BBIN·宝盈集团(中国)有限公司官网AI美国科技的黄金时代还是镀金时代

　　给特朗普政府科技政策戴上一枚金色的徽章，还要开创一个新的时代——把美国的科技实力延伸到“第二个美国世纪”。

　　设想AI作用贯穿科学研究的全过程。它首先是知识机器，可以无限阅读理解科技文献，跨越学科边界寻找新的联系；其次是数据机器，可以从论文、档案、视频和实验记录中整理过去无法规模化利用的非结构化数据；然后是发现机器，在巨大组合空间中生成假设、预测复杂系统、筛选蛋白质和材料结构；再进一步，它成为实验机器，与机器人和自动化实验室组成闭环，自动发现和完成最有价值的实验；最后，它还要成为验证机器、传播机器和工程机器，检查论文、复现实验、更新知识并参与将发现转化为技术。

　　报告列举了蛋白质结构预测、蛋白质设计、药物分子动力学、核聚变等离子体控制、粒子物理数据分析和数学定理证明等早期成果，并认为AI有可能突破人类工作记忆、阅读能力、专业训练和学科组织所形成的认知边界。

　　这意味着AI for Science（科学智能）并不简单是人工智能应用于科学，而是要改写科学的生产函数。过去科研主要受到科学家数量、知识积累和实验设备的约束；未来，大量认知劳动可能由模型完成，真正稀缺的要素将转向高质量数据、实验反馈、算力、仪器、能源、制造能力以及能够判断结果真伪的人类科学家。

　　去年底白宫提出的“创世纪任务”（Genesis Mission）正是这套构想的国家级载体。美国能源部负责牵头建设美国科学与安全平台，将国家实验室的超级计算机、AI系统、科学数据和大型仪器连接成统一的发现引擎，并提出十年内将美国科学与工程的生产率和影响力提高一倍。能源部17个国家实验室、约4万名科研与技术人员，以及联邦政府多年积累的基因、天气、材料和实验数据，将被重新组织为AI的训练资源和实验环境。

　　克拉齐奥斯曾担任彼得.蒂尔（Peter Thiel）基金的办公室主任，留下的烙印，反映在报告对美国现行科研体制的批评：决策太慢、层级太多、风险厌恶、资源被既得利益者控制、评价指标被游戏化，真正具有突破性的少数项目反而容易被共识机制淘汰。

　　报告因此大量借用了硅谷创新的经验。科研资助不应只通过同行评审逐个批准项目，而应像风险投资一样构建组合；不应只判断一份申请书是否完美，而要下注于优秀的个人；不应要求每个项目都成功，而应允许大部分高风险尝试失败，由极少数重大突破覆盖整个组合的成本。

　　报告建议采用“黄金入场券”(golden ticket)，让单个评审人可以越过委员会共识支持非主流方案；扩大48小时内做出决定的快速拨款；通过大赛奖金和预先市场承诺按成果付费；允许研究者将小额资金再分配给自己认为有潜力的同行；同时提升项目经理的权力，使其像DARPA（国防高级研究计划局）项目经理或风险投资合伙人一样定义问题、组织团队、管理技术路线。

　　报造还试图把硅谷的创业公司形态引入科学组织。传统大学实验室适合小规模、由首席研究员带领的研究，但不适合几十名专业工程师长期协作的中等规模科学工程。商业公司又缺乏动力去生产无法独有的公共数据和基础工具。而一些新兴的科研创业组织，如Focused Research Organizations (焦点研究组织)、X-Labs等，在有限的时间中实现明确的目标，雇用稳定的职业科学家和工程师，围绕一个瓶颈建立项目或初创企业，完成任务后解散、回归大学或孵化企业。

　　更深的影响是硅谷的持续迭代。报告要求每个主要科学机构建立元科学部门，对资助科学的方式本身进行实验：比较快速拨款与传统评审的结果，测试随机化、黄金入场券和不同项目经理授权程度，追踪落选者与入选者的长期表现，并根据数据不断调整科研投资组合。科学方法要用在科研制度自身。

　　报告提出的并不是单纯增加AI项目，或者是把原有的科技项目包装成AI，而是围绕AI重新配置美国科技资源。

　　从机构转向个人。资金不再天然追随名牌大学和成熟实验室，而要通过可携带奖学金、长期个人资助和青年独立项目，直接支持被认为最具潜力的科学家。

　　从学科转向问题。传统国家科学基金会按照物理、化学、生物和工程等学科设置部门，而AI时代的重要问题，例如蛋白质折叠、聚变控制、神经回路和新材料发现，往往跨越多个学科。报告希望以能力缺口、国家任务和研究组合取代沿袭多年的学科分配。

　　从论文转向整个科研基础设施。数据整理、软件、实验协议、失败记录、科学仪器、云实验室和验证系统，都将成为正式的资助对象。报告认为，在AI时代，数据不再只是研究副产品，而是国家级科学资产；实验记录中未被发表的负结果和操作细节，也可能成为训练实验智能体的重要资源。

　　从大学中心模式转向政府、大学、企业、国家实验室和慈善资本组成的多中心系统。美国企业目前每年投入的研发资金约7000亿美元，已超过政府和高等教育投入之和，政府在科研体系中的比较优势，必须重新界定。在AI领域，最前沿的模型、数十亿美元规模的算力集群和最强的AI工程团队，已经集中于少数科技公司。必须承认企业已成为基础研究的主要实施者之一，联邦政府设计制度，需要把企业能力接入公共科学。

　　81年前，范内瓦尔.布什在《科学：无尽的前沿》报告中，设计了美国目前的国家研发体系；如今，“基础研究—应用研究—产品开发”的单向线性模式，已经不适应AI时代的国际科技竞争。

　　现代科学技术的演进，越来越表现为循环状态 ，基础理论催生工程工具，工程中的困难又提出新的科学问题；实验仪器扩大观察能力，制造过程暴露材料和物理机制；产业使用技术形成的数据，再反过来推动模型和理论进步。报告借用唐纳德·斯托克斯的“巴斯德象限”，主张把追求基本理解和解决现实问题结合起来。历史上，巴斯德研究葡萄酒为何变质，既解决产业问题，也创立微生物学；贝尔实验室研制晶体管和香农研究信息论，同样兼具基础性与应用性。

　　这也是报告将科学智能与再工业化连接起来的理论基础。随着AI降低提出想法的成本，科学进步的瓶颈会越来越多地转移到“原子世界”。制造业不仅是科研成果的下游，更是科学知识的上游。

　　大量难以编码的默会知识，沉淀于制造与实验过程中。半导体良率如何提升、晶圆清洗中不同变量怎样相互作用、设备出现异常时如何调试，这些知识不完全存在于论文和专利中，而存在于工程师、技师和生产团队的手中。制造外包不仅带走就业和产能，也带走能够不断发现问题、积累数据和改进技术的学习过程。美国科学家发明电池化学或显示技术，却让亚洲企业完成规模化制造，最终也会让制造者获得下一代研究所需要的数据、人才和工艺知识。

　　用AI驱动巴斯德象限，既不是完全自由的基础研究体系，也不是狭义的产业技术开发，而是在国家战略问题牵引下，将基础理解、工程实现、规模制造和市场应用组织成连续反馈回路。

　　美国要迫切解决的问题，是科学政策服务于国家的再工业化，而工业化也要托举科学政策。国家实验室向企业开放，政府建设公共测试设施和中试平台，组织类似当年SEMATECH的（针对日本）竞争前半导体产业联盟。这次特别提到地方政府打造创新体系的作用，州和地方围绕半导体、先进制造、核能和生物技术形成产业集群。大学、实验室、工厂、供应商和技术学校在地域上重新靠近，生产中的问题回到科学研究，科学成果又在本地产业中迅速验证。

　　报告对美国教育制度的批评，与其AI逻辑紧密相连。美国在急于迈向知识经济的过程中，几乎彻底放弃了实践教育。几十年来，联邦政府通过向大学和研究生项目的学生提供无限额贷款，推高了大学成本，使数百万人背负沉重债务，也损害了职业教育。大学工程教育又日益理论化，学生可能掌握燃烧模型，却不会拆装发动机；研究人员善于发表论文，却无法修理实验设备。

　　AI将进一步改变技能价值。知识检索、编程、文献综述甚至部分理论推导越来越容易获得，能够操作仪器、判断材料状态、调试复杂设备和把设计变成产品的技能反而更加稀缺。报告因此主张打破学术教育与职业教育的等级关系，把实习、学徒工时、产业证书和实际工程成果计入学位、招生、认证和晋升；让技师、机械师和实验室人员以“驻校实践者”身份与博士合作；让社区学院成为区域科技与制造人才中心，并把注册学徒制延伸到实验科学和先进技术领域。

　　报告希望最终建立的，是一套服务于美国国家利益的科技使命组合，加速发展“战略新兴技术”，如AI、量子计算，核聚变，太空，机器人，半导体。

　　目前约2000亿美元的联邦研发组合在很大程度上是历史惯性结果，去年的项目延续到今年，成熟机构继续获得资源，各学科按照既有边界分配资金。新的方式应首先发现国家能力缺口，再决定哪些领域适合自由探索，哪些问题适合任务牵引，哪些技术必须保持绝对领先，哪些只需阻止对手形成垄断，哪些可以交由盟友承担。

　　这套组合要同时包含长期基础研究、高风险突破、应用导向研究、工程平台和产业化工具。对未知程度很高的问题，政府保留个人资助和自由探索；对目标明确但路径未知的问题，使用竞赛奖金、预先采购和DARPA模式；对企业共同面对、但公司无力单独解决的技术瓶颈，建立竞争前联盟；对国家级任务，则由创世纪任务等计划集中数据、算力、人才和实验设施。

　　科技不再主要被理解为知识与经济增长的自然来源，而是要借助政策形成国家能力。报告明确把技术领导力与经济独立、军事安全、供应链控制、标准制定权和文化自主联系起来。

　　报告认为中国研发支出在购买力平价口径下已经追上了美国，科学能力提升到国家竞争的最高层，通过政府、产业、大学和制造部门之间的紧密联系，将资源集中于基础研究和关键技术。

　　中国反证了美国当下存在“只负责发现、不负责转化”的问题。报告认为，美国开放发表论文、培养全球人才并把制造环节外包出去，而竞争者利用美国知识、在本国工厂规模化应用，并从生产中获得后续创新收益。这是一种封闭与开放之间不对称的竞争，包括电池、先进制造和科研人才流动等。

　　但报告并没有主张复制中国。它一方面吸收中国的全社会动员、战略技术选择、产业与科研协同、制造能力建设和长期使命意识；另一方面又强调美国的优势是风险资本、创业文化、许可式创新、联邦主义和允许失败。报告希望将二者组合起来：用中国式战略目的约束方向，用美国式市场竞争寻找路径。

　　报告并没有把AI描绘成可以自动解决所有科学问题的魔法，而是明确提出其物理与制度约束，包括反馈速度：缺乏观测数据时，再聪明的模型也无法在多个理论之间做出判断；原子速度：细胞分裂、材料合成、芯片制造和火箭建造都需要物理时间；制度速度：资金、出版、监管、临床试验和组织文化仍然决定新知识能否产生和被采用。

　　可以前行的路径，首先要选择适合AI的问题，优先寻找具有巨大搜索空间、丰富结构化数据和明确评价标准的领域，而不是把AI平均撒向所有科学。其次要建设组织能力，让领域科学家与AI研究人员共同工作，并建立AI原生科研机构。第三要整理和开放科学数据，给失败实验、操作记录和数据清洗以正式的资金与声誉激励。第四要让科学仪器具备开放接口和标准数据格式，将模型、机器人和实验设备连接为闭环系统。

　　报告尤其警惕“生成-验证缺口”。AI可以迅速产生假设、论文、和看似可信的结果，但验证仍然昂贵。如果模型在充满错误、不可重复结果和发表偏差的科学文献上训练，它只会以更高速度复制旧错误。报告中特意提出以往的科学论文，有相当一部分存在“不可重复危机”。报告因此要求建立“黄金标准科学”：强化可重复性、透明度、数据共享、不确定性表达、可证伪性和负结果发表；建设机器可审计的复现包，让专门智能体重建计算环境、运行分析并核对论文结论；通过开放API把验证工具接入期刊、资助系统和企业科研平台，并奖励复现或推翻重要结果的研究者。

　　AI必须“守正出奇”，不只需要强大的生成器，还需要同样强大的验证器；否则科研生产率越高，错误扩散也越快。

　　AI尚不可靠与国家要求大规模采用AI之间的矛盾。AI可能生成大量低质量研究、强化错误范式、淹没同行评审，政府却又把AI设定为重构整个科研体系的中心。报告提出用AI验证AI，但验证系统依然依赖模型、数据、标准和人类判断。如果生成能力的扩张速度始终快于验证能力，所谓科研工业化也可能首先变成错误的工业化。

　　长期科学投入与短期预算压力之间的矛盾。报告附录承认，联邦政府的比较优势正是支持回报周期长、收益广泛而私人部门难以独占的基础研究，并要求提高基础和应用启发型研究在组合中的比重。 但报告主体又要求按照国家竞争、年度任务和可衡量技术瓶颈配置资源。基础科学需要容忍多年看不到具体用途，而地缘竞争要求快速产生芯片、能源、武器、药物和制造能力。两者可以共存，却很容易在预算有限时发生挤压。

　　这种矛盾在现实预算中尤为突出。2027财年的预算申请将国家科学基金会的预算削减一半以上，同时削减美国国家航空航天局（NASA）23%的预算、能源部科学办公室15%的预算以及美国国立卫生研究院12%的预算。如果AI成为削减传统科研投入的理由，那么AI就不再是公共科学的放大器，而可能会长期损害基础知识的科学性。

　　基础研究与应用创新之间的矛盾。巴斯德象限确实打破了两者非此即彼的划分，但不能涵盖所有科学。报告也承认，黎曼几何、群论等纯粹出于好奇心的研究，后来产生了未曾预见的巨大用途。 一旦资助体系强调国家使命、产业转化和可验证结果，应用型的研究就可能去筛选自由探索，那些一时无法说明具体用途的研究，可能最先被排除；独立自由的科学界的基础，可能会受到削弱。

　　硅谷式资金配置与政治倾向之间的矛盾。风险投资式组合要求项目经理有高度自主权、容忍异端、允许失败；但报告同时主张科研经费必须接受民选政府的政治问责，由政府决定哪些研究符合公共利益和国家优先事项。当项目经理选择与行政政治高度一致时，“反对学术共识”的改革，可能只是用另一种共识取代原有共识；黄金入场券可能奖励非主流创新，也可能成为偏爱政治友好项目的通行证。

　　《科学：新的黄金时代》，期待成为AI时代的《科学：无尽的前沿》，为美国设计出一套保持科技与创新的机制：以AI为认知基础设施，以科学家个人和任务型团队为执行主体，以风险组合和元科学为资金配置机制，以国家实验室为公共平台，以科技企业为模型与工程能力来源，以先进制造和技术工人为反馈系统，以国家利益为最终选择标准。

　　报告出台后，科学界基本赞同报告对美国科研体制弊端的分析，也支持提出的一些改革方案。但他们批评特朗普政府以此来掩盖减少科技预算，可能从根本上削弱美国的科研基础，也不利于AI驱动科技；他们还批评政府预算从科研机构向个人倾斜，以及官员会出于政治动机进行拨款决策。BBIN·宝盈