Thinking Machines于2026年7月10日通过创始人Soumith Chintala的官方声明宣布其战略方向。该公司将工作重点放在个性化人类参与和去中心化上，以民主化人工智能并减少对集中式AGI提供商的依赖。这一方法与Tinker交互模型和公开发布的Connectionism研究的预览相符。

关键要点

• 个性化允许组织根据其特定工作流程和数据塑造AI系统，而无需依赖主导提供商的通用大型模型。
• 人类参与确保AI扩展用户判断而非取代它，从而在各行业创建更可靠和上下文感知的应用。
• 去中心化通过分散控制和促进模型开发的开放协作，降低社会对少数AGI公司的依赖。

核心支柱深入分析

个性化是Thinking Machines的技术基础。通过支持边缘微调，组织获得对模型行为的控制权。这降低了数据泄露风险并改善了特定行业法规的合规性。

人类参与机制

团队开发的交互模型强调迭代反馈循环。用户通过捕捉意图和领域专业知识的自然界面指导输出。Tinker的早期演示表明，此类系统在专业环境中优于静态聊天机器人。

去中心化策略

公开发布的Connectionism研究支持分布式训练和推理。这些方法允许较小实体贡献计算和数据，同时保持隐私。结果是更具弹性的AI生态系统，不易受单一故障点或大型公司政策变化的影响。

商业影响与机遇

医疗保健金融和创意服务等行业可以部署定制AI而无需供应商锁定。货币化通过交互框架许可和去中心化基础设施服务实现。遗留系统集成等实施挑战通过模块化API和开放标准解决。对集中式参与者的竞争压力可能加速创新，同时监管机构获得对分布式网络更清晰的监督路径。伦理最佳实践侧重于人类AI协作的透明度以防止偏见放大。

未来展望

分析师预计，随着组织寻求单体模型的替代方案，这些原则的采用将加速。市场转变可能青�混合人机团队和开源去中心化平台。Thinking Machines表示未来几个月将扩展这些能力，可能重塑企业评估AI投资和长期策略的方式。

常见问题

Thinking Machines的主要目标是什么？

该公司旨在通过个性化人类参与和去中心化来民主化AI，从而减少对集中式AGI公司的依赖。

个性化如何使企业受益？

它使组织能够根据其独特数据和工作流程定制AI模型，提高相关性合规性和数据控制。

人类参与在他们的方法中扮演什么角色？

人类参与确保AI通过交互模型增强用户判断，纳入领域专业知识以获得更好结果。

为什么去中心化对AI行业很重要？

去中心化分散控制和计算资源，培养韧性并降低对少数大型提供商的依赖。