DeepMind校友創辦Inherent推出AI科學家Faraday 僅用270億參數模型超越Anthropic與OpenAI

在 AI 產業巨頭持續以千億參數模型搶佔頭條之際，一家由 Google DeepMind 校友創立的倫敦初創公司 Inherent，用截然不同的策略證明——模型大小並非決定 AI 能力的唯一因素。該公司最新發表的 AI 科學家代理 Faraday，僅以 270 億參數的模型規模，在科學論文重現任務上擊敗了 Anthropic 的 Claude Opus 4.8 和 OpenAI 的 GPT-5.5。

從 DeepMind 走出的四人團隊

Inherent 由四位共同創辦人於倫敦 King’s Cross 創立，包括首席科學家 Edward Hughes、Louis Kirsch、Kaloyan Aleksiev 及 Tantum Collins，全部來自 Google DeepMind。公司僅在數周前才以 5,000 萬美元種子輪融資正式走出隱身模式，規模遠不及許多同行。

與多數 AI 初創不同，Inherent 的團隊維持精簡——目前僅有 12 名員工，全部在 King’s Cross 辦公室面對面工作。Hughes 表示，倫敦的 AI 人才密度是他們選擇留在英國的關鍵原因，但他也公開呼籲終止英國常見的「花園休假」（garden leave）制度——這種限制離職員工短期內加入競爭對手的做法，讓英國初創在招聘頂尖人才時處於劣勢。

Faraday 的獨特路徑：強化學習培養「研究品味」

Faraday 的核心突破不在於模型參數競賽，而在於訓練方法。Inherent 採用了強化學習（reinforcement learning）來訓練代理——不是教它背誦科學研究流程，而是通過獎勵機制讓它自行探索什麼樣的實驗設計和步驟能帶來正確結果。

Hughes 接受 TechCrunch 訪問時強調：「我們最感興趣的不是擊敗那些前沿代理的結果——當然我們也喜歡這個結果——而是我們建構它的方法。」Faraday 的目標不止於複製論文結果，更是要培養「研究品味」（research taste）——一種判斷哪些實驗值得進行、如何設計實驗的本能。

值得注意的是，Faraday 本身運行在阿里雲通義千問的 Qwen 3.6 模型上，僅 270 億參數，遠遠小於 Anthropic 的 Claude Opus 4.8 和 OpenAI 的 GPT-5.5。Inherent 還刻意讓 Faraday 使用 OpenAI 的 GPT-5.5 Codex 作為編程工具——就像人類科學家使用現成軟件而非自行開發一樣。

從論文重現到真正科學發現

論文重現——即獨立驗證已發表科學研究的結果——是博士研究生常見的訓練方式。Faraday 正是在這項任務上展現了超越更大規模模型的表現。但對 Inherent 而言，這只是第一步。「我們的北極星始終是建立 AI 科學家代理，並為代理注入品味，」Hughes 說。

公司的長遠目標是建立能夠發現全新科學知識的 AI 系統，而不只是驗證既有結果。Inherent 也在探索世界模型（world models）領域。隨著 DeepMind 創辦人 Demis Hassabis 的新職位變動導致部分 DeepMind 員工尋求新機會，Inherent 的擴張計劃可能成為吸引頂尖人才的重要落腳點。

對香港 AI 生態的啟示

Inherent 的故事對香港 AI 社群有幾層意義。首先，它證明頂尖 AI 研究不必來自巨頭實驗室——一個小而專注的團隊，配合正確的訓練策略，可以在特定領域與科技巨頭競爭。這對正在發展 AI 人才的香港而言是重要啟示。

其次，強化學習結合小型模型的策略，意味著高效能 AI 研發的成本門檻可能低於普遍認知。對於本地初創和企業而言，投資於訓練方法和數據策略，可能比盲目追求更大模型更具成本效益。

最後，Inherent 的人才招聘困境也凸顯了政策環境對 AI 生態的影響——競爭性的監管框架能夠加速或阻礙創新人才的流動。香港在發展 AI 人才政策時，可參考這些國際經驗。

結語

Inherent 和 Faraday 的案例標誌著 AI 產業可能正在進入一個新階段——當模型參數競賽達到瓶頸，訓練方法和代理架構的創新將成為下一個競爭焦點。對於企業決策者而言，這意味著在評估 AI 方案時，不應僅關注模型規模，更應重視底層的訓練策略和應用框架設計。