几周来几乎垄断了国内人工智能所有关注的“龙虾”（智能体OpenClaw），在近日于上海举行的一场重量级AI大会上，似乎失踪了——在第二届浦江AI学术年会的开幕论坛环节，十多位院士专家和重要学者开展了近四个小时的观点碰撞，没有一个人花过一分钟去讨论这个炙手可热的“AI网红”。大家的视线全部聚焦于那个更前瞻、更颠覆、却距今不远的方向——科学智能。

正如上海AI实验室主任周伯文所说，将来所谓的AGI（通用人工智能），就是要能够像爱因斯坦那样，基于1905年的认知，推导出广义相对论。而当前，在科学这条人类智力的巅峰赛道，可以胜过天才科学家的“最强大脑”也的确在加速走向现实。

在这一背景下，记者从浦江AI会场中获得的最大感触，并不是算力或模型的突飞猛进，而是科学界在全力拥抱AI的同时，也呈现出一种困惑：主导了过去数百年“科学大航海”的人类智者，该如何面对未来AI全面接手舵盘的可能？

科研自动化可以让实验室实现无人化。

向“黑盒”妥协

几百年来，科学的终极浪漫，一直是找到完美、自洽的“因果律”，从而对万物运行给出突破性的解释。但本次论坛上，记者却不时能感受到一种心照不宣的妥协——科学家们似乎开始接受“知其然，无须知其所以然”的新科研范式。

中国科学院院士、中国科学院原院长白春礼在演讲中，将AI在当前给予科研体系的影响，总结为三大“结构性重塑”：科学发现路径，正从“假设—验证”切换到“数据—模型—假设—验证”；科研的组织方式，正从依托“人”转向“人机系统”；知识的主要载体，从论文变成模型、数据、代码。

但是，在进一步分析AI重塑科研的力量时，白院士却给出了一个“直击灵魂”的判断：未来，科学的目标可能要从“理解世界”走向“逼近现实”。也就是说，科学不再像过去那样，追求清晰的因果逻辑，强调对自然规律的解释能力；而是要逐步接受AI做出的有效、但又无法解释的结果。

第二届浦江AI学术年会的开幕论坛现场座无虚席。

一个标志性的例子在于气候科学。白春礼说，当今的AI模型，在短期天气预测方面，具有惊人的精度，但还无法完全阐明背后的物理机制。类似的，在新药分子的筛选方面，AI也是极端高效且精准，但是同样解释不了其中的生化规律。

中国科学院院士、北京大学常务副校长张锦在报告中，也承认自己正面对这种“现实的困惑”。在他的材料学实验室，研究团队利用AI模型，精准预测了可用于制备碳纳米管的催化剂，实验结果完美。但张院士坦言，为什么要用这种催化剂，他没法解释，甚至没法讨论。

大模型在给出答案时的“黑盒效应”，一直以来都饱含争议，并在一定程度上延缓了AI在部分关键行业的接受度。如今，随着AI越来越强，科学家们基于现实转而采取妥协的态度，合乎情理。尽管如此，依然有顶尖专家打算继续就此“较真”——复旦大学特聘教授、上海科学智能研究院院长漆远表示，科学家必须继续努力，对AI黑箱模式进行解释，并探讨如何与科学机理进行融合。他认为，这点在未来会变得越来越重要。

科研“工业化”

如果能暂时“放下”对揭示绝对因果的执念，AI为科研带来的能力跃迁，可以说令人极度欣喜。不仅如此，整个科研的生态和范式，或许也将迎来一场激动人心的“工业化变革”。

张锦院士介绍，通过引入AI算法与具身智能，打造“自驱动实验室”，原本需要耗时多年才能完成的新材料寻优实验，已被骤然压缩到短短四天。这种极致的效率改善，让所有想要有所建树的科学家，不得不躬身入局，去构建人和AI深度协作的科研体系。

在白春礼看来，这种协作代表了未来。他认为，科学智能下一步的竞争，归根到底，就是看谁能在新一轮范式转型中，率先形成稳定且具有解释力的认知体系；而人类天才单打独斗的较量，势必会被“人机系统”综合能力的比拼取代。

清华大学教授、面壁智能首席科学家刘知远说，当前所有知识的总和，就如汪洋大海，使得一个人哪怕穷尽一生，也只能成为一个极其细微领域的专家。因此，通过AI把所有数据汇聚成洞察，不是可选项，而是必然。他提出，未来最应该探讨的一个课题，是如何借助AI把全世界的科学家凝聚在一起，共同探索世界的边界。

图为上海一家企业研发的自主实验平台。

上海AI实验室主任周伯文也认为，虽然算力、数据，以及自主实验系统，是科学智能时代的基础设施，但更重要的是，AI可以让科学家们有机会开展前所未有的跨学科、跨机构、融合协作。在这方面，中国完全有机会率先探索出下一代的科研协作机制，将无数个体的知识和贡献，汇聚成范式性的科技突破。

人与AI“互为工具”

如果“人机协同”是大势所趋，那么“人”和“机”如何分工就会成为重要课题。此次大会上，专家普遍认为，将来，单调繁琐的实验室试错会大量交给机器人，高维的数据挖掘和推导则会留给模型——可一旦如此，属于人类科学家的价值，究竟会在哪里？

上海尚思自然科学研究院院长鲁白直指核心：“好的科学家”靠逻辑推理，“最出色的科学家”靠直觉与顿悟。而这种飞跃式的思维过程，根植于人脑特有的神经机理。鲁白认为，这种天赋或许可以让人能区别于AI，提出更具创造力的科学问题。

但白春礼院士的看法似乎与此相左。他认为，考虑到AI在处理海量数据方面的能力，因此，对于形成科学发现至关重要的“假设”工作，可能也要从人转手给AI模型。他表示，人类或许应该更积极地将哲学与科研对接，避免AI主导的科学偏离“求真”的初衷。他在演讲结尾动情地说：“科学不仅关乎能力，更关乎方向；不仅关乎发现，更关乎抉择。”

上海AI实验室青年领军科学家陈恺，给出了另一个有意思的观察。他表示，虽然AI擅长从海量数据中找出关联、提出假设，但目前AI提出假设的能力，实际上被人类的“验证能力”局限。也就是说，哪怕AI可以在一秒内“头脑风暴”出天文数字般的全新分子结构，但仍有赖于人提供实验环境去验证其真伪。陈恺据此认为，未来，科学家与AI更可能“互为工具”——AI帮人类算数据，人类则为AI创造出更多验证方式。

值得一提的是，对于当前科研工作中出现的过度“拼算力”的倾向，中国科学院院士、清华大学教授胡事民泼了一盆冷水。他认为，科学智能绝对不能重走过去大语言模型“大力出奇迹”的路线。因为，在科学领域，获得单样本数据的成本可能高达百万美元，而且一旦拼算力拼出哪怕一丝幻觉，就很可能严重破坏科研，比如让潜在的好药变成毒药。胡事民表示，在为AI进行规则约束和机制设计上，还有很多空间留给人类施展。