刚刚落幕的2026科学智能大会上，AI for Science再度成为全场焦点。会场之内，各类模型突破、科研新范式的消息接连抛出，热闹的讨论勾勒出人工智能重塑科研的宏大想象。但热潮之下，更需要一份冷思考。当行业沉浸在技术进展的狂欢时，那些藏在亮眼成果背后的真实约束是什么？AI究竟只是科研效率工具，还是真的能催生全新科学发现？热闹的表象背后，许多本质问题，其实还远没有被认真回答。
一、从诺奖到泡沫：一场席卷全球的"科学革命"
2024 年诺贝尔化学奖颁给 AlphaFold 背后的科学家时，整个学术界沸腾了。一个"AI 解题"的工具，竟然登上了科学的最高殿堂。
此后的两年里，这种热度有增无减：DeepMind 的 GNoME 一口气"预测"出 38 万种潜在稳定晶体；新一代蛋白预测平台把生物学的边界一再推远；各大高校蜂拥成立"AI for Science"研究院；风投机构挥舞着支票，追逐每一个带着"AI 制药""AI 新材料"标签的创业故事。英伟达更是把 AI for Science（AI4S）列为与大语言模型、具身智能并列的三大 AI 关键方向之一，远期市场规模被喊到千亿美元。
在资本市场的叙事里，AI for Science 被描绘成人类文明的"作弊器"。一旦接上算力，科学将从"人类试错"的慢车道上，直接跃迁到"AI 预测+验证+人类判断"的高铁时代。马斯克说 AI 会在 21 世纪造出"1 万个爱因斯坦"，这样的判断在硅谷和创投圈被反复引用。
然而，就在这波狂热达到顶点时，冷水也开始兜头浇下。2026 年，中国工程院院士李国杰在《科技导报》AI4S 专刊上发表评论文章，给出了一句极为罕见的冷静预判：未来 5 年 AI for Science 的前景，是"谨慎乐观"。他同时警告，AI for Science 的安全风险可能比通用人工智能（AGI）更早进入"不可逆阶段"，真正的危险不是"AI 变聪明"，而是"人类失去退出权"。
这种"谨慎乐观"并非一家之言，海外科学界的态度同样耐人寻味。在 2026 年 Google I/O 大会上，DeepMind CEO、诺贝尔化学奖得主 Demis Hassabis 高调宣称我们"正站在奇点的山麓"，但他随即话锋一转，坦承当前的 AI 模型"缺乏对因果关系的理解，能预测'如果 A 则 B'，却无法解释为什么"，在药物研发中，这种黑箱特性可能带来安全隐患。而在 2026 年初的世界顶尖科学家峰会上，诺贝尔化学奖得主、斯坦福大学教授迈克尔·莱维特的表述更为克制：他把 AI 在科研中的角色定义为从"帮手"到"助理"再到"优秀的同事"的渐进过程，强调 AI 的价值在于"加快试错过程、降低实验和计算门槛"，而非一夜之间改写科学。中外科学界在这一点上罕见地达成共识：AI for Science 前景光明，但远未到可以高枕无忧的时刻。
0
评论 (0)