为什么 AI 会写代码，却还不会科学研究？

作者／   IT 时报   郝俊慧

编辑／   孙妍

AI 写代码的成功率已飙升至 88%，但在端到端科学发现上，最好的大模型 18 个月来成功率始终停在 3%。

7 月 17 日，在 2026 世界人工智能大会（WAIC 2026）科学前沿论坛上，上海人工智能实验室（上海 AI 实验室）主任、首席科学家周伯文甫一登台，便抛出了一组并不乐观的数据。

然而，在世博展览馆里，AI4S（人工智能用于科学研究）又是另一番景象：设计蛋白、预报天气…… AI 下场科学研究后，很多以往需要耗费大量时间计算的课题，正在被加速解决。

矛盾吗？

并不。在科学前沿论坛上，科学家们形成的共识是：AI 已经在 " 加速计算 " 和 " 拓宽领域 " 的环节立住脚，但离 " 自主科学发现 " 还有几道硬坎，越是回到提出假设、判断价值、承担责任这些科学的本质，人类科学家的位置便越重要。

因此，"AI4S 不是通用人工智能的一个应用，而是人工智能的‘终极考题’。" 当前，AI4S 的使命正从 " 重述已知 " 跨越到 " 产出未知 "，周伯文称之为人工智能的 " 科学元认知时刻 "。

WAIC 的 " 镇馆之宝 "

今年 WAIC 上，最有名的 AI4S 展项无疑是天鹜科技的 Matwings Venus（晓鹜™）。

作为今年的 " 镇馆之宝 "，晓鹜™是一个对话式蛋白质研发智能体，用户用自然语言描述功能需求，它就能完成行业调研、数据库检索、蛋白质设计到自动化实验验证的全流程。

传统的蛋白质研发有投入大、周期长、成功率低三大痛点。晓鹜™把复杂的 AI 能力变成对话式 AI，让每个研发人都能用；将研发周期从原来的 2～5 年压缩到 2～6 个月；实验样本数从上万次减少到约 100 次，研发成功率从 1% 提升到 30%。让广大科研团队和中小企业都能用得起、用得好 AI 设计想要的蛋白质。

为什么能做到？一方面，因为晓鹜™拥有百亿条蛋白质序列数据作为训练基础，这是核心壁垒，晓鹜™模型在国际蛋白质功能预测榜单上长期排名第一。另一方面，用户还能在晓鹜™平台上调用 AI 自动化黑灯实验室，直接合成设计的蛋白并检测功能，这是专门为 AI 适配的终端。

目前，晓鹜™在多个领域实现产业化。在循环经济领域，晓鹜™用 AI 六个月就设计出高效塑料降解酶，让废弃塑料重新变成再生原料。

2026 年，AI4S（AI for Science）火了，它被列为与大语言模型、具身智能并列的三大 AI 关键方向之一，远期市场规模有望达千亿美元。

上海交通大学智能计算研究院院长葛冬冬在大会期间的 " 人工智能时代的开放计算与产业生态 " 论坛上表示，传统超算解决复杂科学问题（如天气预报），本质是求解大规模偏微分方程。这往往面临可行解难寻、计算时长巨大等挑战，但 AI（数据驱动模型）的介入，例如在逐步求解时利用神经网络快速推测可行解，可以极大地加速计算。

因此，从 60 毫秒完成 2024 个量子比特的无缺陷排布，到自主发现并验证癌症治疗新靶点，从分钟级实现全球气候变化分析到追踪太空多碎片…… AI 正在刷新科学发现的新范式。AI 已经在传统算法和算力 " 无能为力之处 " 兑现价值，是当前科学界的共识。

17 日，科学前沿论坛举行的圆桌论坛上，崂山实验室副主任吴能友介绍，认识海洋的前提是 " 让海洋透明 "，但传统靠观测和大型海洋动力方程组求解的数字模式有三大瓶颈：硬件要求高、预测慢、不确定性大。

如今，崂山实验室开发的 " 问海 " 全球海洋环境高分辨率智能预报模型，基于实际海洋观测数据自动生成四维全要素预报产品：一是预报准，误差比国际先进数值预报系统显著更优；二是预报快，1.5 分钟可预报未来 15 天的海洋环境变化。他认为 AI 还能做更长时效、更高分辨率、更全面要素的预报，让海洋更透明。

人工智能头上的两朵 " 乌云 "

然而，如果就此认为，AI 已经能完成一切科学研究，却未免太过乐观。

" 大模型不知道它不知道什么。" 这句听起来似乎像绕口令的话，来自周伯文。他将现阶段比作 AI 的 " 科学元认知时刻 "，如同 1900 年整个物理界欢呼雀跃，觉得世界之规律已经被全部解答，只除了 " 两朵乌云 "。然而，正是这两朵 " 乌云 " 背后的新认知，催生了相对论与量子力学。

同样，今天的大模型头顶上 " 乌云 " 无处不在。过去一年半，代码生成、测试、优化的飞轮高速运转，AI 写代码（Coding）的成功率从不到 5% 飙升至超过 88%，甚至 50% 的基准测试已失去意义，因为主流模型的能力都能超越 SOTA（最新水平）。但与此同时，在 Allen Institute 发布的端到端科学发现基准 N2N 上，最好的大模型 18 个月来始终停留在 3% 的完成率。

上海 AI 实验室联合十个领域 100 名科学家建立的一项科研评测基准显示，即便是最前沿的模型，得分不超过 50 分，最新 Nature Bench 超越 SOTA 比率仅为 17.8%。

周伯文指出，目前 AI4S 领域中，大模型存在三大结构性障碍：其一，大模型只能被动观察世界，学到的是相关性而非因果性，换个环境就失灵；其二，越难的复杂任务，反馈信号被稀疏得越厉害，模型就越学不动；其三，人类发表的研究成果只有成功数据、没有失败数据，模型被锁死在旧分布里，只会模仿成功，长不出新能力。

昌平国家实验室副主任金勤献直言，AI for Science 发展约十年，但至今没有一款完全由 AI 研发的药物获批上市，最快的一款也仅到三期临床，" 生命科学碰到的问题，比语言模型、Coding 要复杂得多，至少到目前为止并没有做通这件事。"

" 失败是成功之母 "，在科学研究中是一句不折不扣的真理。

崖州湾国家实验室副主任陈凡谈及当年探访国外一家生物技术公司时，印象最深刻的是一本实验记录本，上面只有 " 失败 "，因为科学家要保证 " 第二天不再重复失败 "。

科学家最宝贵的资产，恰恰是这些失败：哪些路走不通、哪些假设被证伪、哪些边界是南墙……这些失败从不在论文里出现。

因此，当前大模型的 " 乌云 " 十分明显：模型还不能从失败中学习、无法在长程推理中不迷失、做不到与物理世界的交互中沉淀真因果。

这是一个结构性的矛盾，Coding 之所以被 AI 攻克，是因为反馈及时、客观、边界清晰；而科学研究是开放任务、没有标准答案、反馈周期长达数月、失败是常态。因此，科学研究本身缺少一套能把问题、行动、验证与学习持续连接起来的 " 科学方法 "，这导致科学家的验证带宽无法放大，模型也无法从真实世界中成长。

另一个问题是，科学品位在于抽象的假设，物理是先有理论物理学家再由实验物理学家去验证，生命科学也是如此，但现阶段的 AI 还提不出真正好的科学假设，也不会为错误的假说负责，因此 "AI 还没有科学品位 "。

因此，在周伯文看来，正如 AI Coding 提升了基础模型的推理能力，科学研究中的密集反馈信号，甚至失败信号，将成为突破 AI 智能上限的下一程，"Research is the next Coding（科学研究是下一个编程）" 是人工智能的终极命题。

超智融合需软硬协同

算力与生态是另一侧的短板。

超智融合是 AI4S 的关键技术路径，即深度整合传统计算的机理驱动与智能计算的数据驱动。本届 WAIC 的另一个 " 镇馆之宝 " 是中国首个全国产十万卡 AI 超集群——曙光 8000（登峰）真机，也是国内目前规模最大的超智融合算力系统。

据介绍，曙光 8000（登峰）覆盖大模型、机器人、创新药、新材料、量子计算、天文气象等 20 余个科研和产业领域，支撑蛋白质折叠模拟、万亿原子级水分子动力学模拟、超大规模湍流模拟等科学智能应用，面对物理 AI、多模态、AI for Science 等更加复杂的应用场景，兼顾多精度计算、高密度部署、高效互连和持续稳定运行。

然而，具备了硬件能力之后，在 GPU 上进行超算级计算和科学研究的软件栈方面，国产芯片还有大量生态空白要 " 补课 "。

科学计算上一度极度依赖国外的基础数学库，英伟达在 cuBLAS、cuSOLVER、cuSPARSE、cuDSS 等数学加速库上拥有绝对优势，而国产芯片在核心库上的缺失，是导致其在科学计算领域无法发挥效能的主要原因。

葛冬冬的团队花了大量时间，为国产芯片（特别是海光）重写了这五个关键数学库。完成这项工作后，许多原本无法运行或运行极慢的科学计算任务，现在能够成功跑通。

但对于在 GPU 上进行超算级计算和科学研究的软件栈方面，国产芯片还有大量空白。可印证的是，英伟达将 cuOpt 纳入 CUDA-X 生态软件栈，正是将传统的数值优化提升到了与 CUDA 同等重要的地位。

葛冬冬坦言，国产芯片厂商创始人多是硬件出身，基础算子库和数学函数留下大量生态空白，只能靠高校去补，但高校拿不到万卡级集群去做百卡到万卡的算法验证，" 有些企业并不重视高校，认为自己有资金有人才，不需要高校，但事实上很多基础性突破还是由高校完成的，这是一种必须纠正的短视行为。"

可供侧面印证的是，2025 年 3 月，GTC 2025 大会上，英伟达宣布将 cuOpt 开源，cuOpt 是英伟达推出的一款 GPU 加速优化库，它利用 NVIDIA GPU 的并行计算能力，将传统上需要数小时的计算优化过程缩短至几秒钟。葛冬冬认为，这意味着英伟达将传统的数值优化提升到了与 CUDA 同等重要的地位。

软硬协同、产学研协同，仍然是 AI4S 向前推进的瓶颈。

AI4S 应是通往高阶智能的工具

当日，上海人工智能实验室发布 " 书生 · 端砚 " 科学发现平台，以书生科学大模型为重要底座，将能力向数学、物理、生命科学、材料科学、地球科学等领域纵深拓展。平台不做泛化通用问答，而是深度学习各学科研究范式、实验规范、专业工具接口，真正介入细分科研场景。

书生大模型能像科学家一样理解问题、设计方案、调用工具并验证结果。在蛋白结合剂设计中，将传统流程 0.47% 的验证通过率提升至 1.56%，优质候选分子数量提升逾 3 倍，研发周期从天级压缩至分钟级；在材料科学中，输入化学式即可自主完成五元氧化物的晶体结构预测与物理合理性校验。

周伯文举例称，清华大学张数一课题组花了四年改造一个用于基因调控的蛋白，引入上海人工智能实验室的 " 书生 · 端砚 " 平台后，仅两轮优化就发现新的突变组合，功能较此前 Nature 报道的最佳结果提升 77%，较野生型提高 50 倍。更关键的是，其中一个突变出现在传统上被认定的 " 非功能区 "，" 就像 AlphaGo 的神之一手，模型学会在人类从未想过的区域寻找答案。" 周伯文说。

" 书生 · 端砚 " 平台的背后，是周伯文提出的一个观点：本质上，随着科学智能进入 " 下半场 "，科学发现将是人工智能的终极考验，而非简单的 AI 应用，"AI 作为科学发现‘革命的工具’，其使命应从加速科研自动化，迈向以复杂科研任务牵引高阶智能。"

或者说，周伯文提出了通往 AGI 的另一个思路：从科学研究的角度来解题。

科学正处在知识越来越丰富但是认知却最稀缺的时代，如果模型能学会从失败中自我反思、自我校准、自我更新，就意味着它真正像人一样开始思考。

令记者尤为关注的是，书生大模型没有使用传统的 Transformer 架构，而是将知识记忆和逻辑推理高度耦合，推出了全新的 Mobius 架构，把知识向量和推理算子分开构建。知识像一本全局共享的百科全书，推理像一群可以自由组合的专家，需要哪个领域的深度分析，调哪个；需要全局知识支撑，调另一个。这让模型专业化不再是 " 一次性改造 "，而是 " 可持续的能力生长 "，通用理解、专业知识和任务推理三者分工协作，共同演进。

颠覆 Transformer，是近几年来人工智能圈一直希望突破的基础层创新。葛冬冬坦言，对于 Transformer 架构下的大模型训练优化器，他们也觉得不科学，也一直希望尝试找到创新的架构，他认为这就是高校存在的意义。

AI 会替代科学家吗？

从 2022 年 "GPT 时刻 " 到现在，不到 4 年的时间里，AI 已从中学生、大学生到博士，再到如今的 " 打工人 "，它会成为 " 科学家 " 吗？在被 AI 可能替代的名单中，会有科学家吗？

可信、可控的 AI，是科学与 AI 双向奔赴的前提。

论坛上，麻省理工学院教授泰格马克（Max Tegmark）主张通过让 AI 的职能更专注、更窄，来确保它始终是工具而非 " 存在 "，Tegmark 的团队用 AI 做形式化自动验证，让程序自己证明代码正确，成功率从去年的 68% 提升到今年的 96%。

在他看来，凭借可信的工具型 AI，足以革新制造业机器人、科学发现、教育与节能，甚至加速实现可持续发展目标。

上海交通大学材料科学与工程学院讲席教授孙宝德认为，如果人类能从丈量土地、计数的 " 数据 " 中总结出勾股定理，AI 能从数据中发现规律，那么 "AI 成为人类科学家是早晚的事 "，核心问题是它有没有自主意识去主动突破数据边界，会不会主动设计一个实验。

回到最初的提问：为什么 AI 会写代码，却还不会科学研究？

周伯文把 AI4S 的未来拆成三段：从 0 到 1，探索 " 未知的未知 "；从 1 到 10，把 " 已知的未知 " 更快地提出与验证；从 10 到 100，把暗藏在数据、经验与跨领域关联里本已存在却未被意识到的知识挖掘出来、串联起来。

科学发现的下一程，不会由一个模型、一个平台独自开启，而要由科学家、AI 和创新伙伴在真实世界中共同创造。

周伯文希望，" 书生 · 端砚 " 能和科学家们一起回答这个问题。目前 " 书生 · 端砚 " 已从原创科学突破、计算效率革新、自主科学发现等维度验证平台全链路能力，实现了从 " 平台可用 " 到 " 成果可验 " 的关键跨越。即日起开启内测，一个月后将对全球科学家开放公测。

排版／   季嘉颖

图片／   IT 时报   采访对象

来源／《IT 时报》公众号 vittimes

E   N   D

大家都在看

IT 时报

怕被 AI 替代？

不如先学会用好它

「挨踢妹 @AI 茶水间」

扫码即可加入↓↓↓

请加「星标」不错过我们