Forward Future Live：可移植 AI 基础设施、软件与形式化证明

Matthew Berman 和 Nick Wentz 在 2026 年 2 月 6 日的节目中先讨论新闻，随后采访 Modular 联合创始人 Tim Davis、Emergence Capital 合伙人 Joseph Floyd 和 Axiom 创始人 Carina Hong。节目由 Box 赞助。嘉宾对产品、投资和研究的说法属于各自观点，其预测并非已确立的结果。

主持人讨论 Anthropic 的 Claude Opus 4.6，强调智能体工具使用和处于测试阶段的百万 token 上下文窗口。他们指出，大上下文只有在模型能够检索并理解内容时才有用。展示的基准是当时厂商报告的历史结果。

接着他们讨论 OpenAI 的 GPT-5.3-Codex。Berman 说自己的早期体验有所不同：与他熟悉的 IDE 工作流相比，Codex 应用似乎检查和修改更多文件，耗时也更长。Wentz 询问透明度和信任如何影响偏好；这些观察属于个人体验。

Wentz 提到 OpenAI 称该模型帮助了自身开发的某些环节，并将其与自主递归自我改进区分开。Berman 将其视为未来可能出现反馈循环的早期迹象。两人都认为未来能力的时间和程度存在不确定性。

Modular 总裁 Tim Davis 加入节目，解释公司的目标：建立一层软件，让 AI 工作负载更容易在不同硬件上运行。他说开发者通常首先考虑性能、延迟和成本，而不是执着于某款芯片；他认为可移植性能够减少对单一厂商的依赖。

Davis 将 NVIDIA 成熟的生态与云厂商和其他供应商的替代加速器作比较。他说在不同硬件间迁移可能需要大量工程工作，而 Modular 面向复杂实验室和大规模部署的推理需求。这些是公司联合创始人对其产品的描述。

Davis 介绍自己在 Google 从事 AI 基础设施工作后，与 Chris Lattner 共同创立 Modular。他预计 AI 不仅在数据中心运行，也会走向边缘设备，并以延迟、隐私和个性化说明在用户附近处理部分任务的理由。自动驾驶汽车说明某些决策不能等待远端服务器。

Berman 指出，本地运行的智能体仍可能把模型推理发送到云服务。Davis 同意本地模型仍有进步空间，并预计蒸馏和按任务路由会提高其实用性；他的时间判断是预测，并无保证。

被问及大型公司为何没有更快推出某些智能体体验时，Davis 提到组织选择、安全和庞大用户群。他认为 OpenClaw 是推动实验的有用模式；他并未声称了解 Apple 的内部决策。

Davis 介绍一个实验性的个人编程工作流，让不同模型相互规划、实现和审查。他还用本地嵌入选择相关代码上下文，再将材料发送给云模型。他估计自己的 token 用量大幅下降，但没有展示受控基准。

Davis 离开后，主持人讨论较小的本地模型和 Berman 的个人 CRM 实验。随后他们介绍 Box 赞助，并将 Box Extract 描述为从文档提取结构化信息的工具。

Emergence Capital 的 Joseph Floyd 加入，讨论 2026 年初软件股的抛售。他认为这延续了估值倍数下降的趋势，而不能只归因于某一次 AI 产品发布。他的数字与市场解读反映当时的观点，并非投资建议。

Floyd 认为，投资者更青睐被视为具有 AI 增长潜力的公司，而传统软件公司采用 AI 可能需要更长时间。他认为 AI 最终可能改善现有企业的生产力和利润率，但这些预测的结果尚不确定；不同公司面临的竞争压力也不同。

主持人展示 OpenAI Frontier 架构图。Floyd 称图示带有自利色彩，同时认为构建在记录系统之上的智能体未来可能更重要。他预计转变会逐步发生，并认为拥有深入工作流上下文的现有厂商也能构建有用的智能体。

Berman 介绍自己没有购买现成产品，而是构建了个人 CRM。Floyd 区分小型个人工具和数千人使用的企业系统：权限、安全、集成、支持和责任归属可能难以复制。他讲述了一个据称内部人事工具出错的案例，作为说明性轶事，并未独立核实。

主持人与 Floyd 讨论 AI 广告策略和 Anthropic 的讽刺广告。Floyd 批评免费聊天机器人中的广告；Berman 则认为广告可能补贴无法付费的用户。他们将这些意见与任何提供商广告具体如何运行的事实主张区分开。

Floyd 披露 Emergence 投资了 GenSpark，并讨论该公司计划中的超级碗广告。他还介绍投资组合公司 Bedrock Robotics 及其自主施工设备。潜在安全和利用率收益是他的预期，而非比较安全性已经得到证明。

Floyd 说公司正在考虑硬件和生物技术等超出传统软件领域的 AI 应用。他认为旧软件商业模式已经结束，这是风险投资人的观点，并非定论。主持人向他致谢，并播放 Anthropic 的广告示例。

Axiom 创始人兼 CEO Carina Hong 加入节目。她介绍数学背景和公司结合生成与形式化验证、从数学开始的目标。她解释 Lean 这样的证明助手可以根据所给假设检查形式化证明。

Hong 介绍形式化证明与编程的联系：系统生成解决方案，证明检查它是否满足规格。形式化验证依赖规格和假设的正确性与完整性，不能自动证明每项现实需求或部署都是安全的。

Hong 说 Axiom 是一家新成立的小团队，并介绍其 AI 系统在 Putnam 考试中取得满分的公司主张。她还讨论招聘数学家和机器学习研究人员，以及形式化数学训练数据不足。采访并未对公司报告的结果进行独立评估。

对于实际应用，Hong 提到硬件和软件验证、密码学及遗留代码迁移等可能领域。她认为，对有限输入输出样例进行测试可能遗漏边界情况，而形式化方法可以对精确定义的性质提供更强保证。

Hong 认为人类与 AI 在数学上的优势可能不同，从而带来合作机会。她表示 Axiom 已为研究性猜想生成形式化证明；这一公司主张仍需独立评估。她讨论将猜想生成与证明检查作为未来研究可能采用的反馈循环。

被问及商业化时，Hong 说目前仍处于早期，但指出有关键任务验证需求的组织可能成为客户。她还讨论世界模型研究和数学领域作为测试环境的想法。主持人最后强调领域进展迅速；有关最终 AGI 或自我改进的说法仍属推测。