对话前DeepMind曹原：AI for Science爆发，一个新时代到来了
对话前DeepMind曹原：AI for Science爆发，一个新时代到来了
摘要
- Jeff Dean携Oriol、Sanjay、Quoc出走创立Discovery Loop，标志AI for Science赛道开始爆发。 前DeepMind科学家曹原给出三重解读：Gemini项目“集中力量办大事”带来的组织冲突、过去半年Gemini表现“不尽如人意”（3.5/3.6 Flash平平、3.x Pro难产）、以及数学与代码能力到位后“下一个能让AI智能爆发的话题”顺理成章是知识发现。但他认为“新时代开启、Google时代结束”言过其实——“Google可能是这些大的科技公司里面，拥有所有做好AI的全栈要素的公司”。
- AI4S此刻爆发的技术逻辑：代码、数学与agent harness三者成熟，才可能让AI跑通“提假设→做实验→分析数据→自我迭代”的科研循环。 曹原的判断是全链条中“最难对于AI for Science肯定是verification（验证），它是一个瓶颈，一旦这个瓶颈被打破了，你就可以很快地迭代”——理想情况下“如果一分钟获得一次实验验证，这个问题就解决了”。OpenAI用GPT-5与Ginkgo Bioworks的自动实验室闭环，是他眼中“目前为止最有说服力、效果也最好的闭环实验之一”。
- 赛道排序上生物制药是最优解：市场本来就大、流程标准化数据丰富、新药开发“周期可能要花费好几亿美金”，AI降本诉求最迫切。 材料虽然市场也大但“市场细分太碎”、价值链分散，“你很难说一下子用AI捕捉到这所有价值”；芯片、电池、量子计算仍属探索阶段。
- 三大实验室对比：Google布局最早最广，OpenAI最激进但优先级混乱，Anthropic后来居上。 OpenAI发布Astra，论文称模型推导出10道长期悬而未决的数学题，并以2027年前拥有自动AI科学家为目标；但AI4S负责人Kevin Weil离职后该方向部分工作并入Codex；Anthropic上线Claude Science平台、挖来诺奖得主John Jumper，可能补齐其唯一缺失的生物医药垂类模型。三家当前最高优先级仍是coding与商业化——“大公司总是有创新者窘境”，这正是Neolab与创业公司的先手机会。
- AI4S的真正天花板不是算力而是创造概念的能力：曹原认为“概念抽象的过程可能是AGI的最后的last mile”，且“这一步可能永远无法逾越”，甚至“不一定是图灵可计算的过程”。 佐证是诺奖得主Jennifer Doudna的评价：AI生成很多proposal，“没有一个是我们之前不知道的”。AlphaGo第37手“肯定是发现，但不代表它创造出这个新的概念”。
- AI for math的工业管线绕不开Lean：IMO考试级别自然语言证明可行，但“如果language model生成100多页的数学证明全是自然语言，它没有办法保证这个东西是正确的”。 曹原以Peter Scholze为例，并称其“好像2018年”拿过菲尔兹奖：他自己都无法确认证明对错，人工形式化可能至少要花一两年，编译通过后才敢确信。陶哲轩所说“数学从一个证明稀缺的时代进入证明过剩的时代”引出信任问题——曹原的比喻：机器人弹钢琴音色再完美你也不想听，“不是结果正确就一定正确，你需要去理解，然后去评判”。
- 曹原创业方向押注“LLM+符号主义”混合路线：语言模型“整个宇宙就是由训练数据决定的”，而科学发现按定义“肯定不是在现有的知识里面”，所以需要外面一层符号机制帮它产生小概率的新想法。 他不认为符号主义会复兴并替代连接主义——“最终可能有98%的是连接主义，但2%的是符号主义”，AI for math的Lean验证本身已是neuro-symbolic结构。当前瓶颈是“平衡创新性和可行性”。
- 投资时间线的锚点：AI4S商业化是分层的——靶点、分子结构等中间产物已可变现，但AI自主拿诺贝尔奖级成果“至少得二三十年”。 核心论断是“不是AI for Science，而是AI and Science”：science不只是应用，而是逼AI补齐因果推理、长期记忆、持续学习的驱动力；AI是“meta technology（元技术）”，一旦在最难问题上做好，“一定可以在其他不同领域也会做更好”。
精读
1. Jeff Dean出走Discovery Loop：一次有逻辑的“顺理成章”
- 曹原的三重解读：其一，Gemini作为“最大的项目”需要“集中力量办大事”，对原本各自为战的DeepMind团队带来管理冲突，“不可避免的，内部会有些冲突”；其二，过去半年Gemini表现失速；其三，Discovery Loop要做的“让AI自己去做知识开发、自动科研”，与他自己创业公司的方向一致——数学和编程解决后，“下一个能够让AI的智能得到爆发的话题”显然是把这些能力推广到科学知识发现。
- 团队成色的细节：Jeff Dean从MapReduce、Spanner、BigTable到Brain Team、TensorFlow、TPU再到Gemini，“整个业界都是传奇式人物”；Sanjay与他几乎同期入职，曹原在办公室常见两人peer coding，“每周有一天必须写代码，非常hands-on”。“他们出去做一个startup，一定是想做这个领域的新标杆，成为一个新的Neolab。”
2. Gemini失速的诊断：从80分到100分是另一种难度
- 曹原对现状的坦率评估：年初Gemini 3.1 Pro在排行榜上“还可以算是比较好的”，但近三四个月Anthropic、OpenAI和中国开源模型“突飞猛进”，而“整个3.5 Flash以及最新的3.6 Flash表现应该是比较平平的”，3.x Pro至今未正式发布，“总体来说Gemini这个进度非常落后”——且要转向Anthropic式coding agent商业模式“还是有很大困难的”。
- 但他反对唱衰：“不可能因为一两个人，哪怕是这些领导层的变动，这公司做不下去了。”Google从芯片、infra、数据中心、工具链到模型、人才、数据再到产品分发全栈齐备，“完全不依赖于外部生态系统”。问题在优先级与资源投入的调整。
- 对Meta的参照系：MSL近一年做到当前水平“已经是挺不容易的”，但“你从0分做到80分，相对来说可以在一定时间内赶上来；如果你要从80分做到100分甚至超过100分，这个是有更大挑战的”——Google要做的是“革自己的命”，把Gemini团队做得像一个startup。
3. 为什么留不住科学家：优先级碾压与曹原自己的出走动机
- 对John Jumper等人离开的解释：DeepMind当前最高优先级是把Gemini做到业界最佳水平，“很多工作重心、短期内的优先级必须往那个方向去转”，包括原来做AI4S的人。“在这么大一个团队、这么大优先级的项目情况下，你不可能让每一个人都非常满意。”他认为管理在变好，但这是持续迭代。
- 曹原本人的动机——值得记录的第一手证词：在做Gemini后训练时他一直在想更深层的问题，“如果你真的想让它解决科学问题，它的创新能力、提出新假设、验证新假设、不断自我更新的能力，还是远远没有到达能够帮助人们指数性增长科学知识的水平”，所以决定出来试一下。
4. Demis退居Chairman：Google不会放掉AI4S
- 曹原确认Demis仍主管AGI与science部门，且Google“在所有AI科技公司里面，在science里面最早布局、布局得最广最深”。他的定性：“科学和技术怎么用AI自动去推动，这是太重要的topic——不仅对一个组织、一个公司、一个社会，甚至对一个国家。人类社会发展最终是由科学和技术来推动的……在这个层面上是不可能完全放手的。”
- 对Demis个人的判读：他“个人的气质更像一个科学家，而不是主管产品或商业的CEO”。2015年前后到合并前，伦敦DeepMind所有Alpha系列都以科学研究为主，之后的产品落地（AlphaEvolve带动自动算法更新、AlphaFold拿诺奖并商业化成Isomorphic Labs）都源于这些先驱成果——“谷歌有能力也有责任去推动长远的科技研究，Demis非常适合这个角色”。
5. 概念课：AI4S、AI4AI与RSI的关系
- 曹原的定义：AI4S和AI4AI“都是把AI这个模型当作一个研究员本身”，区别只是研究对象是科学问题还是AI自己。AI4AI的例子：给定预算让模型自己优化训练——看codebase、提议调参、写代码放进沙盒跑实验、观测结果作为反馈再提下一步，“一轮轮迭代之后，模型的性能在不断地一步步提高”。有初创公司在用它探索非Transformer架构，以及不需要Backpropagation的新优化算法。
- RSI则“不是一个task，它是一个方法”——Recursive Self-Improvement可以用在AI4AI也可以用在AI4S上。
6. 为什么是2026年8月：三种能力同时到位
- 爆发的前提链条：AI要跑一个生物实验，第一步要根据当前观测推理出下一个该跑的实验（推理能力），第二步写代码分析数据是否吻合预期（代码能力），第三步在数据异常时一步步回溯自我迭代——外加“整个agent loop、怎么样去管理记忆”的harness体系。“这些能力到位之后，你才可以更好地去做science问题，因为science面太广、问题太复杂，可能要比coding和math更挑战一点。所以现在就是一个天时地利人和。”
7. 赛道选择：为什么钱涌向生物制药而不是材料
- 生物制药的三条理由：市场“本来就是大的，这跟AI其实没关”；流程标准化、结构化、数据丰富，“比较容易让AI去处理”；新药开发要在海量候选分子里挑lead、再过临床与监管，“整个周期可能要花费好几亿美金”，AI降本对pharma“非常有吸引力”。
- 材料的问题不是市场小而是碎：金属、皮革、生物材料、半导体、稀土划分极细，开发流程随应用各异，“你很难用一个相对比较标准的方法去处理”；即便发明新材料分子也只是第一步，下游生产、制造、包装的“价值链会比较碎，你很难一下子用AI捕捉到这所有价值”。芯片设计、电池、量子计算则“很多存在探索阶段”。
8. 提效还是发现：AI在科研中的两种角色
- 第一种是Co-Scientist：“帮助科学家去加速发现，但我自己不一定提出新的方法”——如Claude Science平台，本质是科研版IDE的workbench，能加速实验设计与数据分析，但“整个过程当中不一定AI模型自己提出新的知识”。
- 第二种是AI自主产生知识：AlphaEvolve自己发现新算法，AlphaFold帮助产生新的蛋白质结构。角色取决于模型是垂类专家，还是通用agent loop里的调度者。
9. 问题定义必须人来定：可计算、可验证的问题最适合AI
- 曹原的明确边界：“问题定义必须是人来定义的。AI目前还做不到自己有这个品位去找出合适的问题”——这是人类科学家不可取代之处；AI可以通过搜索文档帮你结构化、改善问题，“但它主要是一个辅助性的作用”。
- 什么问题适合AI：“任何可以计算的问题、很容易去被验证和计算的问题”——AlphaFold的问题定义极其明确（给定氨基酸序列输出三级结构）；在药物开发中，通过模拟工具计算药物特性、稳定性和副作用等步骤也比较适合AI。反例是核聚变装置：“你要做这实验，成本和代价是非常高的。”
- 底层逻辑：宇宙的基本要素是信息、物质和能量，AI for math和coding都在信息层面，“但你要想做science，你必须走到物质层面……必须突破信息极限，走到物理世界”——湿实验环境这一步“是逃不掉的”。
10. 验证瓶颈与自动实验室：Ginkgo闭环与A-Lab
- 湿实验提效的现实路径是AutoLab/Cloud Lab：操作标准化的流程可完全由机器人执行滴试管等指令，“你就call一个API，它就给你做这个实验”，远程完全自动化。OpenAI把GPT-5接进Ginkgo Bioworks（美国剑桥的机器人实验室），让GPT在几千种生成新蛋白质的配方中提出下一个最可能的配方、尽量降低成本——完成“完全自动化的做实验、给出反馈、给出验证”的闭环。
- 主持人陈茜补充DeepMind与伯克利及劳伦斯伯克利国家实验室的A-Lab合作：17天执行353次实验、57个目标中获得36个。曹原确认那是较早期的案例（用的还不是Gemini），并指出物理侧的壁垒仍在机器人本身——“为了加快实验，机器人本身的具身智能、精确度、速度都要提高”。目前非物理的in silico模拟“因为它好衡量，的确可能发展起来更快一点”。
11. 表征问题：通用“实验室主管”与垂类专家的分工
- 两类模型两种表征要求：通用模型（GPT、Gemini）作为orchestrator——“实验室主管”——通过预训练和后训练“对任何格式的多模态表征都可以去内化”，语言、代码、JSON实验数据皆可；垂类模型（AlphaFold、GNoME、MatterGen、天气预测）只接受本领域输入（氨基酸序列加metadata），“没法做超越这个领域之外的推理”，只能作为被调用的专家工具。
- 什么不可表征？“但凡你有办法把数据转换成字符串、某种模态的表示或embedding……都是可以表征的。如果你没法测量就没法表征——这是AI本身的问题，不只是AI for Science的问题。”
12. AI怎么挑实验：把直觉翻译成value function
- 实验挑选是树搜索：每个节点是已探索的方案，需要给节点打分决定往哪推。陈茜点出exploitation与exploration的两难——“人去选的话都已经挺难的了，机器怎么选呢？”
- 曹原的回答：人的直觉翻译成算法就是value function，与后训练中强化学习算法一致。“我既不能只找一个目前最好的方法一直往上推，因为它可能是局部最优的”；最终分数永远是“一个直觉分（value function）加上之前的路径有多少次已经被采样过了，综合一下”。
13. 闭环方法论：“一分钟一次验证”与AI and Science
- 为什么coding闭环成功：Claude的coding agent是“目前最成功的一个商业闭环模式”，因为程序写完马上可验证，“你完全不需要等待或者接受外界的干涉”，用户因此产生信任。而AI4S涉及物理世界，“这个东西不像你写coding这么容易去验证”。
- 核心量化直觉：“如果理想上能够一分钟获得一次实验验证的话，那这个问题就解决了。我可以生成无数个数据，然后我直接去训就行了。”做不到时的替代路径：一是自动化实验室；二是让AI更聪明以减少实验次数——原来跑10次实验才能得到目标蛋白结构，“你要把这个智能提高，让它只跑两次”。
- 由此引出他反复强调的论断：“AI4S不是说把science当作一个应用，而是AI and Science——为了让AI更好解决science问题，AI本身能力跟science结合的能力都要同时加强。”
14. 因果推理是语言模型的软肋：表述一变可能出错
- 曹原对LLM因果能力的评估：“不可靠”而非“不能”——把推理题的前提措辞或语序调整、意思不变，语言模型生成的结果“却可能错”，因为训练数据中通常只见过某一种形式的描述。“如果你的表述方法跟它训练数据里面的不太一致，这个模型就蒙了。”
- 涉及干预（Do-Calculus式的“万一我把这个变量调高一点会产生什么结果”）时“很多情况还是做不到”。这正是Yann LeCun强调世界模型的原因：“如果能学到整个物理内部的规律，那它是独立于你怎么样描述这个事情的”——因果判断应基于物理建模而非语言表述。他提到已有初创公司在探索让LLM更好捕捉因果关系。
15. 最难的不是验证而是创新：Doudna的当头一棒
- 曹原补充的关键环节是Meta-recursive：不只改进实验流程，“怎么样安排工作流、什么时候让它自己去更新自己的代码”，agent harness本身也要随观测迭代——这是元递归流程。
- 陈茜问哪步最难。答案分两层：技术上“肯定是verification，它是一个瓶颈，一旦被打破你就可以很快地迭代”；但更深的难点是创新——如果模型“永远只局限于目前论文能够知道的知识”，loop就只是在调参数、试配方、排列组合，“能够达到的能力极限肯定是有限的”。
- 最扎心的证词来自基因编辑诺奖得主Jennifer Doudna：被问是否用AI做科研，她说也用，但“它生成很多proposal，没有一个是我们之前不知道的”——可能有些是平时忽略的，但全在现有知识里。
16. Discovery三部曲与AGI的last mile：概念抽象可能不可计算
- 曹原拆解人类发现知识的过程：感知输入（观察、实验）→形成概念并符号化（看到人推车前行，抽象出“力”并记为F）→凝结成理论体系（F=ma）。“这整个discovery过程，我认为对AI目前是非常困难的事情。”AI4S现在只是“在已有的表征空间里进行排列组合然后搜索”——效率远超人类，但产生不了新理论。
- 对AlphaGo第37手的精确定位：陈茜问“神之一手”算不算发现。“它肯定是发现……突然采样到一个之前不常见的路径，肯定是新的，但不代表它创造出这个新的概念。”
- 最强的形而上判断（在数学语境中给出）：曹原认为，仅凭三只鸟、四只鹅这样的感官输入，他“很难想象一个程序能够”提取出“数”的概念；“概念抽象的过程，我认为可能是AGI的最后的last mile，这个mile可能是永远无法逾越的。这个过程甚至不一定是图灵可计算的过程。这也是为什么我觉得人脑在最底层不一定是一个图灵机。”
17. Unreasonable Labs的解法：在LLM外面加一层符号机制
- 出发点：“language model的整个宇宙就是由训练数据决定的……如果你要做科学发现，按照定义来讲，肯定不是在现有的知识里面的”——新知识不可能在训练数据中高频出现，所以要在外面加一套机制帮它产生新想法，且“肯定不能是另外一个language model，不然又跟language model一样了”。
- 符号主义vs连接主义的科普：符号主义是先验写规则（If-Then、A>B且B>C则A>C），精确但脆弱——“你没有办法用纯语言去形容一只猫……没法用非常刚性的逻辑去刻画整个宇宙”，猫一低头就不符合规则了，这是它当年未成主流的原因；连接主义让神经网络自己把猫学成向量。
- 具体做法：用符号逻辑把不同论文、不同领域的概念及其关系串起来，“提取出知识之间的骨架”，作为模型的新直觉，“给它生成一些在它概率范围之外的、小概率的事情”。每天大量新论文出来，“你不可能每天去训一个新的language model”。
- 诚实的瓶颈交代：“平衡创新性和可行性——你要让一个模型创新是很容易的，随便扔一个单词它都可能生成不一样的想法，但问题是这个创新的想法必须要可行、必须要合理。”至于符号主义复兴？“不能说复兴……最终可能有98%的是连接主义，但2%的是符号主义”——AI for math已是neuro-symbolic：神经网络生成证明，Lean形式化验证，“这套东西完全是符号的”。
18. 从培根到黑格尔：AI路线之争是古典哲学的当代重演
- 曹原的哲学映射：英国经验派（培根、John Locke）认为认知完全来自经验——“对应到今天就是大模型，一开始是随机的模型，经过万亿token的训练，完全由感官输入来决定智能”；大陆唯理派（如笛卡尔）则主张先天结构。康德统一两者：经验提供材料，但需要先验结构（对时间、空间、因果等约12个范畴）使输入有意义——“不然你看到一个圆球还是轮胎，对你来说只是一个随机的输入”。
- 黑格尔再进一步：概念不能恒定不变，要不断自我否定、持续更新——“映射到今天的语境，那就是持续学习continual learning。最终AGI肯定不是一个固定死的checkpoint……一定要在跟用户互动、执行任务的过程当中不断认识到自己的错误，持续地去更新自己。”
19. 三大实验室的AI4S牌面：激进的OpenAI、补课的Anthropic
- OpenAI最激进：GPT-5发布时就有White Paper展示解科学问题、公开目标2027年前有自动AI科学家、与Ginkgo做闭环实验、为生物化学定制GPT-Rosalind、最新的Astra论文称推导出10道长期悬而未决的数学题（曹原承认“有些科学家有一些争议”）。但隐忧在优先级：AI4S负责人Kevin Weil约4、5月离职后，AI4S的“一些工作全部并入到Codex里面去”，押注通用GPT+agent解决科学问题；叠加ads、硬件、企业版等产品线拉长，“优先级我觉得还是可能有些混乱”。
- Anthropic“后来居上”：Claude Science平台上线不到一个月（本质是通用Claude加科学数据库与工具的定制界面）、几个月前的vibe physics帮物理学家推导、BioMysteryBench等基准，加上挖来John Jumper——曹原推测其角色是补齐三家中“唯一一个没有特定领域模型的公司”在生物医药的垂类小模型。但“目前肯定是要上市，coding是最重要的”，且中国开源模型突飞猛进构成很大威胁。
- 由此推出创业机会：“大公司总是有创新者窘境——一旦挖出一条商业化的明确路径，肯定不愿意马上放掉。”AI4S与RSI“长远来说是战略上必须投资、没人敢落后的方向，但短期内肯定还是以商业优先”——这给了Neolab和创业公司先手。
20. AI for math的工业现实：绕不开Lean的三道瓶颈
- 复杂数学的流程：LLM先提出证明方案，但它自己不知道对错，必须形式化成Lean语言，“一旦编译通过了，那这个数学的结果一定是对的”。三个瓶颈：LLM本身要够强；自然语言/数学符号到Lean的自动翻译“不是特别容易”（Axiom Math AI和Harmonic AI都在此下功夫）；mathlib数学库必须包容足够多的人类已有数学知识，“不然的话它没法拼起来”。
- Lean并非处处必要：IMO这类竞赛用到的数学知识不深、证明一两页，“只要你训这个模型训得好，用自然语言生成这个结果很大程度上是可信的”，且考试很快可人工验证。“但如果让AI做一个100多页的证明，全部用自然语言生成，就没有办法保证这个东西是正确的。”
- 最有说服力的故事：曹原举Peter Scholze为例，并称其“好像2018年”拿过菲尔兹奖；他“自己都对自己的证明很怀疑”，与合作者讨论多次无人敢确定，最后人工把相关定理、定义、引理转成Lean，可能至少花一两年，编译通过后才确认正确。陈茜记得，Google去年参加国际数学奥林匹克竞赛时，选手限时两天，转Lean好像花了三天。
21. 数学的关键难点：概念发明，而不只是证明
- 陈茜引数学界的五级难题分类（博士练手题到超菲尔兹级）问AI到了第几级。曹原拒绝这个尺度：“只要这个数学问题不需要产生新的数学对象或新的定义——表征空间是固定的——不管多难，模型足够强、搜索强度足够大，它是有可能把证明搜索出来的。”证明本质上仍是生成加搜索。
- 他对数学本质的立场：数学最优美的部分不是证明而是发明概念——“一个好的数学家更重要的能力是能够定义出非常优雅的一个数学的对象……你如果光看到一堆矩阵，没法从中抽象出特征值这个概念，你是没法精确捕捉到矩阵内在结构的。”这部分AI能做到吗？“我不认为它可以做到”，而且这甚至不一定是一个可计算的过程。
- 数学是发明还是发现？他承认“没法证伪——你不可能让上帝告诉你这个宇宙是用数学造的”，但若必须选边：“数学可能是人创造出来的。”论据是哥德尔不完备定理：任何足够强大的形式系统总有为真却不可证明的命题——“宇宙是一个自在之物，它不需要去描述……数学之所以有永远不可能调和的矛盾，那是因为它是人造的一套逻辑体系。”并注明“这只是我个人的一些想法，没法验证”。
22. 证明过剩时代：机器人弹钢琴与黑盒的信任成本
- 陈茜引陶哲轩：“数学从一个证明稀缺的时代，已经进入到了一个证明过剩的时代”——网站上的难题下堆满几十份AI生成的解答，却没有人类专家愿意接盘验证。曹原的回应：“不是结果正确就一定正确。作为人来说，你需要去理解，然后去评判。”
- 他的比喻值得整段保留：机器人弹钢琴，按键力度长度都完美，“我就不想去听……你想听的不只是音色本身，而是钢琴家自发的情感状态”。同理，如果AI证明的论证过程里“没有能够打动数学家的洞见”，对数学的贡献不一定大。人类不能理解的发现“只能有部分意义”——如1970年代计算机证明的四色问题，结论可用（画地图4色够了），但证明是乏味的列举，“从数学本身的价值角度不一定有特别大的价值”。
- 黑盒的经济学：接受不可解释的AI“会造成很多困难”——现在AI写的代码连工程师都看不懂，“什么地方出bug我都不知道，只能让AI自己去debug，但这一轮迭代又把代码搞乱”；LLM是随机机器，同一任务第二次运行时生成的代码就可能不一样，“这种不确定性造成很大trust问题”。极限推演：“如果哪天AI真的能替代80%经济的有价值活动，但每个活动都需要人类去介入验证的话，还不如不让AI去做这事情。”
23. AI for Physics与溯因推理：随机事件之后的想象力
- 物理与数学的分野：“数学只要生活在逻辑世界就可以了，是理想世界；物理必须走出逻辑世界，走向物质世界，你必须要去验证、去跑实验。”AI可以帮物理求解偏微分方程、从形式逻辑推新结论，也有PhysicsX这类专做流体力学、空气动力学世界模型的初创，“但目前这方面工作还比较少”。
- 陈茜以牛顿苹果与环孢素（从挪威土壤中随机发现的真菌相关免疫抑制手段）追问随机性。曹原把它归到Abductive reasoning（溯因推理）：苹果砸头是随机事件，但从事件想象出背后原因并发展成物理体系是人的能力。“AI目前做得最好的是演绎推理，可能也能做一些归纳推理；给定一个现象想象一个合理的解释并泛化到其他现象，这是抽象能力、想象能力，是世界模型——在未来很长时间内也可能做不到。”
- 关于“无用之美”的追问，他的回答：“美学、艺术、哲学，从效用角度都是无用之物……但最美好的东西都是从无用的东西开始，从人类的好奇心和对美的追求开始的”——所谓“无用之大用”。实用层面，AI for math已可用于芯片验证、程序验证等一切可验证领域；理论物理学家Edward Witten最近在arXiv论文的footnote里写“这一段是Claude帮我想出来的”——“以后这样的现象只会越来越普遍”。
24. 时间线与终局：诺奖二三十年，AI是元技术
- 商业化判断是分层的：“AI4S已经有很多落地的应用了——哪怕最后不是卖AI生成药，中间的靶点、分子结构已经可以拿出去商业化了。”但要达到诺贝尔级成果，“就不是把science作为一个应用，而是AI and Science”——先补齐抽象能力、因果推理、长期记忆、持续学习，“把目前前沿的这些topic能解决，可能就已经五六年过去了”。
- 明确的时间预测：陈茜追问“很长时间是多久”。“我觉得至少得二三十年”——AlphaFold拿过诺奖，“但这个不是AI自动发现”。
- 终局论断：AI是“meta technology（元技术）、General purpose technology”——“它是个大脑，可以AI加任何东西”，不只加science，也可加business、做代理CEO。“如果AI4S做到这个程度，说明这个模型在这么难的问题上已经做了这么好，它一定可以在其他不同领域也会做更好……模型变得这么强之后，一定可以让其他所有相关的经济活动也会变得更高效。”
- 曹原给从业者的方法论收尾：当前多数应用是“自下往上”的视角（Transformer好使、Scaling law还没失效、把harness和infra搞好），但“在AI目前狂热的状态下不可避免会产生很多浮躁和比较肤浅的见解”，需要从第一性原理自上而下地问：智能是什么、人怎么认识世界、哪些特性AI做不到——“你这么一倒过来想，就会发现很多事情AI都做不到”。陈茜的收束：当AI完成模型到实验的闭环，“我们必须要更清楚人类的价值在哪里——是定义、是验证、是应用，还是拥有最终的审判权”。