先看一张图。这是斯坦福 HAI（人工智能以人为本研究所）刚发布的《2026 AI Index Report》第 9 章 Public Opinion 里的一张：

这一章的小标题翻译过来是 "AI 乐观情绪在涨，但焦虑也在涨"。中间那条横向柱状图里有一行数据：

Products and services using AI make me nervous —— 52%（2025 年）

也就是说，全球大概一半的人，对 AI 给出的服务是紧张的——这不是讨厌、不是排斥，而是"我用归用，但每次心里都打个鼓"。

Pew Research 同期那份调查 把"AI 专家 vs 普通公众"对 AI 在不同领域影响的乐观程度，做成了一张更直白的对比图：

横向看一遍这张图，几乎每一行都是一条几十个百分点的鸿沟：

• 职场（"How people do their jobs"）：AI 专家中 73% 认为是积极影响，普通公众只有 23%——差 50 个百分点

• 经济：专家 69% 乐观，公众 21%——差 48 个百分点

• 医疗：专家 84%，公众 44%——差 40 个百分点

• 哪怕在专家自己也没那么乐观的领域（新闻、选举），公众的乐观度也几乎贴近 0

这条鸿沟有意思的地方在于——它说明问题并不在 AI 不够聪明。AI 已经够聪明了，聪明到能写报告、写代码、看医学影像、辅助法律研究。但聪明到一定程度之后，会出现一个新问题：普通人开始没办法判断它说的话是真是假。

---

这种焦虑的根本，是"答案越流畅，越无法验证"

最近这两年，每个用过几次 AI 的人，心里大概都闪过一个相同的瞬间：

• 它给的答案听起来非常专业、非常自信

• 但这条结论到底出自哪里？是它训练数据里有的真实文献，还是它当场编了一个看似合理的说法？

• 我能不能点回原文自己核对？

这件事最妙的旁证来自 OpenAI 自己的 CEO。Sam Altman 在 2025 年 6 月 18 日 OpenAI 官方播客第 1 期（OpenAI Podcast Ep. 1，主持人 Andrew Mayne）里，对全球用户说了一段挺反常识的话：

整集播客里他反复在强调同一件事，最直接的一句是：

"People have a very high degree of trust in ChatGPT, which is interesting because AI hallucinates. It should be the tech that you don't trust that much."

（中文：人们对 ChatGPT 的信任度高得令人意外。这其实挺奇怪的——因为 AI 是会胡编的，它本该是你不那么应该相信的那种技术。）

— Sam Altman, OpenAI CEO（OpenAI Podcast Ep. 1，2025 年 6 月）

造 AI 的人亲口告诉用户"别太信 AI"——这句话听起来像是悖论，但它指出了一个很真实的问题：LLM 的语气流畅度和事实准确度，是两件不同的事。表达越自信，事实越未必。

所以行业的下一个问题，已经不是"AI 能不能答得更聪明"——它早就够聪明了；而是 "AI 能不能让我自己去验证它给的答案"。

那既然有这么个真问题，我们就拿一个具体场景跑一下试试看：用一个真实的医疗谣言去测 InfiniSynapse 处理"信任问题"的能力。

---

起点：一个看起来很专业的医疗营销

设想一下：你膝盖痛了大半年，刷到一个朋友圈广告——"FDA 批准的干细胞注射，一针告别膝关节痛"。听起来挺正经，"FDA 批准"这四个字像金字招牌。

但稍微多想一秒，几个问题就来了：

• "FDA 批准"，到底批准了什么？是产品本身？是临床试验？还是只是某个口头说法？

• 朋友圈、小红书上一片好评，这些发声的人，动机是什么？

• 如果 AI 告诉我一个结论，我能不能一条一条点回原文核对？

这三个问题恰好覆盖了 Sam Altman 那句话里的核心痛点——AI 给的答案对不对、出自哪里、能不能查。我们把它们打成中文 prompt 扔进 InfiniSynapse：

"我看到一家诊所打广告说'FDA 批准的干细胞注射'治疗膝关节骨关节炎，这真的可信吗？请优先用权威医学来源（FDA、NIH、PubMed、CFDA/NMPA、医学指南）查证，并对比一下'诊所/厂商宣传'、'患者论坛/小红书评价'、'权威医学指南'这三类信息源的动机差异，所有结论都要给出原文链接可以追溯。"

提交前，把右下角的两个开关打开：

• Enable Web Search：去搜索引擎拉信源、按权威度和相关性排序

• Enable Browser：让 AI 真的"打开"具体页面、逐字读原文，不只是看搜索摘要

这两件事看起来朴素，但它们决定了 AI 是在"凭记忆答题"还是在"现场查资料"。回车。

---

第一件事：AI 自己规划了"权威源优先"的检索路径

提交之后，InfiniSynapse 没有立刻搜。它先把这件事拆成了 6 个阶段：

我们 prompt 里只丢了几个关键词——"FDA / NIH / PubMed / CFDA / 指南"，AI 自己把这些词理解成了一个层层递进的权威性顺序：先听监管机构怎么说，再看一手学术证据，再回到中国监管语境，最后才看临床指南怎么写。

注意一个值得说的细节："诊所宣传"和"患者论坛"被它放到了第 5 阶段——只用来做"动机对比"。换句话说，AI 没有让弱权威源参与"事实判断"，只让它们参与"差异分析"。这个权重分配挺关键的，决定了最终结论会不会被营销话术污染。

进入 Phase 1 后，它一口气并行触发了 9 个工具调用，全部命中 FDA + AAOS：

---

第二件事：检索结果按权威度排序，不是按热度

InfiniSynapse 走的不是"搜索引擎第一条就是答案"那一套。它会把每次搜索的结果都拉出 20–60 条原始记录，再按学术权威性 + 来源类型重新排序。

点开任意一个工具行右侧的"任务查看"面板，就能看见 AI 实际抓到的源是什么样：

排在前面的几条都是有据可查的：

• 第 3 条：Cell injections for knee osteoarthritis: a randomized controlled trial... 附 NCT03818737 临床试验注册号

• 第 4 条：Stem cell therapy for knee osteoarthritis: mechanisms, evidence... 引用 AAHKS 立场声明 + FDA 消费者警示

• 第 5 条：Br J Sports Med 2017 加 DOI: 10.1136/bjsports-2016-096793

切换到 PubMed 学术检索时，它顺手拼了一条专业研究员级别的高级查询语法——这种写法普通搜索引擎用不上，但医学综述里是基本功：

TITLE-ABS-KEY("knee osteoarthritis" OR "knee OA")AND TITLE-ABS-KEY("stem cell" OR "mesenchymal stem cell" OR "MSC" ...)AND TITLE-ABS-KEY("intra-articular injection")AND TITLE-ABS-KEY("randomised controlled trial" OR "RCT" ...)AND LIMIT-TO(DOCTYPE,"ar")AND LIMIT-TO(SUBJAREA,"MEDI")AND PUBYEAR > 2014 AND PUBYEAR < 2026

这一行用人话翻译就是："我只要 2014 年之后的英文医学期刊里，专门做'膝骨关节炎 × 干细胞 × 关节内注射 × RCT'四交叉的同行评议文章。"

写过文献综述的人看到这行应该会觉得熟悉——这是研究员才会写的检索语句，不是日常搜索习惯。InfiniSynapse 在做这件事时没有让我们提示，它自己判断了"这是医学问题、需要这种级别的检索"。

---

第三件事：跨源对比，把"立场差异"摆出来

权威源拉完之后，InfiniSynapse 又多做了一步：把同一个问题下，不同信源各自的立场摆在一起对比。

到 Phase 5，它把"诊所宣传 / 患者论坛 / 权威指南"三类信源做了一个红黄绿可信度评级，并且写明每一类的典型动机偏差：

🏥诊所宣传（可信度 🔴）：商业盈利驱动，选择性引用数据，隐瞒风险和 FDA 执法记录

📱小红书 / 患者论坛（可信度 🟡）：存在安慰剂效应、水军软文、沉没成本偏差，缺乏🏛️权威指南 / 监管机构（可信度 🟢）：基于系统评价，结论历经审定，利益冲突公开透明

这个评级不是 InfiniSynapse 内置的模板。它是 AI 跑完前 5 个阶段、把诊所原话、患者评价、监管文件三组材料都过了一遍之后自己归纳出来的。

它顺手还指出了一个常见的话术混淆：

"FDA Breakthrough Therapy Designation（突破性疗法认定）≠ FDA approval（FDA 批准）。某些诊所在宣传中把'获 BTD 认定'描述成'获 FDA 批准'。"

这一点对普通人挺有用——它解释了为什么有些诊所敢公开说"FDA 批准"：确实有这么一个 BTD 通知书存在，但这和"产品获批上市"是两件不同的事。一个普通消费者可能看不出来这个差异，AI 把这件事讲清楚了。

---

第四件事：每个结论都给原文链接

这一步是这次任务里我们觉得最有意思的一帧。InfiniSynapse 给出"FDA 没有批准过任何干细胞产品用于骨关节炎"这个结论时，没有让你"相信我"——它把原文出处直接挂在了结论旁边：

FDA 官方立场 — "FDA 批准的干细胞注射治疗膝骨关节炎"是虚假宣传

• FDA 明确声明："没有任何再生医学产品被批准用于治疗任何骨科疾病，包括骨关节炎、膝痛等"（FDA 消费者警示）

• FDA 目前只批准了造血干细胞（脐带血）用于血液系统疾病，以及 2024 年 12 月批准的 Ryoncil（首个 MSC 疗法）用于儿童移植抗宿主病——均与膝骨关节炎无关（FDA 批准产品列表）

• FDA 警告："如果你被收取费用或被提供这些产品（在临床试验之外），你很可能是被欺骗并被提供了非法产品"

每一个引用都给原始链接、文献编号、监管机构发文记录。

这其实就是"可追溯"三个字最具体的样子：你拿这份报告去找你的骨科医生讨论时，每一行都可以摊在医生面前，告诉他"这一句出自 FDA 官网、那一句出自 ACR 指南、这一段出自 Cochrane 2025 系统综述"。结论本身可以被反驳，但每一个事实都可以被独立验证。

---

把这条信任链串起来看

把这次任务从头看到尾，InfiniSynapse 在三件事上做出了和"普通 AI 工具"不一样的选择：

回到 Sam Altman 那句"It should be the tech that you don't trust that much"——

如果接受他这个判断（我们觉得他说得对），那么解法只有两条：要么让 AI 不再胡编（这是模型架构层面的事，时间会很长），要么让 AI 把每一句话的来源摆出来，让用户自己去验证（这是产品层面就能做的事）。

InfiniSynapse 选的是第二条。在医疗、法律、金融、政策解读这些容错率比较低的场景里，"AI 给的答案对不对"这个问题，远没有"AI 给的答案我能不能查"这件事来得重要。一个能让你点回原文核对的 AI，才有机会进到严肃的工作流里。

---

写在最后

我们做 InfiniSynapse 这两年，反复在想一个问题：当所有 AI 都能流利地给出答案时，什么是 AI 时代真正的产品差异化？

这次任务的答案我们觉得挺清楚的——

不是答得多快，不是答得多漂亮，而是答得"可被信任"。

可被信任意味着：

• 数据来源透明：哪条结论来自 FDA、哪条来自 PubMed、哪条来自小红书，一目了然

• 处理过程可见：每一步搜索、每一篇被读过的文档、每一次跨源对比，全部留底

• 结论可追溯：每一个事实都给到原始链接，让你可以自己去验证

一个"答得快但是黑盒"的 AI，适合写文案、画 PPT 这类容错率高的事；一个"答得稳、全程留痕"的 AI，才适合用在涉及健康、钱、法律、政策的严肃决定里。

我们选的是后者。

---

这周也可以试一次

如果你身边有人最近被某个"听起来很专业但你不敢轻信"的说法困扰——保健品宣传、新药承诺、政策解读、理财方案——可以打开 app.infinisynapse.cn 试一下这套流程：

1. 在输入框右下角打开 Enable Web Search 和 Enable Browser

2. 在问题里直接说明你想优先看哪几类权威源（监管机构 / 学术期刊 / 行业指南）

3. 加一句"所有结论都要给原文链接可以追溯"

4. 回车——然后等几分钟

你拿到的不会只是一个答案，而是一份你可以拿去任何专家面前、能让他逐条核对的调查报告。

---

数据与引用来源： - Stanford HAI 《2026 AI Index Report》第 9 章 Public Opinion- Pew Research 2025 · How the US Public and AI Experts View AI- Sam Altman on AI hallucination · OpenAI 官方播客 2025 年 6 月

本次任务回放：本文中 9 张截图来自 InfiniSynapse 真实任务执行过程，AI 用时约 3 分 30 秒，调用了 30+ 次 Web Search / Browser 工具，覆盖 FDA、NIH/PubMed、CFDA、AAOS、ACR、OARSI、ESSKA、中国 2024 版指南等 8+ 类权威源