夜雨聆风先看一张图。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 的过程中，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：
在输入框右下角打开 Enable Web Search 和 Enable Browser 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） 加一句"所有结论都要给原文链接可以追溯" 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 8 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
关注 InfiniSynapse 官方公众号，第一时间获取产品更新与最佳实践。
立即体验：app.infinisynapse.cn ｜ 官网：infinisynapse.cn
