Apart Research
速度压缩实验室

传统 AI 安全研究的瓶颈是速度:博士培养周期五到七年,一篇论文从实验到发表要一到两年,研究者网络又高度集中在伯克利、MIT、CMU 等少数机构。Apart Research 的方案是用黑客马拉松取代传统学术流程——每次 Sprint 聚焦单一安全主题,48 到 72 小时内从问题定义直接跳到实验和短报告,15 个以上本地节点同时举办,把地理门槛降到最低。

这不是一个培训机构,而是一个"前沿人才孵化器":Apart 相信真正有潜力的研究者是在实战中被发现的,而不是在课堂上被认证的。参与者被系统性地转化为 AI 安全领域的长期研究力量。

Apart 的组织形态也不寻常:法律形态是非营利机构,但部分活动通过关联的 Seldon 基金操作——这只投资基金投向"人类未来关键基础设施",首批投资对象包括 Andon Labs、Lucid Computing、Workshop Labs 和 Asymmetric Security。研究机构与投资基金的组合,类似 Y Combinator "发现人才 → 投资"的打法,但专注于 AI 安全这一个垂直领域。

2025 年 11 月的 Defensive Acceleration Hackathon 是目前规模最大的一场:1000 名以上参与者,15 个本地节点同时举行,主题是防御性 AI 加速。两个月后的 AI Manipulation Hackathon 吸引了 500 名以上参与者,72 小时内原型化了多种 AI 操纵检测与防御系统,发现现有 LLM 在某些微妙的操纵场景下几乎没有检测能力。

2026 年 3 月的 AI Control Hackathon 2026 是一个关键节点:Apart 首次与 Redwood Research 和英国 AISI(AI Safety Institute)联合主办,主题是下一代 AI 控制协议——这标志着 Apart 已经从社区活动进入正式的 AI 安全监管生态。同月的 AIxBio Hackathon 聚焦生物安全与 AI 的交叉,参与者开发 DNA 合成筛查和早期预警系统,但这类工具本身也是双刃剑,可能被用于增强而非防御生物威胁。

Seldon 这一侧,首批投资对象 Andon Labs 专注 autonomous agent 安全测试,形成了"Apart 的 Sprint 发现人才 → Seldon 投资创业者 → 生态闭环"的完整路径。

Sprint 模式把传统研究流程的 18 到 24 个月压缩到 72 小时,质量当然比不上正式论文,但在 AI 能力快速提升的窗口期,速度本身可能比深度更重要——这是 Apart 押注的核心逻辑。问题在于,一个新加坡的 72 小时 Sprint 和一个伯克利的 Sprint,成果质量如何对齐是一个尚未回答的问题。Apart 的真实价值,更可能在于"扩大 AI 安全研究者的基础盘",而不是产出单篇最顶尖的论文。

地理分布式节点既是 Apart 的独特优势,也是它最大的质量控制挑战:AI 安全研究不再只发生在伯克利和伦敦,也发生在新加坡、悉尼、柏林——但分布式意味着标准难以统一。

资金结构同样值得关注:Apart 目前依赖有效利他主义(EA)/长期主义网络的资助,如果这部分资金收缩,黑客马拉松网络能否自持,是一个尚未被验证的假设。Seldon 的商业化尝试某种程度上是对这个问题的一个对冲,但目前公开信息里,Seldon 的投资逻辑和第二批投资方向都还不透明。