单击上方“图灵人工智能”,选择“星标”公众号
您想知道的人工智能干货,第一时间送达

转自i少数派,仅用于学术分享,如有侵权留言删除

我们此前研究过许多AI科学家。他们对智能的来源、规模的作用、世界模型、推理、具身与安全有不同判断,几乎每条路线都包含一个宏大的终点:机器最终能走多远?但当问题转向AI for Science——用人工智能推进科学研究——一个更具体的追问出现了:即使机器尚未拥有完整的人类智能,它能不能已经帮助我们获得人类此前不知道的知识?
答案已经部分地出现在蛋白质结构预测、分子设计、材料模拟和数学证明中。问题随之改变:怎样分清机器提出了一个漂亮想法,和我们真正知道了一件新事情?
最近读到美国白宫科技政策办公室主任迈克尔·克拉齐奥斯2026年7月提交的报告《科学:新的黄金时代》,这个区别变得更清楚。报告既期待AI扩大科学探索的范围,也提醒:即便每位研究者使用AI后都更有效率,整个科学体系仍可能原地踏步,甚至被更多低质量结果拖慢。它把反馈速度、物理过程和制度安排列为三个重要约束。这份报告有鲜明的美国国家战略立场,其目标与成效需要分开判断。但它揭开的难题并不只属于美国:科学进步从来不等于答案供应增加。科学进步意味着,我们能够以可承受的代价,把新的主张变成经得起检验的知识。
如果生成假设的成本下降了,而验证、复现和纠错仍然昂贵,科研人员面对的就可能不是知识丰收,而是越来越多等着验收的候选答案。因此,我认为,AI for Science下一阶段真正的竞争单位,会逐渐从一个模型转向一套发现系统:它能提出问题、生成候选、调动实验、辨认失败,并让下一轮探索比上一轮更接近事实。
一、从1945到2026:科学的组织契约正在被重新讨论
《科学:新的黄金时代》有一个明确的历史对照:万尼瓦尔·布什1945年的《科学:无尽的前沿》。布什面对的问题,是如何把战时形成的科学能力转入和平时期。他主张公共资金持续支持基础研究与人才培养,支持科学家探索尚不知道用途的知识。后来建立的美国国家科学基金会,是这段制度历史的重要组成部分。这套安排保护了一项至今仍然重要的权利:研究不能只做那些明天就能卖出去的东西。许多知识的价值,在它被发现时并不可见。
到了2026年,克拉齐奥斯报告要调整的,是另一种错位:现代前沿研究可能同时需要领域知识、机器学习、大规模计算、仪器改造、长期数据维护和工程团队,可资源与评价仍经常围绕个人课题、学科边界和论文成果分配。报告尤其关注一种处在中间的工作:规模超过单个实验室,商业回报又不足以吸引普通创业融资,却能为整个领域建立新工具与新数据。
这里不宜简单宣布“基础研究—应用研究—产业化的线性模式已经过时”。研究与应用长期存在反向推动,布什的主张也不能缩成一张流程图。更准确的问题是:当知识发现越来越依赖计算、实验和工程之间的快速往返,现有制度是否允许这些能力在同一个问题上持续协作?
想象一个材料团队:科学家提出新的成分方案,算法工程师完成预测,实验人员发现实际烧制过程与记录不同,仪器工程师发现测量信号发生漂移。假如这四种反馈要分别穿过课题合同、设备审批和部门职责才能重新汇合,模型预测再快,也难以加快完整的研究周期。
AI让这种错位更加明显。过去,一个团队一个月只能提出少量值得实验的候选;未来,算法一天就可能提出数千个。稀缺资源于是变成:哪些值得做,实验由谁排队,数据如何确认,失败能否进入下一轮学习。这种变化也可以用一个简化算例理解:一个研究周期原本需要30天,其中6天用于检索与设计,24天用于制备、测量和必要观察。如果AI将前一段压缩到1天,而后一段没有改变,总周期仍是25天。局部工作快了六倍,完整研究周期只缩短了六分之一。这不是实际项目统计,而是提醒我们按整条流程核算收益。若AI同时改善实验选择、减少无效测量,收益才可能继续扩大。
科学组织将面临一次重估:既要保留自由探索,又要建设持续的工程能力;既要承认个人创造,又要让支撑创造的数据、设备和技术人员获得稳定投入。
二、AI究竟改变了哪一段科学?先拆开四种能力
大众谈论AI for Science,容易把读论文、生成分子、预测结构、自动做实验都放进一个筐里。这会使真实进展和未解难题一起变得模糊。
至少有四种不同的工作。
一种是处理已有知识。AI帮助检索论文、比较结果、写分析程序、整理实验记录。它减轻人的信息负担,但总结出已有结论与创造新知识,是不同的成绩。
一种是替代昂贵的预测计算。原来要反复求解复杂方程,才能估计一个体系的性质;现在可以先用高质量计算或实验数据训练模型,再让模型快速预测。这类模型的科学价值在于:它在明确条件下,以较低成本近似昂贵过程。它不必理解整个人类世界,也能非常有用。
一种是从目标倒推候选。过去给定一种分子,研究它有什么性质;现在先指定希望得到的性质,让模型提出可能实现目标的分子或结构。搜索空间因此扩大,但“模型能够提出”与“现实能够制造”仍隔着距离。
最后一种是组织下一次实验。系统根据已有证据选择下一步测量,读取结果,更新判断,再决定接下来做什么。到这一层,AI参与的不只是答案生成,也包括科研资源的配置。
AlphaFold帮助我们看清第一条重要界线。AlphaFold 2通过CASP14的盲测,在许多蛋白质结构预测任务上取得重大突破;它的成绩依赖长期积累的实验结构、序列信息与明确评估机制。AlphaFold 3又扩展了对不同生物分子复合物结构的预测。这个成果很深,但深刻不要求无限放大。知道一个复合物可能呈现什么结构,并不等于知道它在人体中的全部动态行为,更不等于某种药物已经有效、安全、能够生产。结构信息可以显著缩小后续研究的范围,后面的实验问题却不会因此全部消失。
RFdiffusion展示了另一种变化:研究人员可以给出结构或结合目标,系统设计蛋白质候选;团队通过实验表征检验了部分设计的结构与功能。重要的跃迁是从“预测已有对象”进入“提出可以实际测试的新对象”。论文中的计算筛选与实验验证也是两套明确区分的证据。
这些工作说明,科学加速有多种入口。我们不必等一个无所不能的AGI到来,才开始使用AI。但也不能把某一道窄门上的成功,写成机器已经掌握了整个科学过程。
三、“黄金时代”成立,需要哪些基本假设?
如果把乐观叙事逐层拆开,AI for Science至少依赖四个承重前提。它们不是所有研究者共同宣读的宣言,而是从已有方法与实验中可以归纳出来的条件。
第一个前提:研究对象有可以被学习、且对任务有用的结构。
蛋白质的几何与演化约束、原子之间的相互作用、材料的结构与性质关系,都不是任意的。机器学习可以利用这种结构,避开对每一种可能情况的穷举。但“自然有规律”并不足以推出“任何规律都能用现有数据低成本学到”。有些现象需要的关键变量尚未被观测,有些极端事件极为稀少,还有些任务要求的精度超出了当前数据。
这也是为什么科学模型不能只按参数规模比较。几何约束、对称性、训练数据覆盖与误差要求,经常决定一个模型能否用于真实研究。
第二个前提:过去的数据能够支持我们要去的新地方,或者系统能够及时补齐缺失。
一般预测希望未来与过去足够相似;科学发现却经常主动离开已知区域。这形成一处根本张力:最值得探索的地方,可能恰好是模型最缺乏经验的地方。
解决它的方法不能只是提高模型自信,而要让系统识别不确定性,并在必要时回到更可信的计算或实验。模型之间意见不同,可以帮助发现值得检查的位置;不过,意见一致也可能来自共同的盲点,并不天然等于正确。
第三个前提:目标指标没有把真正的问题替换掉。
设计一个与靶点结合更强的分子,只优化结合能力,可能忽略毒性、稳定性或生产难度。寻找热力学上有利的材料,也可能忽略合成路线、使用条件与寿命。科学问题和产业问题都有多个约束,模型往往只能优化其中可被测量的一部分。
因此,科学家的重要工作之一,是持续检查:我们正在提高的分数,是否仍与最初想解决的问题有关?
更隐蔽的困难是,搜索会主动追逐模型的误差。对普通样本作预测时,一部分误差偏高,一部分偏低;一旦从海量候选里专挑预测分数最高的方案,就可能把那些被模型高估的对象集中选出来。模型平均误差没有变,最优候选却越来越不可靠。候选生成规模越大,越要在最吸引人的结果上安排更严格的独立检查,不能把大量筛选后的冠军自动当成高置信发现。
第四个前提:验证的成本和可靠性,足以支撑生成的速度。
这一前提最容易被忽略,却最能解释各领域进展为何不均匀。
数学证明有一个独特优势:证明可以难以寻找,但在命题与公理被正确形式化之后,证明检查器能够按明确规则检查推导。AlphaProof将学习、搜索与形式化证明结合;Lean等工具依赖相对小的逻辑内核检查证明,而不是要求另一个大模型凭语言判断“看起来对不对”。
然而,证明检查器确认的是“在这些前提下,这个结论能否推出”。它不会告诉我们一个物理假设是否符合自然,也不会自动判断这个数学命题是否值得研究。
实验科学的验证更昂贵。细胞培养有时间要求,材料制备有设备条件,临床结果需要人群与观察周期。领域之间的差异,不只是AI聪明程度的差异,也包括验证能否成为快速、稳定、可重复的反馈。
越容易把正确与错误转成可靠反馈的地方,越容易形成持续改进;越需要昂贵现实检验的地方,模型能力与科学产出的距离就越大。
四、真正重要的变化:从计算一个答案,到购买一次信息增量
在我们此前讨论过的AI思想谱系里,有一条路格外适合解释科学应用:从数学、数值计算与复杂系统出发,研究怎样以可控制的误差处理高维问题。鄂维南老师及其合作者参与的Deep Potential与DP-GEN工作,是其中一个具体样本。
DP-GEN没有假设,先准备好一个覆盖所有情况的巨大数据库,模型就会自然可靠。其方法把探索、参考数据生成和训练组织成迭代过程:模型先用于探索,在需要更可靠判断的区域调用高成本的第一性原理计算,再把新增数据用于下一轮训练。
这里最值得理解的,不是“AI把计算替代了”,而是昂贵计算被重新分配了。容易判断的地方不必重复花钱;模型暴露不足的地方,更值得投入。
同样的思路也适用于实验。假设团队只有十次实验预算,模型给出了两百个候选。把预计成功率最高的十个全部做完,未必是最好的策略:它们可能十分相似,即便成功,也只反复确认同一件事。
有时,一个成功概率并不最高的实验,反而能区分两种竞争解释。结果无论是哪一种,都能让团队减少不确定性、调整路线。
这类选择通常被称为主动学习或实验设计。用白话说,它关注的是:下一次实验结束后,我们能少不知道些什么?
这改变了科研效率的含义。实验做得更多,是设备效率;成功候选更多,是筛选效率;同样预算下更快排除错误解释、建立可复用规律,才更接近发现效率。三者有联系,不能互相代替。这里还要区分发现新对象与理解新机制。一个模型找到性能更好的配方,已经可能有重要工程价值;但如果团队不知道性能为何提高,就不能据此宣布发现了普遍规律。接下来需要改变关键变量、设置对照,检验其他解释。预测、设计和解释可以相互推动,却有不同的证据要求。商业上有用的结果与科学上有解释力的结果,也可以在不同时间到来。
但这里也有边界。算法可能把仪器噪声误判为值得探索的不确定性;模型可能在自己错误的解释框架里不断优化;所谓高信息量,也依赖于最初列出了哪些候选解释。研究者仍需要检查哪些变量没有被记录,哪些假设根本没进入系统。
AI能够扩大探索,前提是发现系统保留了被外部事实纠正的通道。一个只在内部模型里反复推演的系统,无论计算多少轮,都可能仍然停在同一套错误前提中。
五、材料发现的争议,揭开了“自动化”最脆弱的一环
材料研究让这些区别变得非常具体。
2023年GNoME论文报告了大规模预测的晶体结构,其中约38.1万个新条目位于其更新后的计算稳定性凸包上。这个数字代表一个在特定计算方法、数据与稳定性判据下扩展出来的候选空间,不能直接改写成“人类已经制造出38万种可用新材料”。其学习过程还需要第一性原理计算不断检查预测并补充训练数据。
随后要过的关,不只是“预测对不对”,还有材料能不能合成、实际得到的是否为目标结构、性质是否符合要求、工艺能否稳定复现。
A-Lab尝试把其中一些步骤连起来:利用机器人、计算数据库、文献中的合成经验、自动数据解释与主动学习推进无机材料制备。这是有分量的系统工程进展。
它也引发了一场重要争议。2024年发表在PRX Energy的研究,对部分被宣称为新材料的结果提出质疑,认为实验产物可能对应已知的成分无序结构,并讨论了仅凭粉末X射线衍射判断结构与新颖性的困难。这里需要同时看到自动化团队的贡献与同行的质疑,不能把争议简化为“AI发现全是假的”,也不能把质疑排除在成功故事之外。
这个案例的意义,是它把一段经常被宣传跳过的过程暴露出来:机器自动生成配方、自动执行、自动分析、自动报告,不代表每一个自动判断都获得了充分证据。
一个错误的鉴定标准进入自动流程后,会被同样高效地执行。系统越连续,错误越可能被当作下一轮训练的成功反馈。
发现系统因此需要两种不同的回路:一个回路不断提出并测试候选;另一个回路持续审查测试方法本身是否可靠。后者包括仪器校准、测量方法的交叉检验、异常样本复查,以及对“新”“成功”“有效”的定义检查。
这让我们回到辛顿与杨立昆争论背后的一道共同难题:一个代理任务上的高分,允许我们把能力外推到哪里?AI for Science把这道题变成了实验室中的具体责任。拟合准确,未必因果正确;计算稳定,未必能够合成;合成成功,未必产业有用。
模型越强,越需要说清楚它究竟通过了哪一道考试。
六、大语言模型进入科学:最有价值的答案要能走出文本
科学模型擅长处理分子、结构或物理状态,大语言模型则提供了另一种能力:在论文、方法和领域概念之间建立联系,把一个研究问题转成候选解释、程序和实验方案。
2026年发表的Co-Scientist研究,把生成、批评、排序与改进假设组织成多智能体流程,并在药物重新利用、肝纤维化相关靶点与抗菌药物耐药机制等生物医学问题上开展验证。研究团队强调,人类专家参与了研究目标设定和实验优先级判断。部分候选经过细胞或其他实验系统的初步检验,但这并不等于治疗方案已通过完整临床验证。
这里的进展,不能只用“机器读了很多论文”来解释。系统开始帮助连接原本分散的知识,提出可以接受实验裁决的解释。它在扩展研究者的搜索范围,而不是仅仅代写一段总结。
但它也继承了知识来源的局限。该研究讨论了无法充分获取负面实验结果、部分文献受访问限制、既有文献质量不一以及模型可能产生错误信息等问题。一个擅长整合文献的系统,不会自动把文献中的缺陷消除。
尤其需要区分两种“验证”:几个智能体讨论后都认为一个假设可信,是内部评价;使用新样本、新测量或独立数据检验假设,是外部证据。内部评价可以提高筛选效率,却不能替代后者。多个相似模型也可能同意同一个错误。
所以,语言模型在科学中的价值,可以用一个更严格的标准衡量:它是否帮助研究者提出了更清楚的可检验主张?是否指出了什么结果会使主张失败?是否减少了连接知识与实施实验的成本?
这不要求每个系统都独立完成发现。一次高质量的问题澄清、一段可靠的数据分析程序、一个被实验否定但有信息价值的假设,都可能帮助研究。但文章写得漂亮、同行看起来认可,仍不足以证明获得了新知识。
在我们研究过的不同AI路线中,AI for Science提供了一个很好的交汇点:大规模表征学习帮助压缩复杂关系,领域模型提供更合适的对象表示,优化和搜索分配计算资源,实验让判断接受现实反馈。完整研究可以使用多种智能,而不必先在哲学上裁定哪一种智能独占未来。
七、个人产出增加,为什么整个科学可能变窄?
克拉齐奥斯报告最值得认真对待的提醒,是个人收益未必自动汇总成科学进步。
2026年Nature发表的一项研究分析了约4130万篇自然科学论文,发现使用AI与研究者的产出和影响力优势相关,同时观察到科学探索更集中于数据丰富的领域。它是基于论文与研究轨迹的经验研究,不能据此断言“AI必然使科学退步”;但它给出了一个值得追踪的系统风险。
其中的机制并不难理解。某些领域有成熟数据集、现成模型与标准评测,研究者进入后更容易产出结果。基金、人才和论文随之集中,数据也越来越多,下一批AI又更容易在这里有效。与此同时,观测成本高、数据零散、短期难以评估的问题,可能更加缺乏吸引力。
这样形成的优势,会让单个研究者觉得自己做出了理性选择,却使整个体系越来越围绕易于计算、易于发表的部分运行。
另一个风险来自知识记录本身。成功结果更容易成为论文,失败实验经常留在笔记与硬盘里。模型看到的是“哪些方法成功过”,却不充分知道“哪些条件下失败过”。它可能于是不断提出已经被现实排除、但未被公开记录的方案。
这里,负面结果的价值在于缩小其他人的搜索空间。但分享负面结果需要整理、说明和维护,收益却分散给未来的许多人。缺少合适激励时,这项工作就很容易被省掉。
失败也不能被不加区分地喂给模型。实验按预定条件完成、结果不支持假设,与实验因为样本污染或仪器故障而失败,是两种不同记录。前者可以限制某种科学解释,后者首先暴露操作问题。缺少失败原因的分类,大量数据也可能只是把研究对象与实验室事故混在一起。
AI使问题更尖锐:提出一万个候选变得便宜,却不会自动产生整理一万次失败的预算。科学体系若只奖励新颖主张,不奖励对主张的否定、修正和复现,生成能力增加便可能变成验证债务增加。
报告提出与发现能力相匹配的验证设施,并讨论重建计算环境、重新执行分析、追踪数据和支持复现等机制。它也设想新的科学贡献记录与交易方式。
这些设想需要逐项区分。时间戳可以证明某条记录何时出现,不能证明记录里的实验是真的;设备签名可以证明数据来自哪台设备,不能证明设备校准正确;奖励市场可以组织任务,却未必自动奖励社会最需要的长期问题。
避免研究范围收窄,也需要有意识地投入数据基础薄弱的领域,支持新测量工具和公共数据集,把尚未成熟的问题变成可以研究的问题。只把钱投向当前最容易被AI解决的任务,可能得到很快的短期收益,却把未来需要的研究基础继续留空。
更透明的记录有价值,新的市场安排可能有价值。可信性仍需要靠测量、方法与责任来建立,不能仅靠一种新技术来宣告。
八、Genesis Mission押注的,是计算与实验之间的连接权
美国的Genesis Mission提供了观察产业和国家战略的一个入口。
按照官方介绍,这项任务要连接能源部的17家国家实验室,以及超级计算、AI、独特科学数据和实验设施,目标是在十年内使研究与创新的生产率和影响力翻倍。这个数字是任务目标,不能写成已经兑现的效果。
它最值得研究的设计,体现在资源怎样汇合:研究数据能否被整理成可使用的训练与验证材料;模型能否连接真实仪器;跨机构项目能否获得持续计算与实验支持;产业能力怎样与公共科研设施协作。
克拉齐奥斯报告提到,科研团队可能花很长时间,仅仅为了让不同仪器的软件与数据格式彼此沟通。报告因此主张开放接口、标准化数据格式,并利用国家实验室的采购与设施规模推动改变。
这给AI产业提出了一个经常被忽略的竞争维度:谁能够把算法提出的下一步,变成可靠完成的下一次实验?
拥有最好模型与拥有最好实验反馈,并不是同一件事。一家机构能租到算力,也未必能获得特定样本、设备时段、工艺数据或熟练人员。反过来,手里有宝贵仪器,也可能因为接口封闭、流程不能执行、数据无法追溯而发挥不了模型价值。
美国国家科学基金会在2025年发布的可编程云实验室试验平台计划,同样关注远程工作流、仪器接口、数据标准与跨节点实验能力。这是对一类基础设施的建设要求,还不是一张无缝连接全部实验室的成熟网络。
从中可以作出一项产业判断:当模型能力更容易获得,连接实验、提供可靠反馈和降低迭代成本的能力,其相对价值可能上升。
但它有成立条件。实验过程必须能被足够明确地描述;仪器与样本条件必须能够控制;服务价格不能高到抵消计算节省;数据权限、成果归属与责任必须可以协商。许多实验中的临场调整仍依赖技术人员经验,不能因为存在远程接口就当作已经全部软件化。
国家投入可以降低公共基础设施成本,也可能造成新的集中:问题由谁选,平台对谁开放,哪类数据允许流动?这些安排将影响哪些科学能够被推进。因此,科学设施竞争同时也是组织与规则竞争,不能只看GPU数量。
九、实验室如何承接这种变化:让工程能力有自己的时间
AI进入科研后,一种常见做法是增加算法岗位,再给研究人员配上工具。某些问题能由此解决,更复杂的项目却需要调整团队持续合作的方式。
算法人员必须知道测量何时失真,实验人员必须知道模型需要哪些记录,仪器人员必须知道下一轮实验为何要改变控制方式。科研负责人还需要决定:这个异常是值得追究的新现象,还是设备和数据的错误?
这种协作不能总依赖一次会议上的“跨学科交流”。它需要共同使用的实验记录、可以追溯的模型版本、稳定维护的设备,以及对失败的共同判断。
博士生和博士后可以做出重要贡献,但人员按学位周期流动时,平台维护容易失去连续性。今天调好的设备、整理好的数据和排除过的故障,几年后未必仍有人完整理解。AI系统也不会自动接管这些经验:文档可以记录动作,往往还不足以记录技术人员为什么在那个时刻改变了动作。
这与我们此前讨论野中郁次郎时关注的隐性知识问题相通:把记录输入模型,确实可能让部分经验更容易传播;现场判断需要通过实践、纠错与共同工作才能持续形成。报告也因此强调科学与工艺、技术人员与制造能力之间的联系。
这类任务需要给工程师、数据维护人员与技术人员稳定职业空间,并按工具的使用效果、数据的可靠性、实验复现能力来评价贡献。若他们仍只靠挂名论文获得认可,就很难长期承担系统维护。
一种值得跨界对标的组织形式,是聚焦研究组织,简称FRO。Convergent Research将其定义为有明确期限和技术里程碑、由专职团队建设公共工具与数据设施的组织。它试图承接大学课题、普通创业公司和大型研究机构之间的一些空白任务。
例如,某个领域普遍需要可靠的公共测量工具,但它既不适合学生独立完成,也不能很快通过销售收回成本。组织的目标就不必是一篇最醒目的论文,而可以是让许多团队开始使用同一种新能力。
这个设计有启发性,却不能变成万能处方。有些基础问题并不适合预定里程碑;平台建成后还要有人维护;资金期限到了,不代表公共需求消失。FRO值得借鉴的,是按科学瓶颈选择组织方式,而不是给所有科研团队换一个名字。
AI for Science需要的组织也会不同:有的适合小团队自由探索,有的需要稳定平台,有的适合任务型联合攻关。评价它们的尺度应与承担的工作相匹配。
十、对企业与中国科研,真正的机会在哪里?
读这份报告,最没有价值的反应,是看到一个美国计划,就提出一张同样宏大的清单。更有价值的工作,是找到本地一个真实而具体的发现瓶颈。
中国在AI for Science中已经有可以讨论的技术实践。例如DP-GEN及相关Deep Potential工作,让模型、可靠参考计算和数据生成形成迭代。这类研究说明,机会可以从改善科学计算和数据质量进入,不必每次都从训练最大的通用模型开始。
如果一个团队长期做电池材料,其优势可能在于了解实验为什么失败、哪些仪器信号不能直接相信、哪些配方无法量产。问题是,这些经验是否被记录成能比较、能回溯、能用于下一轮判断的数据。
“做过很多实验”不自动等于“拥有很好数据”。一次产率下降,可能是配方、温度、原料批次、设备漂移或操作引起。若条件混在一起,模型即使学到相关性,也可能给出错误建议。真正的数据资产包含测量条件、操作过程、版本和失败分类。
对企业而言,首先值得核对的,是模型究竟能降低哪项成本。如果人工判断候选已经很快,真正慢在仪器排队,再增加一个生成模型可能只会增加拥堵。如果关键测量每次都需要复杂人工处理,那么减少测量与分析之间的等待,可能比提高预测榜单上的名次更有价值。
商业模式也由此分化。通用模型和研究助手提供认知工具;领域模型提供预测与设计;实验平台提供执行与反馈;产业企业承担产品开发、规模制造与质量责任。这些工作可以出现在同一家公司,也可能由不同主体协作。它们各自的收入来源、投资周期与可靠性要求都不同。
一个科学上优秀的模型,可能只替代流程里很小一段成本;一个不追求模型规模纪录的平台,却可能通过稳定实验服务积累有价值的数据与客户关系。另一方面,维护仪器、处理样本和保证质量也会增加经营负担,并不因为“反馈珍贵”就一定有高利润。
最应该持续追踪的,不是生成了多少方案,而是三个变化:同样经费下能否完成更多可靠检验;一次迭代是否更快;这些检验能否让后续团队少走已知的弯路。
对于从科学走向创业的人,还必须再加一道尺度:技术在客户现场,能否按约定成本、质量和周期重复交付?一次发现和持续经营,需要不同能力。把二者接起来,才是产业影响开始积累的地方。
十一、下一场科学竞争,会发生在怎样的地方?
把这些材料放在一起,可以提出三项有条件的判断。
第一,科学家的工作结构会变化。AI可以承担越来越多检索、计算、候选生成与初步分析,科学家因而可能将更多精力放在问题设定、实验区分力与异常解释上。但若评价制度仍主要奖励论文数量,释放出的时间也可能被更多投稿和申请填满。角色升级需要组织条件,工具升级不足以保证它发生。
第二,知识的交付形式会变厚。论文仍然有叙述与论证价值,但对于需要复现和自动检验的工作,只有论文越来越不够:还需要数据出处、实验条件、代码环境、模型版本、误差范围与复现步骤。科学知识可能越来越以一组可检查、可执行、可更新的材料进入共同工作。报告关于验证设施和科学出版改革的讨论,指向了这个方向。
第三,发现能力的竞争会更依赖现实反馈。模型若能提出新候选,却拿不到新数据,就容易停在已有知识边缘;能够持续获得独立测量,并把失败变成下一轮学习资源的团队,更有机会形成持久积累。这不意味着实验一定比算法重要,而是两者的连接质量会更加重要。
上述判断都可以被现实削弱。如果实验成本长期降不下来,如果平台数据不能跨任务复用,如果新系统只是更快地确认旧结论,或者其维护成本超过收益,“黄金时代”就不会因为模型能力增长而自动到来。
甚至有一种必须正视的可能:AI先带来的是论文黄金时代、展示黄金时代和融资黄金时代;可信知识的增长,却比这些现象慢得多。
《科学:新的黄金时代》最值得带走的,是它同时提出的两项任务:扩大产生新主张的能力,也建设同样强的检验能力。我们可以对它的战略目标与制度方案保留自己的判断,但这个问题已经摆在所有科研体系面前。
回到此前研究过的AI思想谱系,AI for Science提供了一种更扎实的比较方式。我们不必先给不同路线判定终局输赢,可以逐项追问:它帮我们学到了什么?依据是什么?什么结果会使我们改变判断?从这个发现走向另一个团队的可靠使用,还缺哪一步?
科学的黄金时代,需要的不只是更多聪明答案。它需要一种能力:让错误足够早地暴露,让证据足够清楚地积累,让一次发现成为别人下一次发现的起点。
当机器越来越善于提出可能性,人类要建设的,是让可能性接受现实裁决的制度与设施。AI for Science的深远价值,将在这里获得证明。
说明:
本文以Michael Kratsios的《Science: A New Golden Age》为问题入口。该文件是2026年7月提交美国总统的政策报告,本文中文标题译作《科学:新的黄金时代》,不是将其作为学术论文或无条件成立的未来预测。所引页码采用报告印刷页码:第57—70页对应所提供PDF的第75—88页。
报告的主要相关判断包括:个体效率与整体科学进步不等同;反馈、物理过程与制度会约束AI效果;发现设施需要配套验证设施;实验接口、数据激励与稳定技术队伍值得投入。Genesis Mission的生产率翻倍等表述属于计划目标。
本文作者的分析贡献,是将这些判断与具体研究连接,区分知识处理、预测、设计与实验选择,提出生成成本下降后的验证约束,并将其推到团队组织、评价机制和商业兑现。文中讨论不同AI思想路线属于分析性并置,不代表当事人存在公开论争,也不构成对个人、企业或机构的背书。
信息来源
〔1〕Michael Kratsios,Science: A New Golden Age — A Report to the President,2026年7月,白宫科技政策办公室。重点参见第23—26页、第47—56页、第57—70页。用户提供的123页PDF与官方报告题名、日期及内容对应。官方全文与下载入口:https://www.whitehouse.gov/science/ ;PDF:https://www.whitehouse.gov/wp-content/uploads/2026/07/Science-A-New-Golden-Age.pdf
〔2〕Vannevar Bush,Science—The Endless Frontier,1945年,美国国家科学基金会保存的版本;另参见NSF机构史。用于核对战后基础研究、公共资助与人才培养的制度背景,不将其简化为所有创新必然沿单向链条发展。https://www.nsf.gov/about/history/EndlessFrontier_w.pdf ;https://www.nsf.gov/about/history/narrative
〔3〕John Jumper等,Highly Accurate Protein Structure Prediction with AlphaFold,Nature,2021年7月15日。蛋白质结构预测与CASP14盲测的一手研究。https://www.nature.com/articles/s41586-021-03819-2
〔4〕Josh Abramson等,Accurate Structure Prediction of Biomolecular Interactions with AlphaFold 3,Nature,2024年5月8日。支持生物分子复合物结构预测能力的描述,不证明临床疗效或完整动态机制。https://www.nature.com/articles/s41586-024-07487-w
〔5〕Joseph L. Watson等,De Novo Design of Protein Structure and Function with RFdiffusion,Nature,2023年7月11日。区分计算中的设计与筛选结果、团队开展的实验表征。https://www.nature.com/articles/s41586-023-06415-8
〔6〕Google DeepMind,AI Achieves Silver-Medal Standard Solving International Mathematical Olympiad Problems,2024年7月25日;Lean官方文档,Introduction。前者为团队研究披露,后者解释小型可信逻辑内核与证明检查;不能将形式证明等同于经验科学的现实验证。https://deepmind.google/blog/ai-solves-imo-problems-at-silver-medal-level/ ;https://lean-lang.org/doc/reference/latest/Introduction/
〔7〕Yuzhi Zhang等,DP-GEN: A Concurrent Learning Platform for the Generation of Reliable Deep Learning Based Potential Energy Models,预印本2019年,Computer Physics Communications,2020年;相关开源方法文档。支持探索、参考计算标注、训练迭代等机制,成果属于包括鄂维南在内的合作团队。https://arxiv.org/abs/1910.12690 ;https://github.com/deepmodeling/dpgen
〔8〕Amil Merchant等,Scaling Deep Learning for Materials Discovery,Nature,2023年11月29日。约38.1万条为论文所述更新后计算稳定性凸包上的新条目,不等于全部已合成、已投入产业的材料。https://www.nature.com/articles/s41586-023-06735-9
〔9〕Nathan J. Szymanski等,A-Lab研究,Nature,2023年11月29日。现在线页面题名为An Autonomous Laboratory for the Accelerated Synthesis of Inorganic Materials;早期版本使用“novel materials”。本文只讨论其自动实验组织机制,不沿用存在版本差异和争议的成功数量。https://www.nature.com/articles/s41586-023-06734-w
〔10〕Josh Leeman等,Challenges in High-Throughput Inorganic Materials Prediction and Autonomous Synthesis,PRX Energy 3,011002,2024年。对结构判定、新颖性和自动衍射解释提出同行质疑;质疑属于特定研究问题,不作为否定整个自动化路线的结论。https://doi.org/10.1103/PRXEnergy.3.011002 ;开放机构存档:https://discovery.ucl.ac.uk/id/eprint/10188733/
〔11〕Accelerating Scientific Discovery with Co-Scientist,Nature,2026年5月19日。科研协作系统与生物医学验证的一手研究。文中细胞、类器官与机制研究结果均不等同于完整临床验证;论文也明确讨论知识来源、负面结果缺失与模型错误等局限。https://www.nature.com/articles/s41586-026-10644-y
〔12〕Qianyue Hao、Fengli Xu、Yong Li、James Evans,Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus,Nature,2026年1月14日。使用约4130万篇论文分析AI应用、个人影响与科学探索范围之间的关系;本文将其作为相关性与系统风险证据,不据此宣布普遍因果规律。https://www.nature.com/articles/s41586-025-09922-y
〔13〕美国能源部,Genesis Mission及官方任务说明。用于核对17家国家实验室、平台整合安排和十年目标,计划目标与最终绩效分开。https://genesis.energy.gov/ ;https://www.energy.gov/undersecretaryforscience/genesis-mission/genesis-mission
〔14〕美国国家科学基金会,NSF 25-541: Test Bed: Toward a Network of Programmable Cloud Laboratories,2025年7月16日发布的项目征集文件。是平台建设目标与条件,不是全部实验设施已经互通的证明。https://www.nsf.gov/funding/opportunities/pcl-test-bed-test-bed-toward-network-programmable-cloud-laboratories/nsf25-541/solicitation
〔15〕Convergent Research,About FROs,机构官方说明。用于研究有期限、技术里程碑、专职团队与公共工具交付等组织设计;机构自述不等于这些组织的效果已获得普遍独立验证。https://www.convergentresearch.org/about-fros

文章精选:
1.刚刚,图灵奖得主Hinton发了首篇RSI论文
