开场：一场把 AI 请上科研主位的科学家聚会
10 月 31 日开幕的 2026 世界顶尖科学家论坛上，最抓眼球的一幕来自诺贝尔化学奖得主奥马尔·亚吉：他的团队通过大模型生成合成条件，仅用两周就把 COF 材料的结晶度提升至过去十年最高水平的 3 倍。对材料学家来说，这相当于把沿袭百年的"试错十年"压缩成了"迭代两周"——而且是在一个被研究了几十年的体系上做到的。
这届论坛的共同主题，正是 AI 深度参与下的科研变革。从发布《上海宣言》，到"脑科学与类脑研究"国家科技重大专项启动，再到西湖大学成立世界模型研究中心，科学家、政策与资本在同一个礼拜里把同一件事推向了前台：AI 不再只是科研的工具，它正在成为科研范式本身。
材料科学的"两周对十年"：逆向设计成了主流路径
亚吉的案例并非孤例。同样出席论坛的诺贝尔物理学奖得主康斯坦丁·诺沃肖洛夫表示，AI 已经可以实现二维材料的原子结构改造与性能预测，但关键要把材料合成环节纳入创新链，确保 AI 设计出的方案在现实中做得出来。他提到的落地样本已经很具体：苹果智能手表专用合金，正是 AI 逆向设计的产物——设计在计算机里完成，量产在工厂里验证。
资本闻声而来。CuspAI、Periodic Labs 等 AI 材料初创企业累计融资额已超过 9 亿美元，机器人实验室与大模型的协同，正在把材料研发的效率推向新量级。这套剧本过去两年已经在 AI 制药行业上演过一遍：大模型提假设、机器人做实验、人类科学家做判断，如今轮到材料学。下一个问题是，这条流水线能不能跑出真正改变产业的新材料，而不只是更快的论文。
《上海宣言》：从"资源稀缺"到"选择丰裕"
论坛期间发布的《上海宣言》给出了一个值得咀嚼的判断：AI 与科研的深度融合，让海量研究方案的生成成为可能，科学家正从"资源稀缺"时代进入"选择丰裕"时代，因此需要发展"选择科学"来实现系统化的科研决策。宣言同时强调，无论 AI 如何拓展科研边界，对未知的好奇、对真理的追求、开放合作造福人类的核心信念仍是科学发展的根本动力。
智谱 AI 创始人唐杰的发言与之形成呼应。他指出，通用人工智能仅靠数据和模型规模缩放不足，还需要补上"思维缩放"，且安全能力需要与技术规模同步扩展，人类应始终保有最终决策权。把两场发言放在一起读，"选择丰裕"的另一面其实是验证成本的飙升：生成方案越来越便宜，判断哪个方案值得做、哪个结果可信，反而成了更稀缺的能力。
从国家专项到世界模型中心：AI 走向神经与物理世界
与论坛几乎同步，由北京脑科学与类脑研究所承担的三项"脑科学与类脑研究"国家科技重大专项项目近日启动，重点研发面向运动功能重建的柔性高通量半侵入式脑机接口、高密度医用馈通技术、多脑区联合运动编解码等核心技术。机构判断，2026 年脑机接口已完成从"技术可行"到"产品可用"的跨越：短期内，运动功能代偿与神经疾病康复将率先落地，中长期则可拓展至消费电子、工业控制等领域。
另一边的布局指向物理世界。10 月 31 日，西湖世界模型研究中心在西湖大学云谷校区成立，定位为面向物理智能领域的校级交叉科研平台，其研究将为具身智能的基础能力提供理论支撑。一边理解生命、一边理解物理——AI for Science 的这两条腿，在论坛前后都拿到了新的制度性投入。
花边与暗线：数学、资本与"产品大脑"
聚光灯之外，几条暗线同样值得记录。OpenAI CEO 奥特曼在沟通中透露，公司已为数学研究投入数亿美元，且"还有发现没公开"——从早前的形式化数学成果到科学发布流程的调整，头部实验室正在把基础科学当作模型能力的试金石。资本面，a16z 在《State of Markets》报告中指出，AI 相关公司已占美国 VC 交易活动的 86%，但其同时提醒，超大规模厂商的资本开支激增与模型、应用采用率之间仍有落差，AI 投资周期仍处早期。
人才市场则在悄悄换防。字节 Seed 核心负责人周畅已离职创业，方向为 Physical AI，获头部美元基金投资，具体投资方、金额与估值尚未披露。叙事层面，Anthropic 早期员工 Ivan Vendrov 发表回忆录，称自己在 Anthropic"感到不安全"，质疑商业化与模型竞赛压力正在侵蚀安全使命——科学共同体对 AI 的态度，正从单方面的拥抱转向拥抱与审视并存。
后续观察：从"选择丰裕"到"发现确定"
接下来有几个明确的观察点：论坛后续日程里，AI 材料与脑机接口的落地案例是否会继续加码；《上海宣言》提出的"选择科学"能否从概念变成可复用的科研决策工具；拿到大额融资的 AI 材料公司，会不会跑出第一批"AI 设计、机器人合成"的标杆产线。
更长远看，AI for Science 的胜负手不在模型分数，而在闭环能否合龙：从提出假设、设计实验、机器人执行到人类验证。亚吉团队的"两周"证明上半场已经成立，而下半场比的是谁能把"选择丰裕"变成"发现确定"。对科研而言，这是过去十年最重要的变量之一；对 AI 行业而言，这可能是比聊天机器人更硬的价值证明。
暂无评论内容