AI for Science 爆发：
一个新时代到来了

导读速览：六个核心判断

如果只有三分钟，这六条足以带走本期访谈的骨架。

1. 爆发条件已齐。过去两年 AI 在代码与推理两条曲线上的跃迁，叠加 Agent 体系（Harness）成熟，模型第一次能够自主提出假设、写代码分析数据、迭代实验——AI4S 的能力地基在 2026 年补齐，从「愿景」变成「工程问题」。
2. 真正的瓶颈是验证。越容易计算、越容易验证的问题（数学、代码），AI 进展越快；一旦进入真实物理世界，实验周期、成本与反馈速度就成为闭环卡点。破局两条路：自动化实验室，以及让 AI 聪明到「少做实验、一次做对」。
3. 三巨头路线分化，但 AI4S 都不是最高优先级。谷歌布局最早最广却被 Gemini 追赶战挤压；OpenAI 最激进却优先级摇摆；Anthropic 后来居上、挖来 John Jumper 补生物医药短板。窗口期反而属于创业公司与 NeoLab。
4. 发现 ≠ 组合。当前 AI 的「发现」，本质是在既有表征空间里做高明的搜索与排列组合；从经验观察中抽象出全新概念（如「数」），可能是 AGI 的最后一英里——曹原甚至怀疑它不可计算。
5. 严肃数学离不开形式化。AI 生成的证明必须经 Lean 等形式化系统兜底验证；自然语言到 Lean 的自动形式化翻译效率是行业级瓶颈；而定义新的数学对象这类「发明」，AI 目前完全做不到。
6. 长期主义时间表。AI4S 商业化分层推进——靶点发现、分子设计等环节已可变现；但要让 AI 独立做出诺贝尔奖级发现，须先攻克因果推理、长期记忆、持续学习等基础能力，曹原的估计：至少还需二三十年。

本期信息

时间轴导航

• 00:00AI4S 爆发
  开场：Discovery Loop 成立、Astra 解题、科研版 Claude 推进黎曼猜想——赛道爆发的信号面
• 02:40谷歌灵魂人物 Jeff Dean 出走
  三层解读：组织整合之痛、Gemini 产品压力、方向的自然延伸；谷歌的全栈底牌
• 15:02概念：AI4AI、AI4S 与 RSI
  把 AI 当研究员；RSI 是方法不是任务；为什么偏偏是现在
• 24:58问题定义
  出题人必须是人：AI 没有「品位」；什么问题适合切给 AI
• 30:37表征
  可测量才可表征；通用模型与垂直模型各管一段
• 33:36模型：通用与垂直
  Orchestrator（实验室主管）vs 领域专家（AlphaFold、GNoME）
• 34:27实验：Exploitation 与 Exploration
  实验即搜索：树结构、节点打分与价值函数
• 37:39闭环（Loop）
  代码为何率先跑通商业闭环；自动化实验室与「少做实验」两条破局路
• 42:59因果机制
  相关 ≠ 因果：LLM 对表述形式的过度敏感，与世界模型的由来
• 48:00验证（Verification）
  技术上最难的一步：若每分钟一次实验反馈，飞轮立刻转动
• 49:58发现（Discovery）
  组合式创新的天花板；Doudna 的泼冷水；AlphaGo 第 37 手算什么
• 52:22符号主义
  Unreasonable Labs 的混合路线；从培根、康德到黑格尔的哲学脉络
• 01:04:03三大 AI 巨头押注 Science 的不同路线
  Google 最早最广、OpenAI 最激进、Anthropic 后来居上
• 01:11:18AI 与数学
  Lean 流水线的三重瓶颈；数学问题五等级为何不是好尺度
• 01:18:47*抽象出新概念
  「数」从哪里来：概念抽象可能是 AGI 的最后一英里（*见编者注）
• 01:25:44当数学证明开始过剩
  陶哲轩之问、机器人钢琴比喻与黑盒的经济代价
• 01:32:05AI 与物理
  物理必须走进物质世界；溯因推理为何是 AI 的软肋
• 01:37:27商业化
  分层落地：哪些环节现在就能变现，诺奖级还差什么
• 01:40:03一点哲学上的讨论
  认识论两千年、第一性原理，与人类价值的锚点

AI4S 为什么在此刻爆发

开场即是一连串行业信号：明星团队出走、悬案数学题被推进、科学家批量涌向 AI 实验室。

触发本期录制的事件发生在录制前一天：2026 年 8 月第一周，谷歌灵魂人物 Jeff Dean 宣布离职，与 Oriol Vinyals、Sanjay Ghemawat、Quoc Le 等老搭档共同创办新公司 Discovery Loop，目标是加速生命科学及其他行业的研究进程。在硅谷的语境里，这被视为 AI for Science（AI4S）赛道正式爆发的标志。

节目开场还列举了同期的几组信号：大批数学家、物理学家、生物学家加入 OpenAI 与 Anthropic 等顶尖实验室；OpenAI 宣布其模型 Astra 推导出了 10 道人类长期悬而未决的数学难题；Anthropic 一款尚未发布的科研版 Claude，将黎曼猜想相关零点的下界从 41.6% 推进至 67.2%；生物制药、材料、物理等领域的科学前沿也在被快速推进。

主持人陈茜给本期定下的主题句是：当大模型学会推理、编程和调用工具，AI 不再只是回答问题，而是开始提出假设、设计实验；AI 自进化、形成研发闭环，是科研加速的核心——而在这个闭环中，人的角色开始变得微妙。

Jeff Dean 出走与谷歌的取舍

「一个时代结束了」？曹原给出三层解读，并明确反对这种说法。

三层解读

• 组织层面。谷歌与 DeepMind 内部向来人才济济，过去各团队各自为战、互不干涉；但三四年前 Gemini 项目启动后，公司走上「集中力量办大事」的路线，团队被迫整合，组织、人事与项目管理面临巨大挑战，内部摩擦难以避免。
• 产品层面。年初 Gemini 3.1 Pro 在排行榜上尚属优秀，但此后三四个月里，无论 Anthropic、OpenAI 还是中国开源公司都在快速迭代，相比之下 Gemini 3.5 Flash 与最新的 3.6 Flash 表现平平，外界期待的 3.x Pro 迟迟未发布。在这种局面下，若还要把商业模式转向 Anthropic 主导的 coding agent 方向，难度不小。
• 方向层面。Discovery Loop 要做的事——让 AI 自主进行知识发现与自动科研——是数学与代码能力成熟后的自然延伸，也与曹原自己的创业方向一致。2026 年起，围绕 Knowledge Discovery、AI4S 与 RSI 的初创公司明显增多；Jeff Dean 这样的明星团队出来，必然想树立新标杆，成为一种新型的 NeoLab。

「时代结束」言过其实：谷歌的全栈底牌

曹原明确反对「谷歌时代结束」的叙事：谷歌是极少数具备 AI 全栈要素的公司——从底层芯片（TPU）、基础设施、数据中心、工具链，到模型、人才、数据，再到覆盖海量消费者的产品分发渠道，完全不依赖外部生态。问题不是谷歌做不好，而是优先级与资源投入需要调整，这些能力之后仍会补回来。

人才外流则有结构性原因：DeepMind 当前的最高优先级是把 Gemini 做到 SOTA（至少与 Anthropic、OpenAI 齐平），大量工作重心必须向 Gemini 迁移——包括此前从事 AI4S 的研究者。团队如此庞大、又压着一个超高优先级项目，「不可能让每一个人都非常满意」。在 Jeff Dean 之前，AlphaFold 联合发起人、诺贝尔奖得主 John Jumper 已加入 Anthropic。

曹原自己为什么离开

曹原此前在 DeepMind 负责 Gemini 的模型迭代与后训练，但他持续追问的是更底层的问题：怎样让模型真正变得更智能。现在的模型已能很好地做数学、写代码，但要真正解决科学问题，还需要提出新假设、验证新假设并不断自我更新——这些能力距离「帮助人类实现科学知识的指数增长」仍然很远。弄清这些能力为何缺失、如何补上，是他选择创业的动机。

谷歌在变好吗？Demis 去哪了？

曹原的判断是「状况在变好」：做大模型不能再沿用传统大公司的管理方式，谷歌要做的是「革自己的命」，把 Gemini 团队尽可能做得像一家初创公司。参照系是 Meta——Alex Wang 进入 MSL（Meta Superintelligence Labs）后，Muse Spark 与最新编程模型都出现改善迹象。但他也提醒：从 0 分到 80 分可以快速追赶，从 80 分到 100 分、再到超越 100 分，难度完全不同——谷歌本就处在高位，向上的每一步都更贵。

至于 Demis Hassabis：Sundar 的内部邮件确认，他虽从 DeepMind CEO 转任 Chairman，但仍主管 AGI 与科学相关部门。曹原认为 Demis 的气质本就更像科学家而非产品型 CEO；DeepMind 伦敦时期对 Alpha 系列的长期投入，正是后来诸多商业化成果（AlphaEvolve 自动更新算法、AlphaFold 摘得诺奖并商业化为 Isomorphic Labs）的源头。谷歌既有能力、也有责任继续推动长期研究，Demis 非常适合这个角色。

概念地图：AI4S、AI4AI 与 RSI

三个高频缩写，一句话即可分清：前两者是任务对象不同，后者是方法。

• AI4S / AI4AI：都是把 AI 模型当成「研究员本身」，区别只在研究对象——前者研究科学问题，后者研究 AI 自身的问题。
• RSI（Recursive Self-Improvement，递归式自我改进）：不是一个任务，而是一种方法——让系统通过不断自我迭代来更新任务与方案，把事情越做越好。它可以同时服务于 AI4AI 与 AI4S。

一个 AI4AI 的典型工作流

给模型一个任务：在限定预算下，用最少的资源与 GPU 把模型训练到最好。它会读取当前代码库，发现某个参数可能需要调高，于是提出方案 → 自动写代码实现 → 在沙盒里运行实验 → 读取训练结果 → 依据反馈提出下一步。若调参有效就沿此方向继续，如此一轮轮迭代，性能不断上升——一个典型的自我回归过程。前沿的 AI4AI 公司还在探索更野心的问题：寻找 Transformer 之外的新架构、寻找不依赖反向传播（Backpropagation）的新优化算法。这类问题的共性是搜索空间巨大、闭环可以高效运转，恰是 AI 的主场。

为什么偏偏是现在

过去两年 AI 进步最快的两条曲线是代码与推理。当 AI 能可靠写代码、智能体 Harness（驾驭系统）也趋于成熟，才有条件处理更复杂的科学问题：第一步提出假设、决定做什么实验（推理）；第二步拿到数据后自己写代码分析（代码）；第三步数据异常时回溯原因、自我迭代。科学问题真正需要的是一整套能力——推理、数据分析、数学、代码、agent loop 与长期记忆管理，每次实验后都要把观测结果存入记忆容器。这套能力栈直到现在才凑齐。

哪些领域先被盯上：四个判据

一个科学领域对 AI4S 是否有吸引力，取决于四点：市场规模与潜力、是否适合 AI 做（流程标准化、结构化、数据丰富）、研发迫切性、AI 当下能否做好。

提效还是发现：AI 的两种角色

• Co-Scientist（协同科学家）：加速科学家的研究流程，但不必然提出新方法。典型如 Claude Science——一个偏科学家的 workbench，类似编程世界的 IDE：调用工具、分析数据、对话获取建议、运行实验或模拟。
• 自主发现者：AI 自己提出新发现，如 AlphaEvolve 自主发现新算法、AlphaFold 产出蛋白质结构相关新知识。

角色取决于具体领域，也取决于它是一个垂类模型，还是嵌在 agent loop 里的通用模型——这正是下一章闭环拆解的起点。

科研闭环逐环拆解

本期含金量最高的一段：把科学家的日常拆成「定义 → 表征 → 建模 → 实验 → 闭环 → 因果 → 验证 → 发现」，逐环审视 AI 的位置与短板。

4.1 问题定义：出题人必须是人 24:58

曹原的立场干脆：问题定义必须由人来完成。AI 目前没有自己的「品位」，无法自主找出值得研究的问题；人类科学家先明确要解决什么、动机为何，AI 才能在其上辅助——搜索文献、分析既有信息、把初始问题结构化。

4.2 什么问题适合切给 AI：可计算 × 可验证

两把标尺。其一是可计算：问题能否被精确建模——AlphaFold 是范本，「给定氨基酸序列、预测三级结构」，定义明确、结构清晰、可以计算。其二是可验证，这可能是 AI4S 全链条里最难的一环：代码写完立刻能跑、数学证明立刻能查，而一款新药不到上市，很难真正知道效果。若某些中间步骤可以用模拟工具计算特性、稳定性、副作用，就适合切给 AI。AI4S 能迭代多快，很大程度上取决于结果能多快被验证。

「验证不了」的原因不只是人手不够，还包括实验本身的复杂度与成本——AI 若生成一个新的核聚变装置设计，真做实验的代价可能极其高昂。曹原给出一个物理学式的框架：宇宙的基本要素是信息、物质与能量。数学与编程活在信息层；AI4S 哪怕能提方案、做模拟，也仍在信息层——但真正的科学必须穿透到物质层，进入湿实验。这一步逃不掉，也是当下投入最大、探索最多的方向。

4.3 表征与模型：主管与专家的分工 30:37

讨论表征前先分清两类模型：

• 通用模型（GPT、Gemini）：整个 AI4S 流程的 Orchestrator（总调度器），像实验室主管——理解问题、分析数据、调用工具、推进工作流；可接受自然语言、代码、JSON 等多种输入。
• 垂直模型（AlphaFold、材料领域的 GNoME 等）：某个领域的专家，只接受领域相关输入（氨基酸序列、DNA、元数据），不承担领域之外的通用推理。

「预测与逆向设计」环节由此各归其位：给定疾病靶点生成候选分子，属于药物开发垂直模型的能力；通用模型则汇总此前全部实验记录、分析数据与研究者要求，生成下一步实验设置或研究方案。

至于「哪些东西根本无法表征」——只要数据能被数学化、格式化（字符串、某种模态表示、结构化输入或 Embedding），原则上就能表征；真正难的是本身无法测量之物（如大脑的状态）。无法测量，就无法表征——这是 AI 的普遍边界，并不专属 AI4S。

4.4 实验即搜索：树、打分与价值函数 34:27

AI 会自己决定下一步做什么实验吗？会——本质上这是一个搜索过程。把探索空间想象成一棵树，每个节点是一个已尝试的方案；系统给每个节点打分，决定从哪个节点继续展开。这正是 Exploitation 与 Exploration 的平衡：既不能沿着当前最优一路推到底（可能只是局部最优），也不能忽视它（可能确实最好），必须给不确定但可能带来惊喜的方案留出概率。

人靠直觉做这种取舍；翻译成算法，就是用 Value Function（价值函数）估计节点未来回报的期望——与后训练中的强化学习一脉相承。最终的分数永远是综合分：当前价值、未被探索的概率，再叠加这条路径已被访问的次数（高分节点走过太多遍，就该把机会让给别的路径）。

4.5 闭环：代码为何率先跑通，科学如何跟上 37:39

为什么编程智能体先形成了商业闭环？因为代码天然易验证：程序写完马上能跑、对错立刻可知，用户由此产生信任，敢把更完整的任务托付出去——这让 Claude 编程智能体成为目前最成功、甚至可能是唯一实现指数级应用增长的 AI 商业闭环。AI4S 的困难恰在于科学实验牵涉物理世界，验证远没有这么快。破局两条路：

• 自动化实验室：流程足够标准的环节交给专用机器人（美国大量创业公司在做，医药领域尤其密集）；流程不标准、需要频繁调整配方与操作的，则要等更通用的具身智能——那还比较遥远。
• 少做实验、一次做对：既然物理验证又贵又慢，就必须倒逼 AI 更聪明——原本要跑 10 次实验才能得到合格蛋白，就把模型能力提到跑 2 次、甚至 1 次。这对数据分析、失败经验复盘、实验历史管理等「智能本体」能力提出了更高要求。

闭环还有一层进阶：闭环自身也要进化。简单闭环是「给问题 → 提方案 → 做实验 → 拿数据 → 再分析」；但做 AI4AI 或训练新模型时，需要 Meta-recursive（元递归）过程与 Meta agent——不能永远依赖同一套 agent harness，系统必须随观测与迭代的积累改进自己的工作流，甚至决定何时更新自身代码。这是当下许多团队正在攻关的前沿。

4.6 因果机制：相关不等于因果 42:59

因果建模本身历史悠久（Judea Pearl 等人早有系统研究）；今天的问题是大语言模型分不清相关性（correlation）与因果性（causation），且对表述形式过度敏感。大量研究发现：同一个推理问题，按训练数据里常见的方式表述前提，模型能答对；稍微改换措辞或调换语序——意义不变——结果却可能出错。原因在于训练数据通常只覆盖某一种「正确或最常见」的描述方式。

这正是 Yann LeCun 等人力推世界模型的理由：对规律的掌握应当独立于语言如何表征与描述。若模型学到的是物理世界内部的规律，它对因果的理解就不会被措辞绑架。目前的模型在正常表述下多数时候可以处理因果，但遇到反常表述、或需要主动干预的问题——Do-Calculus 意义上的「把某个值调高会怎样」「去掉某个条件会怎样」——常常做不到。曹原的措辞很精确：是「不可靠」，而不是「不能」。

4.7 验证：技术上最难的一步 48:00

被问及全链条哪一步最难，曹原毫不犹豫：物理世界里的验证。他给了一个思想实验：如果理想情况下每分钟都能拿到一次实验验证，哪怕用最简单的 AI4S 方法也能生成无数数据，随即对模型做后训练——像刷代码与数学能力一样快速迭代。验证瓶颈一旦被打破，飞轮立刻转动。但这不代表问题就此终结——

4.8 发现：组合式创新的天花板 49:58

另一半难题是：AI 能否提出真正的新见解？若模型永远局限于已有论文与知识，无论怎样推理，都只是在闭环里调参数、改配方、做排列组合——效率确实已远超人类，但能力上限有限且偏低。诺奖得主 Jennifer Doudna 在采访中的评价颇具代表性：她的团队会用 AI 辅助科研，但 AI 给出的方案没有一个是团队此前不知道的——或许有些角落平时被忽略，但基本都能在现有知识与论文中找到。

曹原把人类的「发现」拆成三级跳：① 感知输入——观察实验与数据，这只是经验材料；② 抽象概念——看到人推车、车前行，从表面现象中抽象出「力」并符号化为 F；③ 形式化理论——把概念凝结成公式与体系，如牛顿第二定律 F=ma。今天的 AI4S 只停留在第一级之上的搜索：在既有表征空间内探索，尚不能产生全新的理论或知识。

那么 AlphaGo 的第 37 手（「神之一手」）算发现吗？算——它采样到了一条过去罕见、低概率的好路径，是货真价实的新发现；但它没有创造新概念，仍是既有内在表征的重新排列组合。

符号主义 × 连接主义：Unreasonable Labs 的混合路线

既然「发现」按定义就在现有知识之外，怎样让一个由固定数据训出的模型产出新知？曹原的答案：在 LLM 之外加一层不是 LLM 的机制。

动机：LLM 的宇宙由训练数据划定

语言模型能吸收的思维模式、知识与推理过程，全部来自训练数据；而科学发现按定义必在现有知识之外——让这样的模型发现全新的东西，不是绝对不可能，但概率极低，因为新知识必然不曾在训练数据中高频出现。外挂机制若还是另一个语言模型，只会回到同一个问题；Unreasonable Labs 选择的方向是符号主义。

两大范式速览

混合方案怎样运作

思路是用符号规则把跨论文、跨领域的人类知识串成骨架：某概念在论文 A 中提出，它与论文 B 中另一概念是什么关系——这些关系用符号逻辑表达，织成一张可推理的网。这些关系很难直接从训练数据里挖出（概念太多、关系组合爆炸，且每天都有新论文，不可能天天重训模型），但符号层可以增量维护。提取出的知识骨架、推理关系与连接方式，成为模型之外的一层「新直觉」，把原本处在小概率区间的想法顶到台前。

真正的瓶颈在 novelty 与可行性的平衡：让模型「创新」很容易——随便采样、塞个随机词都能生成不一样的东西；难的是新想法必须合理、可执行、贴合当前问题，不能为了创新而创新。

符号主义会复兴吗

曹原不用「复兴」这个词：现实世界充满歧义，符号主义不可能替代连接主义；最终格局也许是 98% 连接主义 + 2% 符号主义。事实上，今天的 AI for Math 与 AI for Coding 已经是 neuro-symbolic（神经符号）结构：神经网络生成数学证明（连接主义），再交给 Lean 这样的纯符号系统验证（与神经网络毫无关系）——两部分都不可或缺。

从培根到黑格尔：一场哲学的转写

符号主义提供先验、连接主义依赖经验——曹原指出，这正是认识论两千年主线的计算转写：

三大 AI 巨头的 Science 路线

同样在抢科学家，三家的切入点、赌注与软肋各不相同。

AI 与数学：Lean、五等级与「发明」

2026 年，邓煜与王虹摘得菲尔兹奖，AI for Math 也战报频传。但曹原提醒：数学没有看上去那么容易——取决于你说的是哪一种数学。

严肃数学的流水线与三重瓶颈

当前 AI 攻坚复杂数学的标准流程：语言模型提出证明 → 将证明形式化为 Lean → Lean 编译通过，结果即确证无误。两家代表性初创 Axiom Math AI 与 Harmonic AI 走的都是这条路，商业化则瞄准 EDA（电子设计自动化）、软件验证等可验证场景。流水线上有三重瓶颈：

1. 模型要够强——能提出可能成立的证明方式或新的数学结果；
2. 自动形式化——把自然语言或数学符号描述的证明翻译成 Lean，这个转换过程并不容易，是两家公司投入最重的环节；
3. Mathlib 覆盖度——Lean 的数学库必须收录足够多的既有定义、定理与引理，系统才能组合它们去解更难的问题；缺的概念要现场重新定义。

Lean 什么时候可以省

并非所有场景都必须 Lean。IMO（国际数学奥林匹克）这类考试，考的是复杂而有创意的构造，知识不必特别深、证明通常一两页——模型训练得足够好，用自然语言作答即可信赖，且交卷后很快就有人工验证（这也是 OpenAI 参加 IMO 时坚持纯自然语言输出的底气）。但若要做职业数学家级别的工作——比如王虹那种上百页的证明——纯自然语言无法保证正确，必须形式化兜底。

由此形成两条并行路线：其一，把模型训得更强，让规模较小、易验证的任务摆脱对形式化的依赖；其二，把「自然语言 ⇄ Lean」的翻译过程做得更快更准——对专业数学而言，后者是必经之路。

「五等级」为什么不是好尺度

主持人引用一位教授对数学问题的五级划分：博士生练手题 → 普通期刊级 → 四大顶刊级 → 菲尔兹奖级（如王虹解决的挂谷猜想）→ 超菲尔兹奖级。曹原认为这不是衡量 AI 的合适尺度——真正的分水岭是：问题是否需要发明新的数学对象或定义。只要结论能由既有定义、定理与引理推出，表征空间就是固定的；模型够强、搜索强度够大，再难的问题都可能被搜出来——提出证明本质上就是生成一串数学公式，在推理中持续寻找概率更高、回报更大的路径，永远是搜索。

数学的灵魂在发明 ≈01:18:47

那数学是不是就是「证明的科学」？曹原不同意：更重要的是发明的过程。没有数学对象的发明与定义，就没有数学——先定义「数」，才有加减法；微积分中的积分与微分、线性代数中的特征值、微分几何中的黎曼度量，全是被抽象和定义出来的概念。对一个好数学家而言，找出优雅的概念、抽象出本质定义，可能远比推导过程更重要：只盯着一堆矩阵而抽象不出「特征值」，就永远抓不住矩阵的内在结构。

AI 能做这件事吗？曹原：现在做不到——他甚至怀疑抽象概念不是一个可计算过程。他的思想实验：原始人看到三只鹅、四只鸟、五棵树，学会了数数，并把「数」这个概念推及万物；可若只给一个从未接受数学训练的模型看三只鸟、四只鹅，很难想象有一个程序能凭这些感官输入自发提出「数」的抽象。

「概念抽象可能是 AGI 的最后一英里。」

—— 曹原（他补充：这一英里甚至可能永远无法跨越，人脑最底层未必等价于图灵机）

数学是发现还是发明

上世纪以来，形式主义、逻辑主义、直觉主义诸学派对「数学的本质」争论不休，至今无解、或许永远无解。若必须选边，曹原倾向数学是人的发明，理由有二：其一即上述的概念起源——人从鸭、鹅、鸡中抽象出数，再以公式化为语言；其二是哥德尔不完备定理——任何足够强的形式逻辑系统，总存在为真却无法在系统内部证明的命题。曹原不相信宇宙自身有不自洽之处；宇宙作为自在之物只是存在，不需要描述。数学之所以带着无法调和的限制，恰因为它是人造的符号与规则体系，而非物自体本身。他也坦承：这只是个人的想法，无法验证。

当数学证明开始过剩

陶哲轩的观察：数学正从「证明稀缺」进入「证明过剩」——难题网站下堆着几十份 AI 解答，人类专家却没有带宽逐一验证。

结果正确 ≠ 价值等同

曹原的回应从一个比喻开始：假设音乐会上钢琴由机器人演奏，且保证每个按键的力度与时长绝对完美、严格遵循作曲家的要求——你可能仍然不想听。因为听众要的不只是音色，还有演奏者自发的情感状态、那些让人共鸣与被打动的东西。科学同理：证明正确当然重要，但若论证过程没有可阐释的洞见，再正确也像机器人在弹琴——对数学的贡献未必很大。人的价值判断，永远是重要的一环。

黑盒的经济代价

如果心安理得接受 AI 是黑盒，会发生什么？曹原分两层：边界清晰的单一任务可以容忍黑盒——早期计算器同样不透明，但输出标准可信赖。麻烦在于开放场景：今天 AI 能写出大量正确代码，但维护成本反而更高——工程师看不懂 AI 写的代码，就无法定位 bug、无法调试，只能让 AI 继续自我调试，而下一轮迭代又可能把代码改乱。语言模型本质上是随机采样机器：同一个编程任务跑两次，可能生成完全不同的代码——这种不确定性带来严重的信任问题。

AI 与物理：走出逻辑空间

数学只需活在人类定义的逻辑世界里；物理必须走出去，接受物质世界的裁决。

与数学的本质差异

数学是物理的一部分——许多物理定律与新结论都需要数学推导；但两者最大的区别在于：数学在理想逻辑世界内即可成立，物理最终一定要靠实验验证。当前的 AI for Physics 大多仍停留在数学与形式逻辑层面：求解偏微分方程；或如 Anthropic 用 Claude 辅助物理学家推导新结论。此外还有 PhysicsX 这类初创，把流体力学、空气动力学等现象做成专门的物理世界模型用于预测——方向可能有用，但相关工作还比较少。

随机的馈赠与溯因推理

主持人提出一个耐人寻味的观察：人类历史上许多发现带有随机性——牛顿与苹果（即便故事被夸张，灵感的触发是真的）；器官移植所用的免疫抑制药环孢素，最初源自对挪威土壤中一种真菌的偶然发现（《十亿美元分子》记载）。而 AI 的发现过程似乎没有任何「随机感」。

曹原把问题拆开：随机事件的发生是一回事，能否从中溯因发现规律是另一回事——后者需要 abductive reasoning（溯因推理）：苹果落下只是触发，人类还要反过来追问「什么导致了它」，并由此发展出一套物理体系。人类推理有三种：演绎、归纳、溯因。今天 AI 做得最好的是演绎（给定前提、定理与定义推出新结论，逻辑上相对容易）；而溯因——给定现象、想象一个合理解释、并让解释泛化到其他现象——需要抽象力、想象力与世界模型，AI 目前做不到，未来很长时间也难做到。任何抽象层面的智力活动，都属于 AGI 的最后一英里。

无用之大用

谈到数学的「无用之美」，曹原扩展到美学、艺术与哲学：从直接效用看它们都是「无用之物」——家里挂一幅画有什么用？但这正是「无用之大用」：没有出于好奇与对美的追求的纯粹思考，就不会有后来的物理。思考过程会改变人的大脑状态与对世界的认知，作用只是未必立刻可感。理论科学、纯数学与人文艺术，皆属此类。

离「AI 创造新概念」还有多远

取决于概念的层级。可落地（grounding）到观测的具体概念——看过五把椅子，第六把特征相似的自动归入同类——任何聚类或概率流形都可视为概念，这早已可行。难的是抽象概念：一个概念适用于无穷多种场合，而这些场合之间没有稳定的表面相似性。从具体到抽象有很多层次，越过某个层级会变得极难，甚至可能永远无法靠计算程序实现。

商业化与时间表

AI 行业狂热，而 AI4S 是条更慢的路——ARR 未必年年翻倍。资本怎么看？曹原的答案是「分层」。

商业化不能一刀切

AI4S 已有落地空间：即便还没有一款完全由 AI 生成的药物上市，靶点发现、分子结构设计等中间环节，已可作为产品或服务变现；数学侧的 EDA、程序验证等可验证场景同理。但若目标是诺贝尔奖级成果，那就不再是「把科学当作 AI 的应用」，而是 AI 的基础研究问题——必须先提升 AI 本身的抽象、推理、实验与编程能力，否则更上层的科学问题根本够不着。

「很长」到底是多久

AlphaFold 已经拿了诺贝尔奖，但那不是 AI 自主完成的科学发现。若问 AI 独立做出诺奖级成果需要多久，曹原的估计：至少还需二三十年。理由是欠账太多：且不说凭空创造新概念，现阶段连从实验结果中稳定地做正向与反向因果推理都做不好；还要解决长期记忆（做过无数实验后如何取用相关记忆）与持续学习——仅把这些前沿问题逐一攻克，可能五六年就过去了，之后才谈得上真正的科学实验能力。

如果那一天真的到来

AI 是一种 meta technology（元技术）、general purpose technology（通用目的技术）——本质上是一个可与科学、技术、商业几乎一切领域结合的通用大脑；足够智能的系统不只解科学题，也能像代理 CEO 一样优化人类经济活动的方方面面。参照 OpenAI 与微软对 AGI 的定义方式——「能以多高准确率完成多少有经济价值的工作」——能拿诺奖的模型，必然同时重塑其他一切经济活动。

资本心态由此清晰：AI4S 更慢、更难、商业化不如 AI for Coding 迅猛，但 RSI 长远是没人敢缺席的战略必投；大公司受创新者窘境牵制短期商业优先，NeoLab 与创业公司则据此获得节奏差。

哲学余响与人的位置

「很多研究 AI 和物理的人，研究到最后都会开始碰哲学问题。」——因为越往底层想，撞上的越是根本问题。

认识论两千年

曹原认为，AI 发展中的许多问题在哲学史上都有缩影——认识论长期讨论的正是「人怎样认识世界」。从柏拉图的理念世界开始：我们一生从未见过一个完美的圆，轮胎与盘子都不完美，但人能从这些不完美的观察中提出「完美的圆」——这就是在讨论知识如何产生、概念如何抽象。哲学、AI 与认知科学讨论的对象常常相同，只是语言与视角不同，「像不同的镜子照向同一个事物」。

给从业者的建议：多一点自上而下

AI 是当下科技界最热的课题，绝大多数应用与研究采取自下而上的视角：Transformer 有效、Scaling Law 尚未失效、优化 harness、建好 infra、发布产品——这对短期商业化与落地当然重要。但曹原呼吁保留一部分立意更高、自上而下的研究：从第一性原理追问——智能到底是什么？人类怎样认识世界？哪些特性是目前 AI 做不到的？倒过来想，会发现大量 AI 仍然做不到的事，也会过滤掉狂热天然滋生的浮躁与浅见。

他还留下一个更大的问题：AI 本质上是用计算自动化人的思考；但计算能自动化的不只有智能，也能建模与自动化各种物理过程——当 AI 逼近人类水平之后，「计算」本身还能做什么？

节目收束：人类价值的锚点

节目结尾的追问留给所有人：当 AI 完成「模型 → 实验」的闭环并开始自进化，将带人类抵达从未到过的高度——那时我们必须更清楚，人类的价值在哪里：是定义问题，是验证结果，是落地应用，还是握有最终的审判权。唯一确定的是，那时的世界与现在会很不一样。

观点速记

一句话版的关键论断（据对谈内容归纳转述，非逐字原文），便于引用与回查。

• AI4S 的正确姿势是 AI 与科学互相成就，而不是把科学当成 AI 的又一个应用场景。曹原 · §4.5 / §10
• 验证是第一瓶颈：若能每分钟拿到一次实验反馈，后训练飞轮立刻转起来。曹原 · §4.7
• 今天 AI 的「发现」，是既有表征空间里的高明排列组合；AlphaGo 第 37 手是新发现，但不是新概念。曹原 · §4.8
• AI 辅助科研的建议，没有一条超出团队既有认知。Jennifer Doudna（对谈转述）· §4.8
• 符号主义不会替代连接主义，终局也许是 98% 对 2%；而 AI 数学早已是神经＋符号的混合体。曹原 · §5
• 数学正在从证明稀缺走向证明过剩——瓶颈从「解出来」变成「验过来」。陶哲轩（对谈转述）· §8
• 完美的机器演奏你也未必想听：科学要的是洞见与共鸣，不止是正确。曹原 · §8
• 数学更像发明而非发现；哥德尔式的不自洽属于人造符号体系，而非宇宙本身。曹原 · §7
• 可解释性差会抬高整个经济的运行成本——若 80% 的工作都要人复核，不如不用 AI。曹原 · §8
• 让 AI 独立摘取诺贝尔奖级成果，至少还需二三十年；先要还清因果推理、长期记忆、持续学习的欠账。曹原 · §10

术语速查

按出场顺序排列；点击章节号可跳回上下文。

人物与机构索引

来源与说明

• 视频原片：YouTube《对话前 DeepMind 曹原：AI for Science 爆发，一个新时代到来了》（发布于 2026-08-15，时长 1:49:22）；Bilibili 同步版。
• 文字底本：硅谷101 官方微信公众号发布的对谈文字改写稿（虎嗅转载，2026-08-18）；时间轴取自节目官方 show notes。
• 本报告为个人阅读用途的整理与解读：全部观点归属节目嘉宾与主持人，文字为归纳转述而非逐字实录；如需精确引用，请以视频原片为准（各时间码可直达对应片段）。
• 编者注两处：① 时间轴「抽象出新概念」的时间码疑为笔误（见时间轴节）；② 对谈中「做天气预报的 MatterGen」疑为口误（见 §4.3）。