0
| 本文作者： 周蕾 | 2026-05-11 16:33 |
作者丨周 蕾
編輯丨岑 峰
2050是阿里云創(chuàng)始人王堅博士發(fā)起的一個非營利活動，自2018年起每年4月最后一個周末在杭州云棲小鎮(zhèn)舉辦，定位是“年青人因科技而團聚”。它沒有傳統(tǒng)會議的“主辦方—嘉賓”結(jié)構(gòu)，而是一個由自愿者驅(qū)動、年青人自由發(fā)起活動的開放場域。
第八屆2050大會，在今年4月的最后一個周末如期舉辦。而2050學習節(jié)“AGI 4 Science”專場，或許是大會三天里信息密度最高的專場，沒有之一：三個小時，十七位發(fā)言嘉賓，每人十分鐘。據(jù)召集人王婷介紹，這是有意為之的高密度編排：舞臺時間本就是稀缺資源，讓更多正在前沿摸索的青年學者“上得了臺”，比讓少數(shù)人講得更長更重要。
這種議程安排讓現(xiàn)場節(jié)奏緊湊，講者沒有客套鋪陳，聽者全神貫注，云棲小鎮(zhèn)會展中心二樓的五云廳雖不大，上座率卻極高，不少聽眾為此駐足。
本次專場主題定位是“生長中的AGI 4 Science：全景、邊界、未來”，這三個詞旋即被投射為本場專場的三幕結(jié)構(gòu)——“落地前沿”“AI作為伙伴”“未來去向何處”。更直觀地講，這里談?wù)摰氖牵哼@條路上我們正走在哪里、誰與我們同行、以及最終希冀的目的地。
何為“生長中”？AI4S本身仍在快速演化，任何試圖以“已經(jīng)成型”的方式去框定它的努力，都會很快被現(xiàn)實拋在身后。專場策劃者選擇把這場分享呈現(xiàn)為一張“正在生長的科學地圖”，而非一份既定結(jié)論的總結(jié)陳詞——三幕之間不是層層遞進的論證關(guān)系，而是從“此刻在做什么”到“能力邊界在哪里”再到“認識論上將走向何處”的逐層抬升。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))AI科技評論也注意到，AI for Science（AI4S）正經(jīng)歷從“通用大模型賦能”到“垂直領(lǐng)域深度融合”的范式演進，一些細微的變化也在學習節(jié)上有所呈現(xiàn)：如今的AI4S交流，不再停留于AI+某種學科標簽的簡單劃分上，比起聚焦單一技術(shù)路徑或?qū)W科分支，討論交流以“青年學者”為核心、以“問題”而非“學科”為導(dǎo)向，數(shù)學、物理、化學、芯片設(shè)計、生物制造等領(lǐng)域的青年學者匯聚一堂，形成了極具沖擊力的跨界碰撞。
不少AI for Science的敘事，經(jīng)常停在“科研流程加速器”這個節(jié)點上，但物理世界里的試錯成本卻未必被真正接管，而在這次會上，我們觀察到青年學者們已經(jīng)在談?wù)摳щy的問題，試圖將敘事從“加速器”推向深水區(qū)：AI4S能否幫助科研承擔“試不起”的物理試錯成本？能否擺脫簡單的排列組合，以第一性原理重塑AI4S的技術(shù)路線？AI4S或許存在著無法回避的結(jié)構(gòu)性問題？……與此同時，他們也積極尋找著產(chǎn)學研結(jié)合的新路徑——即如何將高校實驗室的前沿探索，與產(chǎn)業(yè)界的真實需求進行有效對接。
暮春四月的杭州，陰晴冷熱不定，2050大會舉行的三天卻剛好是天朗氣清、惠風和暢的好天氣。五云廳的側(cè)窗外，是艷陽中搖擺發(fā)亮的綠樹，室內(nèi)的交流也正如春天萬物生發(fā)，一張正在生長的科學地圖徐徐展開。
幕前開場由上海人工智能實驗室項目經(jīng)理人辦公室負責人于曉軼給出全場坐標系。他的核心判斷直截了當：科學發(fā)現(xiàn)的速度，接下來將由AI的能力邊界決定，但當前多數(shù)AI仍是“專才式”的黑箱擬合器，給不出“為什么”，更無法涉足交叉學科。
上海人工智能實驗室項目經(jīng)理人辦公室負責人于曉軼
他指出，落地必須有三件任務(wù)同時完成：AI4S是大模型推理能力的終極考場，需在稀疏數(shù)據(jù)、長周期反饋與爆炸性搜索空間中實現(xiàn)超長程推理與持續(xù)進化；干濕閉環(huán)打通，讓AI直接輸出產(chǎn)業(yè)可用物，壓縮反饋周期；科研組織范式革新，引入PMO機制作為問題識別與翻譯引擎。
于曉軼最后以“問題庫才是我們真正在建設(shè)的護城河”這一觀點結(jié)束演講，本次專場正式拉開帷幕。
01
第一幕“落地前沿”，集中呈現(xiàn)了AI4S從論文階段進入硬科技階段的臨界點。七個報告橫跨了可控核聚變、流體模擬、芯片電鍍、芯片設(shè)計、化學實驗室、細胞影像和生物企業(yè)田野實驗。領(lǐng)域看似分散，但都有相似的問題：試錯成本高昂。一次等離子體實驗成本極高，一次芯片流片耗時數(shù)月，一次化學合成可能毫無結(jié)果。
第一位登場的青年學者，是西湖大學特聘研究員吳泰霖。愛好科幻的他提起了《流浪地球》中令人印象深刻的行星發(fā)動機，也由此展開了核聚變的硬科技敘事。可控核聚變定義為“國運級別”的工程，他指向2027年這個關(guān)鍵節(jié)點：多個聚變裝置有望實現(xiàn)Q＞1）（輸出能量大于輸入能量）。
西湖大學特聘研究員吳泰霖
AI 切入聚變的路徑被吳泰霖拆解為：仿真?zhèn)龋墒侥Ｐ吞幚淼入x子體多尺度多物理場耦合；控制側(cè)，基于共形預(yù)測的可證明安全控制方法；裝置設(shè)計側(cè)，仿星器優(yōu)化與AI原生診斷。同時他也向觀眾展示了更具想象力的“多智能體AI工程師”，即輸入一句話功能描述即可在純文本反饋下自動化建造火箭。
復(fù)旦大學助理教授、上海科學智能研究院AI科學家姜若曦，提出了“生成模型與表征學習的二元一體”——AI 既要會“畫”世界，也要會“看懂”世界，用表征打開AI黑盒。針對傳統(tǒng)去噪模型的局部加權(quán)平均問題，她與團隊開發(fā)了 Nested Diffusion Models（CVPR 2026）；面向流體模擬的長期穩(wěn)定性難題，她進一步提出 Hierarchical Implicit Neural Emulator（NeurIPS 2025），受經(jīng)典數(shù)值 ODE 求解器啟發(fā)，通過層級隱式表征預(yù)測未來狀態(tài)。在 Navier-Stokes 方程的二維平面實驗中，該方法展現(xiàn)出顯著的長期穩(wěn)定性優(yōu)勢。她展望了 CFD 工業(yè)落地、基于表征隱空間的科學發(fā)現(xiàn)，以及醫(yī)學圖像與物質(zhì)生成等方向。
復(fù)旦大學助理教授、上海科學智能研究院AI科學家姜若曦
半導(dǎo)體是眼下最炙手可熱的領(lǐng)域之一，而從芯片制造的電鍍配方篩選，到芯片設(shè)計的版圖生成，AI 正在穿透半導(dǎo)體產(chǎn)業(yè)鏈。廈門大學化學副教授楊曉暉、上海交通大學長聘副教授邵雷來，正好分別聚焦了這一產(chǎn)業(yè)鏈的不同環(huán)節(jié)。
楊曉暉的分享從一道反問開始：“為什么高端芯片里有些問題不能只靠實驗？”他將芯片電子電鍍描述為一種涉及分子、微孔到晶圓三個尺度的耦合問題，公開配方像菜譜，商業(yè)配方卻依賴數(shù)十年試錯積累。AI在這里的角色并非替代實驗，而是充當“過濾器”——先排除95%走不通的路，再讓實驗去驗證剩下的5%。他給出的數(shù)據(jù)極具說服力：傳統(tǒng)方式命中率僅2%，AI輔助后接近60%；研發(fā)周期從一年壓縮到兩個月。同時他也拋出了希望得到討論的問題：模擬和真實之間的鴻溝，實驗室到產(chǎn)線的最后一公里，下一代芯片結(jié)構(gòu)等。
廈門大學化學副教授楊曉暉
邵雷來聚焦AI走進芯片設(shè)計核心的距離問題，他指出芯片設(shè)計是AI的理想戰(zhàn)場——數(shù)據(jù)豐富、反饋閉環(huán)、評估標準明確，比許多知識工作更容易形成“閉環(huán) Agent”。AI 在其中的演進路徑已經(jīng)從單點優(yōu)化走向跨流程智能協(xié)同，EDA 正在從工具變成“智能同事”。但邵雷來強調(diào)，最大瓶頸不在模型本身，而在“最后一公里”：從“會優(yōu)化”到“敢 tape-out”之間，隔著制造約束、工藝偏差和工程信任。他描述的未來方向是讓 EDA 成為一個可對話、可自治的操作系統(tǒng)，即 Harness Engineering，LLM 必須理解制造約束才能生成真正可用的版圖。未來如果想按需求實時生成ASIC，Agent要能真正接入“物理世界”。
上海交通大學長聘副教授邵雷來
從芯片設(shè)計的“敢 tape-out”到化學合成的“敢做實驗”，AI4S 的落地瓶頸在不同領(lǐng)域呈現(xiàn)出相似的結(jié)構(gòu)性困境。上海科學智能研究院研究員徐麗成指出，物質(zhì)科學領(lǐng)域AI的重大突破——從 AlphaFold 3 到 GNoME——幾乎都集中在分子的“設(shè)計”，而忽略了分子的“合成”，合成化學面臨海量條件組合的優(yōu)化難題。更關(guān)鍵的障礙在于“領(lǐng)域與算力壁壘”，實驗科學家因缺乏編程經(jīng)驗與算力資源，難以直接使用先進的AI模型。徐麗成團隊的開源工具矩陣與 Agent 系統(tǒng)試圖消除這些壁壘，構(gòu)建干濕實驗閉環(huán)，讓實驗科學家通過自然語言調(diào)用模型，專注于科學發(fā)現(xiàn)。
上海科學智能研究院研究員徐麗成
從化學合成的干濕閉環(huán)到生命細胞的物理放大，AI4S 正在向更復(fù)雜的生物系統(tǒng)延伸。西湖大學助理研究員董振分享了一種尿不濕啟發(fā)而來的組織膨脹技術(shù)——通過吸水膨脹將生物樣本物理放大，突破光學顯微鏡的分辨率極限，從而獲取從組織到亞細胞的多尺度空間結(jié)構(gòu)數(shù)據(jù)。在此基礎(chǔ)上，團隊開發(fā)了膨脹空間蛋白質(zhì)組學方法，將物理放大后的生物數(shù)據(jù)輸入 HetuNet 等AI模型進行分析，其推理過程“像在解數(shù)獨”。這條路徑的最終目標是從膨脹空間蛋白質(zhì)組學走向“人工智能虛擬細胞”。董振的分享提供了獨特的生命科學視角：當AI試圖理解細胞時，先需要物理層面的“放大”才能進入數(shù)字層面的“建模”。
西湖大學助理研究員董振
錦波生物首席AI架構(gòu)師張驥，提供了第一幕中最具產(chǎn)業(yè)縱深感的切片，錦波用18年完成了（重組）人源化膠原蛋白的原始創(chuàng)新，AI轉(zhuǎn)型時提出了一個簡潔公式：AI = BI（數(shù)據(jù)治理）+ BP（躬身入局）。他強調(diào)“智能化不只是技術(shù)革命，本質(zhì)上是一場管理革命”。而這場管理革命的邊界，比他最初設(shè)想的要寬得多——錦波身處太原，不像一線城市那樣擁有密集的人才供給，張驥選擇在當?shù)馗咝ｉ_設(shè)AI課程，試圖從源頭培養(yǎng)適配企業(yè)需求的人才，但這件事的復(fù)雜度和阻力遠超預(yù)期，給他帶來了不小的沖擊。這也讓他更確信，AI轉(zhuǎn)型真正的瓶頸從來不只是技術(shù)本身，而是組織、生態(tài)與人才供給的系統(tǒng)性重構(gòu)。錦波的實踐給出了可量化的效率提升：AI輔助研發(fā)周期明顯縮短。張驥最后以一句帶有溫度的判斷收束：“科技創(chuàng)新不是為了展示酷炫，而是為了守護生命的溫度。”
錦波生物首席AI架構(gòu)師張驥
第一幕的分享里，沒有人把AI當成包治百病的方子，每個人都如實地標記出了自己科研道路上，那條模擬與真實之間的鴻溝有多寬，自己正在試圖用怎樣的辦法跨越。AI4S的落地前沿，輪廓已然清晰。
02
如果說第一幕是極具工業(yè)和硬核色彩的敘事，探索AI在物理世界能做什么，第二幕則是多了幾分人文與社會科學的思考：討論AI能力上限的同時，也該考慮AI的“底線”。這正是“伙伴”的深層含義——真正的伙伴不是全能助手，而是明確自己邊界在哪里的同行者。
今年以來OPC（一人公司）的概念受到廣泛追捧，浙江大學百人計劃研究員方榯楷的設(shè)問開場，也叩問了OPC的立足邏輯：“如果一個人能做一個團隊的事，世界會變好還是變糟？“他展示了R&D-Agent的實戰(zhàn)數(shù)據(jù)，無論是在75場Kaggle競賽中，還是在量化交易里，Agent都獲得了相當亮眼的成績。這套方法論的核心是“推理即優(yōu)化”——將推理類比為梯度優(yōu)化、記憶類比為動量、并行trace類比為分布式SGD。但方榯楷的論述迅速從效率樂觀轉(zhuǎn)向結(jié)構(gòu)警惕：當思考按Token定價，知識創(chuàng)造將跟隨資本流動；先發(fā)者的GoME優(yōu)勢隨模型代際升級指數(shù)放大；“個體賦能的總和≠所有人變強=資本決定勝負的新一輪競爭”。他在接受AI科技評論采訪時強調(diào)，技術(shù)發(fā)展更要需要考慮生產(chǎn)關(guān)系，避免人類在 AI 時代被異化為工具。
浙江大學百人計劃研究員方榯楷
北京大學人工智能研究院博士生馬煜曦將AI帶入社會科學領(lǐng)域。她以“何以為人”的古典追問開篇，即展示AI作為“新顯微鏡“的雙重角色：作為物鏡，詞嵌入技術(shù)使分析200萬篇人民日報的70年話語變遷成為可能，大規(guī)模文本分析替代了傳統(tǒng)文獻考據(jù)；作為目鏡，AI迫使研究者直面“分布式創(chuàng)造力”“機器責任制”等從未存在過的本體論命題。馬煜曦特別展示了AI模擬進化創(chuàng)造性思維的過程——當AI負責窮盡變異的可能，人便進化為審美的終審法官。這種“人際共創(chuàng)”的框架，為第二幕增添了人文維度的伙伴想象。
北京大學人工智能研究院博士生馬煜曦
上海人工智能實驗室青年科學家胡舒悅，帶來了一項關(guān)于“AI能否幫人做出更好決策”的大規(guī)模實證研究。1000名參與者面對10000條來自Reddit的真實生活決策困境，在匿名條件下一致偏好LLM生成的建議而非人類建議。研究覆蓋了人際關(guān)系、情感挑戰(zhàn)、職業(yè)發(fā)展與教育選擇等主題，SEP框架下的評估顯示LLM建議被認為合理、有幫助且令人滿意。更令人注意的是，2-4周后的追蹤顯示參與者報告的認知清晰度提升和負面情緒降低得以維持。胡舒悅以此論證：以技術(shù)普惠推動AI平權(quán)，可以讓每個人無論出身、資源還是起點，都更有機會做出一個好選擇。
上海人工智能實驗室青年科學家胡舒悅
清華大學在讀博士劉奕好即將加入騰訊混元，她的開篇提問直指多智能體“是不是另一個泡沫？”她沒有直接否定多智能體，而是給出了一個系統(tǒng)化的辨析框架。當前主流產(chǎn)品已形成三條路線：Swarm-first（水平擴展）、Context-first（干凈上下文）、Execution-first（可執(zhí)行狀態(tài)）。劉奕好指出，在單智能體足夠強大的今天，多智能體真正的價值在于“知識復(fù)用”，判斷標準是context/search/feedback/memory能否轉(zhuǎn)化為凈收益。一個agent的發(fā)現(xiàn)，可以成為另一個agent的起點；agent不是越多越好，得到良好組織的系統(tǒng)才是多智能體的本質(zhì)。
清華大學在讀博士劉奕好
上海人工智能實驗室研究員溫力成，以一道反常識的質(zhì)問帶來第二幕的終章：“學了全互聯(lián)網(wǎng)的AI，為什么造不出一架飛機？”他的開篇引起“打工牛馬”們的共鳴，原來最前沿的Agent在“上班“場景中表現(xiàn)糟糕：分不清任務(wù)輕重緩急、不會主動追問模糊信息、做不到持續(xù)學習。溫力成將工業(yè)壁壘拆解為三道：專業(yè)知識壁壘、閉源工業(yè)軟件壁壘、物理約束壁壘。他團隊推出的Assemble-Agent工業(yè)智能引擎和27B工業(yè)基座模型，試圖逐個擊破。他的分享為“AI作為伙伴”劃出了一道清晰的禁區(qū)：沒有物理反饋閉環(huán)的AI，在重工業(yè)面前仍是紙上談兵的實習生。
上海人工智能實驗室研究員溫力成
03
時間接近正午，第二幕相對“接地氣”的分享也吸引來了更多聽眾，或站或立，五云廳門口人頭攢動。第二幕對“伙伴能力邊界”的務(wù)實討論，在第三幕被推向認識論層面——當組織形式已臻成熟，AI能否在沒有人類導(dǎo)師的情況下獨立完成范式轉(zhuǎn)換？
阿里達摩院算法專家杜偉韜的分享，可謂是一場精心設(shè)計的思想實驗：“Agentic AI能否在1900年‘獨立’推導(dǎo)出狹義相對論？”他將1900年的物理困境翻譯為現(xiàn)代AI術(shù)語：牛頓力學的絕對時空觀是“陳舊的緩存協(xié)議”，邁克爾遜-莫雷實驗是“無法命中舊緩存的異常Query”。杜偉韜展示了AI在跨領(lǐng)域聯(lián)想上的潛力——Aletheia系統(tǒng)能在未知邏輯空間中通過RL生成長鏈條推理。但他也揭示了AI的深層軟肋：審美與品味。例如AI缺乏對冗余實體的天生厭惡，奧卡姆剃刀“如無必要勿增實體”的原則是否能做成獎勵函數(shù)？
阿里達摩院算法專家杜偉韜
上智院AI科學家陶兆巍，以數(shù)學史的長鏡頭審視AI for Science的演化。他將數(shù)學研究劃分為三條線索——Reliable（嚴謹證明）、Experimental（實驗探索）、Agentic（自主代理）——并展示它們?nèi)绾未┰郊埞P時代、電腦時代，最終在AI時代收束。一個關(guān)鍵洞察來自他對“嚴謹“的反思：四色定理和有限單群分類的證明已長到“原則上的嚴謹性開始與個人可完整持有的理解脫鉤“。Lean+Agent正在把證明從文本變成“可組合的接口“。AlphaEvolve、PackingStar、EinsteinArena等系統(tǒng)則標志著從數(shù)值枚舉走向結(jié)構(gòu)探索。陶兆巍的判斷是：AI時代不只是三條線各自更強，而是它們第一次可以被編排成閉環(huán)系統(tǒng)——Reliable提供終點，Experimental提供來源，Agentic提供驅(qū)動。
上智院AI科學家陶兆巍
寧德時代首席AI科學家劉凱以“AI與大腦，到底誰更接近智能的本質(zhì)”為題，為第三幕注入了神經(jīng)科學的底層視角。他指出一個常被忽視的事實：DeepMind Hassabis和Anthropic Botvinick的核心背景都是神經(jīng)科學。現(xiàn)代深度學習從McCulloch-Pitts神經(jīng)元模型到Hebbian學習，從CNN的局部感受野到ResNet的skip connection，都能在神經(jīng)系統(tǒng)中找到對應(yīng)。劉凱展示了果蠅全腦連接組（13萬神經(jīng)元、5000萬突觸）的映射進展，以及從中催生的類腦智能方向——模型以微分方程系統(tǒng)模擬動態(tài)神經(jīng)網(wǎng)絡(luò)。他提出了五個遞進式轉(zhuǎn)變，最終指向“AI Scientist”：人工智能將不再只是輔助人類，而是參與提出問題、形成理論、推動科學突破。劉凱也向AI科技評論強調(diào)，“這一階段的AGI研究又可以考慮一撥neuroscience inspired AI方案”。
寧德時代首席AI科學家劉凱
學習節(jié)的最后一個報告，來自香港中文大學助理教授劉圣超。他首先分享了一個有意思的話題文章：現(xiàn)在AI4S的整個領(lǐng)域的知識傳遞系統(tǒng)在邏輯上失效——“這不叫學科，這叫集體迷路”。目前科學主導(dǎo)派認為AI只是加速器，AI主導(dǎo)派認為科學范式正在被AI重構(gòu)，但在他看來，二者差異來自于時間尺度的不同——短期來看，當前主流的AI/LLM可解決部分科學問題；但長期來看，它們還無法解決bottleneck問題。他用“無限猴子定理”隱喻：沒有第一性原理，AI就像隨機打字的猴子。劉圣超也在接受AI科技評論采訪時尖銳指出當前 AI for Science 領(lǐng)域的殘酷真相：大量研究淪為 “排列組合”，研究者試圖走捷徑套用現(xiàn)有的圖像或自然語言模型；但是AI4S應(yīng)該有更本質(zhì)、從第一性原理出發(fā)的框架，逐步構(gòu)建獨立這一門學科。他在分享的最后提出如何奠定AI for Science的規(guī)則與邊界這一深刻提問，為學習節(jié)畫上了圓滿句號。
香港中文大學助理教授劉圣超
專場結(jié)束后，年輕的講者們移步至會場外繼續(xù)交流。他們在天幕下分享正在做的學術(shù)工作，討論自己的所思所憂，也許下2050年的愿望。AI科技評論后續(xù)也將深度專訪本次專場的部分嘉賓，推出“AI學術(shù)青年”系列專訪，敬請期待。
值得一提的是，這一信息密度極高的專場，其實是“2050學習節(jié)”11場論壇的其中之一。AI科技評論了解到，“2050學習節(jié)”由王婷與Datawhale的范晶晶、莊表偉和王志軍在2023年聯(lián)合召集，起源于一次有趣但不切實際的追問：
既然淘寶可以為購物造一個雙十一狂歡節(jié)，為什么學習者不能擁有屬于自己的節(jié)日？
由此，他們開始在2050立下了學習節(jié)的flag，希望讓學習這件事從功利和KPI里走出來，回歸興趣與熱愛本身。它有三條貫穿至今的核心價值觀：給年輕人搭舞臺、創(chuàng)造不可能、自由生長的創(chuàng)新生態(tài)——把判斷權(quán)和發(fā)起權(quán)交還給那些真正在場的人。
今年是學習節(jié)的第三屆，主軸是“人和組織·構(gòu)建AI+X生態(tài)”，對外召集語被凝練為“讓真實的鏈接發(fā)生”。三日十一場論壇在云棲小鎮(zhèn)同時鋪開，除了“AGI for Science”專場以外，還有很多豐富的主題——AI+X高校教育聯(lián)盟討論大學如何被AI重塑，AI游戲論壇探索Z世代的進化路徑，AI+心理論壇關(guān)注“從周公解夢到聊天紀元”，以及意識之橋、AI+OPC、AI+醫(yī)療等十幾個截然不同的議題在三天里平行發(fā)生。
云棲小鎮(zhèn)的草坡上，2050的倒計時還在持續(xù)跳動。這場2050學習節(jié)，其實并沒有迎來一個閉合的終章。正如于曉軼在開場所言，“問題庫是我們真正在建設(shè)的護城河”，此時此刻問題庫還在擴大，護城河仍似溪流，真正屬于AI4S時代的第一代畢業(yè)生也還在路上。正是那些懸而未決的節(jié)點，構(gòu)成了持續(xù)跟蹤的價值，如今還在生長中的版圖，已足夠讓人期待。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
