（本文作者尹燁，華大集團CEO）

 

連續(xù)三天的諾獎科學獎解讀結束之時，我陷入了一段沉思。除了生物獎，物理獎和化學獎都可謂出乎意料，它們都頒給了神經(jīng)網(wǎng)絡和人工智能相關的領域，可以說第一次諾獎闖入了圖靈獎的領域了。以至于大家戲稱，諾獎評委已經(jīng)被AI綁架，諾貝爾被圖靈附體了。

化學獎出來那天晚上沒睡踏實，迷迷糊糊中，總覺得有哪里不對。難道這次諾獎科學獎都發(fā)給AI相關，他們自己沒琢磨過影響么？他們真的只是迎合時尚，還是他們已經(jīng)看到了我們尚未看見，或者看見但并未認知的趨勢？

有一個學科叫科學學。是研究科學和科學活動的發(fā)展規(guī)律及其社會功能（影響）的綜合性新興學科。說一個簡單的區(qū)別，比如我們在中文語境常常把科技聯(lián)用，其實科學和技術是由緊密聯(lián)系，但非常不同的兩個概念。科學活動是發(fā)現(xiàn)，嘗試發(fā)現(xiàn)在宇宙中已經(jīng)存在的規(guī)律；而技術是發(fā)明，確實有可能創(chuàng)造出宇宙中之前不存在的事物。

我們講到的創(chuàng)新、改進、改良等等，這大部分都是對著技術來講的。將技術集成并規(guī)模、重復運用于實踐，我們一般稱“工程”。而如果把大量的技術集成并通過大規(guī)模組織實施完成的大型、超大型項目，我們一般稱為大科學工程，比如曼哈頓原子彈計劃，阿波羅登月計劃、人類基因組計劃、兩彈一星和航天計劃等。在這個過程中，形成的超級工具，我們一般稱大科學裝置，比如歐洲的強子對撞機（LHC），美國哈勃、韋布望遠鏡，LIGO引力波天文臺、咱們的天宮、天眼，全球各地的超級計算中心，超級測序中心等等。

這里面就會引出另一個問題，是先有科學，還是先有技術？

這個我們后面再回答，先回到今天的主題，AI算超級工程么？當然算，這一次人工智能的浪潮，正是起源于先進GPU疊加而產(chǎn)生的超級算力。無論是ChatGPT還是Sora，其背后的集群算力推測不低于10000張A100，甚至是H100，而馬斯克為旗下初創(chuàng)公司xAI剛剛搭建的孟菲斯超級集群，更是集成了10萬張H100，這個超級訓練算力中心造價達40億美金。特斯拉剛舉辦的“We，robot”發(fā)布會提到的自動駕駛就是基于這個中心打造的。

所以，從這個方面看，諾貝爾獎的評委并非被AI綁架，他們已經(jīng)真切地看到了，一次新的科學范式轉移正在發(fā)生?，F(xiàn)在已經(jīng)不是AI for Science，所謂AI為了科學，而是實實在在的AI is Science。AI就是科學。

其實人類進入科學革命僅僅500年，可以從1543年哥白尼的《天球運行論》開始算，或者更短一點，從1687年牛頓的《自然哲學的數(shù)學原理》開始算，而真正讓我們駛入快車道的，則是進入二戰(zhàn)之后的80年，讓人類第一次開始思考，研究科學的科學，包括科學范式的轉化。這部分背景復雜，分枝很多，我主要挑四個關鍵節(jié)點，或者說四本科學學的書籍，來闡述下相關的內容。

第一個關鍵點，1945年的《科學，無盡的前沿》，是由范內瓦爾·布什遞交給當時的美國總統(tǒng)杜魯門（應羅斯福要求所起草，但羅斯福此時已經(jīng)去世）的一份報告的名字，是美國科學政策的“開山之作”。

這本書第一次將科學研究做了基礎研究和應用研究的劃分，即所謂的“科學研究的線性模式”。系統(tǒng)解析了科學對于國家經(jīng)濟與安全、社會福祉以及個人發(fā)展的重要意義，并提出了多項重要的科技政策建議。比如強調科學是國家進步和創(chuàng)新的驅動力，比如它著重提出了要重視基礎科學研究，包括呼吁給予科研工作者高度的研究自由。同時建議政府應撥款資助科研項目，并設立國家研究基金會等機構來支持科學研究。要知道，在此之前，非軍事用途的科研基本上是有錢人（直接下場或間接贊助）的游戲。

其實施結果使得美國迅速擺脫對于歐洲基礎研究以及科研人才的依賴，解決了美國科技卡脖子的問題，最終成就了美國今日的科技強國地位，也永久改變了人類科學發(fā)展的格局。

第二個關鍵點，1962年，是美國的托馬斯·庫恩所寫的《科學革命的結構》，從科學史的視角探討常規(guī)科學和科學革命的本質，他主張應賦予科學的歷史以一種規(guī)范的含義，創(chuàng)立一種牽涉到社會學和社會心理學的科學哲學?；谶@種觀點，庫恩提出了一個以“科學范式”（scientific paradigm）理論為中心的動態(tài)科學發(fā)展模式：前科學時期——常規(guī)科學——反常與危機——科學革命——新的常規(guī)科學，也就是我們站在巨人的肩膀上，不斷地去顛覆，不斷地去證偽，所謂“我愛我?guī)?，而我更愛真?rdquo;的過程。他很經(jīng)典地總結就在于，科學的發(fā)展不是線性的，而是通過一系列的“科學革命”來實現(xiàn)的，每次革命都會帶來新的范式。

我們最近在科技領域經(jīng)常聽到的“第四范式”也正是源自于此。那前三個范式是什么呢？

第一范式，也稱為實驗科學范式，側重于觀察和實驗。比如伽利略的自由落體實驗。

第二范式，即理論科學范式，通過構建數(shù)學模型來研究自然現(xiàn)象。比如牛頓的經(jīng)典力學體系。

第三范式，也就是計算科學范式，這個范式研究側重于通過計算和模擬來理解自然界，例如通過計算機模擬來預測天氣變化。

第四范式，即數(shù)據(jù)密集型科學發(fā)現(xiàn)范式，也就是數(shù)據(jù)驅動范式，它強調數(shù)據(jù)的收集、處理和分析，通過數(shù)據(jù)挖掘來發(fā)現(xiàn)新的科學規(guī)律和知識。與計算技術的發(fā)展緊密相關。

 

第三個關鍵點：1997年，美國司托克斯所寫的《基礎科學與技術創(chuàng)新——巴斯德象限》?！栋退沟孪笙蕖氛撌龅膯栴}是，在新的世紀，美國的科學應該如何發(fā)展。他先分析了《科學——無盡的前沿》的基礎和應用研究的線性二分法，并在此基礎上提出了一個新的科學研究模型——象限模型。

我們可以看這個直角坐標系，橫軸表示研究的動機，好奇心驅動型還是應用驅動型，縱軸表示知識的性質，是否具有基礎性和原理性，那么所產(chǎn)生的四個象限就形成了“玻爾象限”（代表好奇心驅動型純基礎研究），“愛迪生象限”（代表為了實踐目的應用研究），此外會出現(xiàn)一種新的類型——“巴斯德象限”（代表由解決應用問題產(chǎn)生的基礎研究），之所以命名為巴斯德象限，是因為巴斯德在生物學上許多前沿性基礎工作的動力是為了解決治病救人的實際難題。另外，還有只是為了獲取技巧和經(jīng)驗的“皮特森象限”。當然每一個象限不是相互隔絕的，而是存在著復雜的雙向乃至多向的聯(lián)系。

這本書最后以巴斯德象限為名，可見其代表了這本書的中心思想。相對于布什的線性模型，巴斯德象限模型更準確地反映了知識與應用之間的關系。基礎研究與應用研究并非矛盾對立的關系，而是在某種程度上達到統(tǒng)一和融合，為科學研究的發(fā)展帶來多種可能。

第四個關鍵點：2016年，還是美國的卡特希·那拉亞那穆提所寫的《發(fā)明與發(fā)現(xiàn)：反思無止境的前沿》。這本書提出了與前作相反的意見，認為基礎研究與應用研究的傳統(tǒng)分類觀阻礙國家的科學與技術進步，導致許多無用的政策建議。他提出研究作為一個整體，是一個不斷在發(fā)明與發(fā)現(xiàn)之間切換的聯(lián)系過程。而將研究活動劃分為“基礎研究”和“應用研究”，并且簡化為線性聯(lián)系，割裂了研究的整體性、綜合性和相關性，是一種未能正確反映客體的主觀判斷。

而“布什范式”之所以是主流，從歷史上看來，它根植于傳統(tǒng)認知，即早期西方文化延續(xù)下來的偏向科學而非工程的線性邏輯；從現(xiàn)實看，它適應官僚體制。即“二分法”便于官員對項目進行管理和資助，滿足政策制定者的主觀偏好，并不斷強化建立起來的官僚體制。

本書的核心論點在于發(fā)明和發(fā)現(xiàn)是一個相互關聯(lián)的有機整體，它們之間可以是循環(huán)往復的，發(fā)現(xiàn)既有可能產(chǎn)生新的發(fā)明，也可能獲得新的發(fā)現(xiàn)。發(fā)明也是同理。

此外人類創(chuàng)新越來越依賴于組織化和大平臺，頂尖的武林高手固然關鍵，但強大的組織和大平臺更有利于天才們的發(fā)揮。此外，跨學科跨行業(yè)的溝通交流，需要從更深層次反思科學和技術政策，都是人類進一步的科學活動中所不可或缺的。

這也是我一直講的，很多時候，技術和工具往往在發(fā)現(xiàn)之前而不是之后。（比如先有蒸汽機，后有熱力學；先有飛機，后有空氣動力學；先有望遠鏡，后有新天文學；先有顯微鏡，后有微生物學……）

好了，終于可以總結下，我今天想講的，第五范式恐怕正在形成。

從有了人類開始，就有了觀察，所以第一范式一直伴隨人類始終，文藝復興后催生了第二范式，帶動人類進入工業(yè)時代，到了計算機和信息時代，第三和第四范式應用而生，而隨著算法、算力和數(shù)據(jù)的并行崛起，人工智能已經(jīng)成為推動發(fā)現(xiàn)和發(fā)明的利器，甚至有可能將不依賴于人類智慧獨立進展，這就帶來了可能的科學革命的“第五范式”。

盡管在這一刻，第五范式尚沒有統(tǒng)一的概念，但可以明確的是，它是基于日趨強大的遍歷性（ergodicity）人工智能系統(tǒng)，遵循第一性原理的、面對復雜系統(tǒng)中不確定問題的、通過機器自學習、自監(jiān)督、自迭代而持續(xù)涌現(xiàn)的智能，從而大大加速發(fā)現(xiàn)和發(fā)明的一種范式。它會產(chǎn)生人類所不理解的高維度“暗知識”，在人機結合、或者說碳硅結合中的比例，人類的權重會越發(fā)降低。無論這話好不好聽，您高不高興，它就是來了。

400年前，培根講：知識就是力量；1978年，小平同志講，科學技術是第一生產(chǎn)力。而今，我們要回答一個問題，如今第一生產(chǎn)力的生產(chǎn)力，或者說“原力”是什么？我們必須承認，這一輪的計算-信息-智能革命就是一場原力的風暴，其核心就是AI。要牢牢把握AI發(fā)展的發(fā)現(xiàn)-發(fā)明-應用的規(guī)律，從三支柱看，數(shù)據(jù)中國從來不缺，但需要破除孤島，算力要靠硬核科技突破，而算法真的需要頂尖人才，特別是天才。如何能夠讓天才涌現(xiàn)并能夠提供適宜生長、且能成長為參天大樹的環(huán)境，這是要從教育模式到科研體制到產(chǎn)業(yè)政策整體反思打造的。認為AI從一開始就必須做應用、盈利賺錢對特定資本、特定公司是無可厚非的，但對一個國家、民族來講，這種過于“短視”必然使得我們重蹈“卡脖子“覆轍。“他山之石、可以攻玉”，看看剛才提到的4本科學學著作都是美國科學家所著，在感慨之余，我們也當反思，在科學學和科技政策的研判實行上，還有哪些是需要破除藩籬、迎頭趕上的。希望每一個人都能明白，我們面臨的不是一個周期，而是一個時代，周期還會回歸，但時代只會呼嘯而過，哪管您懂了還是沒懂。

1929年，量子物理學的先驅保羅·狄拉克早在說過：“大部分物理學以及整個化學所需的數(shù)學理論的基本定律已完全為人們所知，而困難在于這些定律的精確應用會導致方程太過復雜而無法求解。”人類的大腦，至少在目前的技術框架下，其實是被鎖死的。比如我們的算力就是這860億神經(jīng)元，輸入輸出也就是I/O是限速的，群腦無法并聯(lián)，智力無法遺傳，甚至還可能倒退……就算腦機接口突破，每個人出于隱私考慮，也不可能愿意共享所有信息。但今天的超級計算/人工智能，或者終將到來的硅基生命則沒有這些條件的限制，正是依靠這樣的效率，AlphaFold3在很短的時間內就預測了數(shù)億個蛋白質結構。而此之前，經(jīng)過幾代結構生物學家的努力，人類在半個世紀內僅僅積累了二十萬個蛋白質的結構。作為深諳演化史的我，一直清楚地知道，掌控地球的從來不是物種，而是智能。人體的血脈（基因組）和菌脈（腸道菌群）都無法簡單復制甚至遺傳，但文脈可以，也許能夠替我們探索星空的注定是“具身智能”（機器人/硅基生命），但也請我們將人類的愛和文明向他們傳承，由它們向可觸及的無盡前沿傳遞吧。

過去的500年，是數(shù)百萬年人類史以來最為璀璨的500年，作為萬物靈長的人類，在意識到了地球不是“宇宙幾何中心”的真相后，卻努力望其成為“宇宙精神中心”。

阿西莫夫在《永恒的終結》中寫道：如果人類總是選擇最安全最中庸的道路前進，群星就會變成遙不可及的幻夢。我的朋友們，尤其是年輕一代，希望你們都能看到趨勢、積極擁抱趨勢，最大限度地發(fā)揮想象力和創(chuàng)造力，在AI時代屹立潮頭，為中國贏得這次科學范式的先機！我和華大也會和你們一起努力，在生命科學和生物技術產(chǎn)業(yè)為人類持續(xù)作出引領性、奠基性貢獻。

邀諸君，與時代，共演化！

 

（本文僅代表作者個人觀點）