthropic的Claude Opus 4.8以及OpenAI的GPT-5.5这两款规模庞大的前沿大模型，Faraday运行在体量小得多的Qwen 3.6模型之上，参数量仅270亿。（简单来说，“参数”可以衡量模型规模，通常也能反映训练成本。）Inherent设定的成功标准也不止追求准确率。除复现实验结果之外，它希望Faraday能够展现出“科研判断力” —— 也就是一种直觉，懂得哪些实验值得开展、如何设计出高质量实验。
教会AI“科研判断力”这类难以量化的抽象能力十分困难，强化学习正是用来解决该问题的手段。这是一种训练方式：对AI的优质输出给予奖励，而非逐条规定它必须遵守的规则。Inherent并没有主要依靠学习科研范式来训练智能体，而是采用这套基于奖励的训练方案，押注该方法拥有更强泛化能力，助力实现长期目标：打造能够在多个科学领域做出贡献的AI智能体。
Hughes表示：“我们始终以打造AI科研智能体、为智能体赋予科研判断力这一终极目标为指引。”这一核心方向，也决定了Inherent哪些产品选择不去开发。公司称，他们没有自研代码工具，而是让Faraday调用OpenAI的GPT-5.5 Codex；就如同人类科学家会直接使用现成软件，而非凡事从零开发。
Inherent还力图避免打造那种一味迎合用户、专挑用户想听的内容输出的智能体。Hughes称，他们的目标对标他心中理想的协作伙伴：会主动反馈，“我对这个问题产生了兴趣，于是自行开展了这些实验，你如何看待这些结果？”
这种协作理念也体现在Inherent的公司运营模式上。公司十几名员工全部在国王十字区的办公室线下办公。这片曾经破败的伦敦街区，因谷歌DeepMind入驻，如今已经跻身全球顶尖AI产业聚集地之列。Hughes说：“我们坚信伦敦正是发展这项事业的理想之地。”
Hughes十分看好伦敦AI人才的密集度，但他也公开呼吁废除garden-leave制度。这是英国十分普遍的一项制度：员工递交辞呈之后，会被禁止在数月内加入竞争对手，或是创办同类竞品公司。美国科研人员不受该条款约束，这让美国初创企业在吸纳离职人才方面占得先机。Hughes向TechCrunch表示：“这仅代表我个人观点，并不代表公司立场，但我本人就曾受花园休假的限制。”
Hughes最终突破了这项制度约束，与另外两名DeepMind前员工以及第四位联合创始人一同创办了Inherent。这家初创企业扩张脚步并未放缓，计划到今年年底将员工规模扩充20-25人左右。再加上公司在AI世界模型领域抱有宏大目标，以及Demis Hassabis履新后，部分DeepMind员工萌生去意，Inherent大举招兵买马，对于正在权衡跳槽的DeepMind员工而言，它很有可能成为颇具吸引力的新去向。
（配图，从左至右依次为：Inherent联合创始人Louis Kirsch、Kaloyan Aleksiev、Tantum Collins、Edward Hughes）
热门跟贴