当 AI 开始独立推进一个开放的科学问题，外界凭什么相信它真的完成了研究？

作者｜寇雨然

编辑｜王博

9 月 22 日，云栖大会现场，一场将持续 72 小时的 AI 自主科研直播开始了。

现场的大屏幕上，自主科研系统 " 求是引擎 " 得到了一个研究目标：寻找新的高维吻接数（Kissing Number）下界。

吻接数是数学里的一个经典难题，研究的是：在 N 维空间中，一个球周围最多能紧紧贴住多少个大小相同、互不重叠的球。这个问题虽然在 2 维和 3 维空间很好理解，但是在许多高维空间还没有精确答案。而提高下界，就是找到一种新的摆法，证明可以放下更多球。

吻接数问题在 2 维 3 维空间中的情况，图片来源：AI 生成

这是浙江大学联合阿里云发起的 AI 科研挑战。此后的三天里，没有研究人员替 " 求是引擎 " 指定技术路线。系统自己查找资料、提出方向、编写程序、生成构造、检查结果，再根据反馈调整下一步。

直播开播约两小时，第一项结果出现了：32 维吻接数下界从 346432 提高到 346944，一次增加 512 个球。直播结束后，" 求是引擎 " 团队宣布在 10 个维度上推进了此前的已知下界。

但是这背后有一个朴素的问题：当AI开始自主推进科研任务，外界凭什么相信它真的完成了研究？

" 求是引擎 "72 小时自主科研挑战现场和成果总结

近一段时间以来，越来越多机构宣布 AI 取得了科研成果，但外界看到的往往是论文、证明或最终指标，AI 在其中承担了多少工作，研究方向如何形成，一条路线失败后由谁调整，系统又怎样判断结果是否可信，这些过程通常藏在黑箱里。

例如，" 求是引擎 " 的直播结束十多天后，OpenAI 一次公开了 722 篇数学手稿，归为 372 个成果族。虽然 OpenAI 同时公开了部分 Lean 形式化材料和少量推理摘要，但大多数成果的完整研究轨迹仍未呈现给外界。

" 求是引擎 " 进行了吻接数研究，表面上看是 "AI刷新数学纪录 " 的新成果，但是 " 求是引擎 " 团队更想展示这些数字产生以前发生了什么。全程直播、公开研究报告、构造数据和验证程序供外界复验就是 " 求是引擎 " 团队的选择。

近期，「甲子光年」独家对话了 " 求是引擎 " 研发者、浙江大学信息与电子工程学院研究员杨怡豪。

杨怡豪

杨怡豪博士毕业于浙江大学，长期从事前沿光子学、物理与 AI 交叉研究，曾获国家自然科学奖二等奖，入选麻省理工科技评论 35 岁以下科技创新 35 人（中国区）。2025 年，DeepSeek-R1 展现出的长链推理能力让他和团队开始思考：如果把这种能力延伸到上千个模型与工具步骤，AI 能否围绕一个重大科学问题持续研究？

2025 年 8 月，杨怡豪和团队正式启动全新的科学发现系统研发，并获得学校特批，用浙江大学校训 " 求是创新 " 中的 " 求是 " 来命名。2026 年 7 月，团队正式发布 " 求是引擎 "，并成立了隐核智能。团队将 " 求是引擎 " 其定义为具备千步级长程推理自主科研能力、可自主组织并持续推进科研工作的科学发现系统。

在这场对话中，我们追问了几个更具体的问题：72 小时直播究竟证明了什么？所谓 " 千步级推理 " 和一场更长的对话有什么区别？系统怎样记住走过的正确与错误路径，又由谁判断最终结果是否可信？而杨怡豪反复强调一句话是：" 结果很重要，但过程更重要。"

本文，「甲子光年」独家对话杨怡豪，经整理编辑，在不改变原意的基础上有所删改。

1. 科学问题：结果很重要，但过程更重要

甲子光年：为什么要把 " 求是引擎 " 的研究过程连续直播 72 小时？

杨怡豪：现在很多人宣称用 AI 解决了一些问题，但有些过程是黑盒，外界也不知道 AI 到底参与了多少。大家很关心 AI 解决了什么，却看不到它到底怎样解决。

甲子光年：之前没人做过吗？

杨怡豪：之前没人展示过这个中间过程。我们想做个科普，让大家看到 AI 真的可以在得到一个目标后，不需要人参与，一步一步自己分解任务，不断试错、积累经验，最后解决科学问题。

甲子光年：你们最想证明的是什么？

杨怡豪：对于数学或者科学问题，结果很重要，但过程更重要。因为过程里面会提炼出一些新方法、新思路，甚至一些新哲学，对研究其他科学问题非常有帮助。

过程拆解之后，大家可以看到 AI 是怎么一步一步做的，提出了哪些思路，哪些走得通，哪些走不通。走得通的可以借鉴，走不通的以后可以避免，这也是很有价值的一部分。

甲子光年：我很好奇，那么多数学难题，你们为什么选择吻接数问题？

杨怡豪：吻接数问题在学界非常有名，大家都想解决它。它还有一个很重要的特性：解决很难，但验证比较容易。

如果把这个问题解决了，甚至不需要非常专业的人士，自己写一些代码，也可以验证结果的正确性。所以，它天然是验证 AI 系统能力的好任务。

当时 Google 推出 AlphaGo 时，宣传 AlphaGo 很强的一点，就是在吻接数问题的一个维度上推进了纪录。硅谷很多前沿公司也在做 AI 自主科研系统时，也是用吻接数问题展示能力，把某一个维度的纪录向前推进一步。

甲子光年：你的研究方向是光学和拓扑物理，为什么不直播研究自己最熟悉的领域？

杨怡豪：光学领域的问题其实比吻接数问题更加专业，对公众来说，不太好理解。其实，我们一直在实验室里用 " 求是引擎 " 操控整个实验室的设备做实验，在光学方面有很好的积淀。另外，我们想强调 " 求是引擎 " 有泛化能力，不只在光学、物理领域，在数学领域也有很强的能力。

甲子光年：最近，OpenAI 一次公开了 722 篇数学手稿。你看到这些结果时是什么感受？

杨怡豪：我挺震惊的，OpenAI 确实非常厉害。他们的内部模型解决了很多非常大的问题，有些是菲尔兹奖级别的问题。我们也核验了其中一两道题，没有找到错误。

去年大家还在讨论 AI 做奥赛题，今年年初已经在解决专业的前沿问题，现在开始触及更大的开放问题。这个进展非常快。

甲子光年：但学界似乎不太认同这种一次性抛出大量结果的方式，你怎么看？

杨怡豪：我觉得 OpenAI 造成了不好的影响，对整个学界造成了很大恐慌。他们一下子发出来这么多论文，也没有经过同行评议，这不是一个标准流程。

以往数学研究的常规模式，通常是先做出成果，把论文交给同行评审；评审完以后，确认大家都觉得没问题，人类也可以理解它，再正式发表，让它融入人类的知识体系。

人类能够理解是很重要的一步。如果只是 AI 产生一大堆证明，直接丢到学术界，归根结底还是机器产生的东西，还没有融入人类的知识体系。

2. 自主科研：" 千步级推理 " 不跑偏

甲子光年：现在很多 AI 工具都有 Deep Research（深度研究）功能，也能读文献、分析资料、生成报告。" 求事引擎 " 做的自主科研和 Deep Research 的区别是什么？

杨怡豪：我觉得两者的区别还是非常大的。

Deep Research 主要解决的是已有知识的检索、分析和整合问题。比如给定一个研究主题，系统可以搜索大量文献，筛选相关信息，按照一定的研究提纲进行分析，最终形成一份比较完整的调研报告。这类任务虽然也需要规划和推理，但整体上相对明确，主要是在已有信息中寻找答案，不需要进行大量未知方向的试错，也通常不需要连接真实的实验环境。

而自主科研面对的往往是一个没有现成答案的问题。系统需要自己去探索，可能尝试了几十种方法都失败了，然后才找到新的方向。在这个过程中，研究路径是不断变化的。

两者的目标不同，对底层系统能力的要求也有很大区别。

甲子光年：一个系统具备哪些能力，才能被称为自主科研系统？

杨怡豪：我觉得至少需要具备四个方面的能力。

第一，长程研究能力和持续记忆能力。科学研究本身就是一个非常长程的过程。我们平时做一项科研工作，往往需要几个月、一年，甚至数年的时间。AI 如果推理了一百步，就忘记了前面几步做过什么、尝试过什么，那肯定无法完成真正复杂的科学研究。所以，自主科研系统必须能够持续积累研究过程中的知识和经验，在很长的时间尺度上保持研究的连续性。

第二，科研过程的可追溯性。科研不仅要看最终的结果，更要看结果是怎么得到的。系统提出过哪些假设，做过哪些尝试，中间产生了什么数据，为什么调整研究方向，这些过程都需要完整记录，并且能够回溯和验证。这也是科学研究和一般问答非常重要的区别。

第三，与真实世界交互的能力。绝大多数科学研究最终都需要通过实验来检验。一个真正的自主科研系统，不能只停留在文献和理论推理层面，还需要能够调用专业工具、控制实验设备，与真实的物理环境形成闭环。" 求是引擎 " 目前已经在真实光学实验中实现了这样的自主研究和实验验证。

第四，动态调整研究策略的能力。科研不是一个固定的工作流，不是简单地完成 A、B、C、D 几个步骤。真正的科研过程中有大量的试错，很多时候一条路线走不通，就需要重新提出假设，甚至改变整个研究方向。所以系统必须能够根据中间结果，不断调整自己的研究计划和探索策略。

这四点也是我们在设计 " 求是引擎 " 时重点考虑的问题。我们希望打造的不是一个能够回答更多问题的 AI，而是一个能够长期积累科研经验、持续自主探索，并且最终产生新知识的科研系统。

甲子光年：" 求是引擎 " 的架构是怎么设计的？

杨怡豪：在架构上，我们采用了多模型、多智能体协同、全局记忆和动态研究策略的设计。

甲子光年：调用的底层模型是什么？

杨怡豪：有国外的模型，也有国产模型，比如 Kimi、DeepSeek、通义千问。我们会利用不同模型各自的特点和优势：有些科学推理比较强，有些更擅长写代码，有些写作比较强，还有一些比较便宜，可以做简单任务。

甲子光年：" 求是引擎 " 可以完成多少步的长程推理？

杨怡豪：千步级。

甲子光年：但是我们在云栖大会 " 求是引擎 " 的直播界面上看到显示的是 109 个智能体步骤，这和 " 千步级推理 " 的关系是？

杨怡豪：这里的 109 步是指 109 个 Agent Step，也就是智能体步数。一个智能体步骤内部大概有十几步连续推理，所以大约是 109 乘以 10，就是一千多个模型或工具推理步骤。

甲子光年：通用的 AI 大模型推理多步之后可能就会出现跑偏的情况，你们如何做到 " 千步级推理 " 不跑偏？

杨怡豪：先说原因，模型跑偏主要是因为上下文记忆有限。比如运行几十步后压缩一次，每次压缩会丢掉一些信息；压缩多次之后，可能把原来的目标丢掉，偏到别的目标上。主流模型的 context window（上下文窗口）一般是 1M token，但有效窗口会更少，可能只有 300~400K。

" 求是引擎 " 采用了一套针对科研原生的多层记忆系统。它在本质上是一种渐进式披露，很重要的信息会一直保留。而次要信息，不需要放进有限的 context window，可以放在本地，以 markdown 或其他数据形式记录。关键是规划好怎样让系统记得最重要的信息，以及需要某段具体记忆时，怎样通过渐进式披露找到相关文件、重新回顾。

这套多层记忆系统可以做到即使运行一千步，仍然能记得第一步、第二步做了什么。

甲子光年：你们有测试过 " 求是引擎 " 推理步骤的上限吗？

杨怡豪：测试过，上万步也没问题。

甲子光年：多智能体是如何协同科研的？

杨怡豪：我们采用双层多智能体架构，分为核心层和支持层。

核心层有四个主要智能体，分别承担科研的不同职能，包括规划、执行和审核等；支持层由大量起支撑作用的子智能体组成，负责文献调研、信息搜索、记忆压缩、证据检查等。

如果做了大量研究，上下文可能达到上亿 token，把所有信息都放在核心智能体里，信息太多，会打乱研究思路。所以我们采用双层系统，避免核心智能体的推理思路被太多信息淹没。

多智能体协同

甲子光年：核心层的四个智能体是串行还是并行？

杨怡豪：它们不是从智能体一到智能体二、二到三、三到四的固定连接，智能体一也可以跳到四或三。系统有四个核心智能体，不同智能体步骤之间没有固定连接，也没有固定工作流，有时由系统自己决定下一步。整个过程相当于是一个 graph，而不是一条 line。

甲子光年：为什么核心层要审核，支持层还要进行证据检查？

杨怡豪：这是为了交叉验证。首先有一个专门负责验证的核心智能体，会不断做验证，但我们发现只由一个智能体验证还不够，所以又使用子智能体，子智能体可以用几个不同的模型，不同模型之间再做交叉验证，这样会极大降低幻觉概率。

甲子光年：所以 " 求是引擎 " 本质上，是一个比较复杂的 harness 工程？

杨怡豪：从 harness 层来讲，它确实是。但我们想逐步把它打造成 Research OS，也就是科研操作系统。因为它有一定泛化性，所以会做成通用操作系统，不同领域可以加入一些 skill、知识库或垂直领域模型来应用。

3. 人机关系：AI 进行科研，人类进行负责任的科研

甲子光年：你们在完成 72 小时的 AI 自主科研直播后做了什么？

杨怡豪：我们团队花了一两个星期，去整理所有中间结果，然后验证、审核，再撰写成学术论文。

甲子光年：系统已经做了程序验证，团队为什么还要花一到两周整理和审核？

杨怡豪：系统验证、人工审核和写成论文是三件不同的事。我们想做负责任的科研，我不想产生结果后不经人工审核就直接发表。我们希望产出结果以后认真审核，甚至做很多补充。

人类与 AI 协作科研

甲子光年：为什么要等它输出完整结果之后再审核，不能从一开始就有人盯着中间过程？

杨怡豪：大多数情况下，我们会尽可能减少中间参与，不去影响它。解决一些重要、困难的问题时，中间步骤很难由人来判断思路到底对不对。很简单的道理，如果你知道这个思路是正确的，问题可能也就没那么难，你自己就能解决了。正因为问题很难，中间路径有很大的不确定性。如果人类参与进去，人类的建议有时反而会限制整个系统的能力。所以我们倾向于不干预中间过程，但会观察它，看它怎样解决问题、走了什么路径。

甲子光年：未来如果有团队使用 " 求是引擎 " 做出成果，马上就抢发论文，怎么办？

杨怡豪：我们只能尽量加快节奏，但确实没办法，因为现在这方面的规范还没有跟上。

甲子光年：这是整个行业的焦虑。

杨怡豪：对，这会让很多人焦虑。很多人都会想，我还要研究这个数学问题吗？研究到一半，突然被别人抢发了怎么办？这会导致整个领域都很焦虑。

甲子光年：如何应对 AI 科研带来的冲击？

杨怡豪：我觉得需要学术共同体规范整个流程。我们正处在技术高度变革的时期。前两天我跟一个做理论物理的朋友聊，我觉得 OpenAI 的行为不只影响数学，也影响所有做理论研究的领域。它对科研，甚至教学培养都造成了很大冲击。

我们处在一个比较特殊的时代、比较特殊的时间点。生产力、工具发展得非常快，生产关系还没有适应，大家还在延续上百年的老体系。现在是老的生产关系和新的生产力之间的矛盾，但未来肯定是生产关系要去适应新的生产力。我本身在高校里，所以觉得未来一定会对高校产生很大冲击。

甲子光年：在你自己的课题组里，老师和学生的科研方式已经发生变化了吗？

杨怡豪：以前通常是老师提出一个具体课题，学生在老师指导下推进，得到结果后写论文。研发 " 求是引擎 " 之后，我们更倾向于先一起判断什么问题有价值，再把问题交给系统运行。

人在这个过程中要观察和学习系统的研究轨迹。结果出来后，还要判断它有没有真正解决问题，结论是否正确，价值有多大。如果结果不完整，人还要提出新的问题，让系统继续研究。学生要根据自己对问题的理解，从所有结果里找出最有价值的部分，组织成一条完整的故事线，再经过打磨，才成为一篇论文。

所以现在对学生的要求其实更高了，提问、判断、评价、审核的能力会变得更重要。

甲子光年：根据你们实际使用体验，" 求是引擎 " 可以提高多少效率？

杨怡豪：我们评估过。比如解决一些光学实验问题，系统自主研究可能一两天就能产生结果。而让自己的学生做同一件事，可能需要好几个月。因为光学实验涉及实验流程，如果按完整的论文周期计算，可能会缩短到此前的三分之一到四分之一的时间。

甲子光年：近期学界也在发起学生 " 慢科研 " 联合倡议，你认为未来的科研评价，会变成什么样？

杨怡豪：我觉得未来肯定不会只用论文数量评价一个人的科研好坏。我所在的浙江大学就在做一些改革，很多评价慢慢不再以论文为核心指标，而是变得更加多样化。

关键是科研到底做了哪些实质性的事情，产生了怎样的影响力。如果论文发得好，有很好的学术影响力，可以算；有商业化价值，也可以；解决国家 " 卡脖子 " 的问题，或者在国际上拿到大奖，也算影响力。

甲子光年：AI 在数学领域的研究已呈现爆发之势。你觉得数学之后，下一个可能被 AI 科研 " 攻占 " 的领域是什么？

杨怡豪：接下来不会集中在某一个领域，各个细分领域都有可能被 AI 推进，关键是 AI 能不能在这个领域里实现闭环。数学和偏理论的学科会比较容易闭环，所以最先被推进。

4. 合作落地：从光学领域开始，覆盖 C 端和 B 端

甲子光年：今年 7 月，" 求是引擎 " 发布的同期，你们成立了一家公司——隐核智能，进行科研成果转化。" 求是引擎 " 对外的产品规划是什么？

杨怡豪：我们会打造不同的产品线。

针对 C 端用户，计划推出一个通用的桌面智能体系统，用户可以下载后自己使用。未来还计划推出一个云端系统，用户登录账户就可以直接使用，整个系统在云端运行。

针对 B 端商业客户，因为数据比较敏感，我们会和客户联合开发，数据不传到公共平台，或者根据客户需求进行本地部署。

甲子光年：你们会考虑在哪个科研领域落地？

杨怡豪：我们会先聚焦自己有优势的领域。我们做光学十几年，在光学领域有很好的积淀，会先打造标杆案例。

甲子光年：商业化及外部合作如何？

杨怡豪：商业化刚刚起步，目前正在对接一些大公司。前期主要和一些高校老师合作，帮助他们解决不同领域的问题，包括计算物理，以及我们比较熟悉的拓扑物理学问题，也有一些很好的案例。

在生态方面，浙江大学、" 求是引擎 " 联合阿里云发起开放合作计划。面向高校、科研院所征集开放科学问题，入选团队不用自建系统，就能用上整套科研平台。

Agentic Science 开放合作计划

甲子光年：这样一款面向科研群体的产品，如何制定收费模式？

杨怡豪：前期针对 C 端，我们会先打造一个平台让大家使用、拓宽影响力，我们不额外收费，但用户要自己承担 token 消耗。

未来商业化计划主要还是在 B 端，比如和光学领域的大公司一起做商业化落地。我们希望 B 端能够真正形成商业闭环，尽可能触及产品端，这样才会有真正的议价权。

甲子光年：这个落地形式具体会长成什么样子？

杨怡豪：我们想把它做成AI原生的光学设备和自动化实验室，暂定名叫 " 求是光研 "。把 " 求是引擎 " 在光学上的自主科研闭环，做成可以直接交付给实验室和企业的设备，以软件和服务为核心，整合硬件供应商，一起推动整个行业的设备更新换代。

光学设备的硬件门槛其实不算高，我们的壁垒在软件和 AI 这一层。前期先和浙大系的光电企业、高校实验室这些种子客户合作，通过他们跑通科研判断、设备控制、实验复验的完整流程，把可复用的经验沉淀下来。这样一边是设备交付变现，一边积累真实的实验数据，为后面训练垂直的光学物理 AI、做模型授权和研发服务打基础。

" 求是引擎 " 在真实光学平台中自主开展科学研究

甲子光年：这个市场有多大？

杨怡豪：光学本身是个万亿级的盘子。按第三方机构的统计，2025 年全球光子市场大概 1.09 万亿美元，中国占到 2083 亿美元。我们想做的，是推动国内光电实验室市场的 AI 更新换代。这是这个大行业里最靠近我们、也最有把握先落地的部分。

甲子光年：如果未来很多企业都用上了 " 求是引擎 "，哪些难题可能被攻克？又会带来哪些想象空间？

杨怡豪：我们最近在思考，能不能在光学成像或传感领域形成研发闭环。它涉及透镜、镜头、传感器和算法设计。求是引擎能不能参与完整研发流程，针对某种场景和指标，自己设计镜头、传感器和算法，最后交付一整套完整解决方案？这有很大的想象空间。

我很兴奋的一点是能把 " 求是引擎 " 的技术和自己的专业领域结合起来，实现商业化落地。当然这个事情会很有挑战，因为此前没有人做过这件事。

甲子光年：DeepSeek 创始人梁文锋也是浙江大学信息与电子工程学院的校友，你之前和他接触过吗？

杨怡豪：我和他本人此前没有直接接触过，但 DeepSeek 对我们确实有非常大的影响。我们学院非常认可和推崇梁文锋身上的这种精神，就是敢于创新，敢于挑战重大问题，敢于去做一些具有颠覆性的事情。

DeepSeek-R1 发布后，我们就认真学习了其论文和技术。我记得当时和我的导师、学院院长陈红胜老师交流的时候，我们一起讨论了一个想法：既然 DeepSeek 已经展现出了这么强大的推理能力，那么能不能进一步把这种能力用到科学研究中？能不能让 AI 连续推理上千步，持续探索一个重大科学问题？

当时我们主要还是在探索技术路线，没有太多积累，所以并没有直接和 DeepSeek 讨论合作。但是未来，我觉得双方有非常大的合作空间。

甲子光年：你之前设想过一个问题：如果有一天，AI 能拥有五感和通识，砸向牛顿的那只苹果对 AI 会砸出怎样的效果？你现在有答案了吗？

杨怡豪：那也许就是电子牛顿、电子爱因斯坦，这是极有可能的。它可以跨领域、打破学科壁垒，探索学科交叉方向。我觉得很多重要突破可能会从这些地方出来。

甲子光年：其实你自己也是跨领域的典型。你研究光学，在知乎上做科普，也喜欢摇滚乐。摇滚和科研对你来说有什么共同点？

杨怡豪：我觉得摇滚精神和科学精神的内核很相近。摇滚是表达自我，也是求真、求是，只是它求的是内心的真实。" 求是引擎 " 求的是科学的真实、宇宙的真实，两者内核是相通的。

（封面图：「甲子光年」设计，文中配图来源：" 求是引擎 "）

END.