Eclipse Labs 创始人 Neel Somani 近年来将重心逐步转向人工智能领域。本文将回顾他从加密行业转型的过程、背后的思考逻辑，以及未来的研究方向。

发展时间线回顾

Eclipse Labs 是以太坊区块链的扩容解决方案之一。Somani 创立并领导 Eclipse 完成了 A 轮融资，累计融资 6500 万美元。

事实上，早在 A 轮融资完成之前，Somani 就已计划在融资后逐步卸任 CEO 职位。这一安排在数月前便已与团队成员和投资人充分沟通。

2024 年 5 月，他从 CEO 转任执行董事长（Executive Chairman）。在这一角色中，他仍对公司战略方向和高层领导负责，同时将日常运营管理交由新任 CEO Vijay Chetty 负责。随后，公司完成并成功上线了此前对市场承诺的 Eclipse 主网产品。

到 2025 年年中，Somani 对 Eclipse Labs 的长期战略方向进行了重新评估，并在董事会层面推动公司转型，决定从基础设施转向应用层产品开发，同时任命 Sydney Huang 负责新的日常执行工作。

在这一系列过渡过程中，Somani 始终保持对 Eclipse 战略方向的实际控制权，直到 2025 年底主动退出公司治理层。

2025 年 10 月，他正式卸任执行董事长，全职投入机器学习领域，重点关注长期研究与对机器学习理论的知识贡献。此时，他的兴趣已明显从加密基础设施转向更具研究导向的人工智能领域，希望建立更具持续性的学术影响力。

与 Neel Somani 的问答

Q：能否为读者简单回顾一下您的职业经历？

A：当然可以。我的背景是数学和计算机科学。最初我在 Airbnb 担任软件工程师，随后转向 Citadel 做量化研究。我主要研究能源市场，在这个领域，大规模优化模型常用于计算有效市场价格。

在本科阶段，我曾接触过类型系统等形式化方法研究。这套技能在很多领域都有广泛适用性。我将这种思维方式带入加密行业，创办了 Eclipse。

Eclipse 是我职业生涯中的重要阶段，但我的长期兴趣并不仅限于加密基础设施。我逐渐发现自己更被一些研究问题所吸引，但在公司运营中没有足够精力去深入探索。

因此在 2024 年年中，我转任 Eclipse 执行董事长；到 2025 年底，我彻底卸任相关职务，以便全职投入新的研究方向。

Q：可以介绍一下您新的研究方向吗？

A：进入一个新领域时，首先需要培养“研究品味”。所谓“品味”，就是判断哪些问题值得长期投入。

研究问题很多，但每天的时间有限。所以过去一年里，我花了大量时间系统学习机器学习的不同分支。

其中包括强化学习，我最近还写了一系列博客文章进行梳理；也包括应用层概念，比如智能体（agents）。

但从研究角度来看，我最感兴趣的仍然是理解大型语言模型（LLM）本身的内部机制。这属于“机制可解释性”（mechanistic interpretability）方向。

我认为，形式化方法有可能为 LLM 的鲁棒性和安全性提供更强的理论保证。

Q：最近在做哪些项目？

A：目前有一个处于早期阶段的项目，叫做“符号电路蒸馏”（Symbolic Circuit Distillation）。

在机制可解释性领域，研究者会尝试从大型语言模型中提取所谓的“机制电路（mechanistic circuits）”——也就是模型内部一小部分神经元组合，这些组合负责实现特定的算法行为。

例如，模型中可能存在一个专门用于“模加运算”的电路。当模型需要进行模运算时，就会调用这一内部结构。

但问题在于，目前提取出的电路通常具有描述性，却缺乏可证伪性。

“符号电路蒸馏”的目标，是在程序空间中进行搜索，自动匹配一个程序结构到该电路，并在某个定义域内形式化证明两者等价。

简单来说，就是尝试将神经网络内部结构转化为可以被数学验证的程序表达，从而提高解释的严谨性。

Q：对当前的应届毕业生有什么建议？

A：这个问题很难回答。我曾指导过几十名本科生，但现在的环境比以往任何时候都更难给出统一建议。

世界变化得太快。

如果是一年前，我可能会建议他们学习“分发能力”（distribution），因为注意力是稀缺资源。同时，掌握现代编程工具，如 Claude Code 或 Codex，也已经成为基本能力。

但如果必须给出一个建议，我会鼓励本科生考虑进入顶级 AI 实验室工作。

目前很少有其他地方能够提供同等规模的影响力。当然，没有唯一正确的路径，我自己的职业经历本身就说明了这一点。

从加密到AI：一次长期主义的转向

Neel Somani 的职业转型，并非简单的赛道切换，而是一次研究兴趣与长期目标的自然演进。

从区块链扩容基础设施，到大型语言模型的机制可解释性研究，他的路径体现出一种跨领域迁移能力——将形式化方法与系统性思维应用到新的技术前沿。

在 AI 迅速演进的当下，他选择回归研究本质，专注于构建更安全、更可解释、更具理论基础的人工智能体系。

或许，这种从“建设系统”到“理解系统”的转变，正代表着下一阶段 AI 发展的深层趋势。