9月22日至24日，杭州云栖大会现场，浙江大学一支低调团队干了一件可能写入AI史的事。
他们把“求是引擎”搬上直播，完成国内首次72小时不间断AI科研直播。
镜头对准的，不是发布会PPT，不是聊天机器人炫技。
而是人类300年来悬而未决的数学难题——吻接数问题。
更关键的是，求是引擎没有把AI当成高级计算器。
它把文献阅读、计算、仿真、实验、反复验证，串成了一条完整科研流水线。
OpenAI已经在“用AI解数学难题”上跑到前沿。
求是引擎却把“科研过程”本身做成了系统。
这场直播也成了本届云栖大会的最大亮点。
问题来了：这个被称作“超级科学家版DeepSeek”的东西，到底有多少真功夫？
01 一、72小时直播，AI科学家的第一次公开长跑
72小时，三天三夜。
求是引擎没停。
这不是国内AI团队第一次喊“AI for Science”，但把科研过程原原本本放到直播里，还是头一回。
过去我们看到的AI演示，大多是几分钟高光集锦。
写一段代码，解几道竞赛题，生成一段漂亮文本。
爽感有了，但离真正的科研还很远。
求是引擎这次不一样。
它选了一道硬骨头：吻接数问题。
这个问题在数学圈里挂了三百年，最早可以追溯到牛顿和格里高利的争论年代。
普通人听到“吻接数”容易一头雾水。
说白了，就是一堆同样大小的球，最多能同时贴着中心球，且彼此不重叠。
三维空间里，牛顿时代给出的答案是12。
可一旦把维度往上推，很多答案至今仍是空白。
求是引擎在72小时里，不是给一个简单答案。
它沿着自己的推理路径，对课题做了巨大推进和更新。
主办方没有放出一张夸大其词的战报。
但懂行的人看的是另一层：AI能不能像科学家一样，把问题持续拆下去。
02 二、吻接数难题：300年没扫清的硬茬
吻接数问题，英文叫Kissing Number Problem。
名字听起来浪漫，实际是一场空间几何的硬仗。
你可以把它想象成：在一个中心球外，能紧紧贴多少颗同样大小的球。
三维世界里，这个数是12。
但数学一旦进入四维、五维甚至更高，人的直觉会迅速失灵。
你以为12后面就是13、14？
现实远比这诡异。
高维空间里，球与球的贴法会突然变得极其复杂。
有些维度的答案早就被数学家找到，有些维度的候选值卡了半个多世纪。
换句话说，这不是一道能被算力一波轰开的题。
它需要猜测、验证、推翻、再猜测。
求是引擎选它做直播对象，本身就带着极强的测试意味。
敢把AI推到这种没有标准答案抄的地方，说明系统不是只会背题。
它必须自己拆解问题、调用工具、验证结果。
这也是为什么，云栖大会现场很多人的注意力被这台直播吸了过去。
03 三、梁文锋同门出手，浙大要出第二个梁文锋？
提到浙大，过去一年AI圈最响的名字，是梁文锋。
DeepSeek让全球见识到中国大模型的效率与爆发力。
现在，另一个浙大人杨怡豪，带着求是引擎站到台前。
他和梁文锋是直系同门，同出浙大信电学院。
这个身份一出现，外界很难不联想：浙大要出第二个梁文锋了吗？
但杨怡豪走的路，和梁文锋并不一样。
DeepSeek解决的问题，是怎么把大模型做得更强、更便宜。
求是引擎想解决的问题，是怎么让AI稳定地、长程地做科研。
一个像是造一颗超级大脑。
一个像是给大脑装上一双能干粗活、细活、夜班活的手。
从公开信息看，求是引擎已经不止盯数学。
它已经向物理、光学、数学、AI、生物医学等领域扩展。
这几乎是在按“通用AI科学家”的模子，一点一点往前磨。
如果梁文锋让世界看到中国AI的效率，杨怡豪想证明的是另一个东西：中国AI也能定义科研的新范式。
04 四、把“科研过程”做成系统，到底有多难？
很多人会问：AI解数学题不是早就有吗？
没错。
OpenAI等国外团队已经在数学推理上冲得很猛。
谷歌DeepMind等机构也把AI投进过科学问题。
但要注意，大多AI工具还停留在单点环节。
查文献的查文献，算数据的算数据，写论文的写论文。
求是引擎想把这些环节串起来。
这就不是简单调用一个大模型接口。
它需要一套长程任务系统。
AI要在72小时里，自己安排步骤、调用计算资源、核对中间结果、发现不对就回头。
这像什么呢？
普通AI助手像照着菜谱做一道菜。
求是引擎更像自己设计菜谱、买菜、试火候、尝味道，再根据味道重新做。
中间任何一步上下文断裂，或者工具选错，整个科研过程都会崩盘。
所以72小时直播最考验的，不是数学题有多难。
而是系统的稳定性、任务调度能力，以及那种接近人类科研者的“长跑心性”。
这里藏着一条产业暗线：能长期跑科研流程的AI，未来不会只待在实验室。
它可以冲进材料筛选、药物研发、芯片设计、能源仿真。
谁先把“科研系统”跑通，谁就握住了下一波AI落地的钥匙。
05 五、全球竞争下半场：谁能让AI真正开始做科学
过去两年，全球AI竞赛的焦点是模型。
比参数，比榜单，比多模态，比聊天体验。
但云栖大会这72小时，传递出一个非常清晰的信号：
竞争正在换挡。
用原文里的话说，全球AI竞争的下半场，已经从“谁的大模型更强”，走向“谁能让AI真正开始做科学”。
这背后的逻辑很硬。
通用大模型烧钱、烧算力、烧数据，边际收益正在被反复讨论。
但科学问题，可能是AI价值最不能被磨灭的出口。
物理、材料、生物医药、集成电路、能源，每一个领域都需要海量试错。
人类科研人员的精力是有限的。
文献读不完，仿真跑不动，实验周期长。
如果把大量文献阅读、计算、仿真、实验和反复验证交给AI，科研组织方式会变。
人类科学家更需要做好两件事：
提出真正重要的问题，判断哪些结果有价值。
剩下的体力活、重复活、试错活，AI可以通宵达旦地接过去。
求是引擎这次直播，等于是把这种未来切了一个横截面放到公众面前。
它未必已经完美，但方向感极强。
06 六、1到2年内，AI能摘下诺贝尔奖级难题吗？
原文抛出一个大胆假设：如果AI自主科研深度迭代，未来1到2年，那些“诺贝尔奖级”的人类科学难题能否被AI科学家攻克？
这个问题现在没有标准答案。
但可以拆开看。
AI在数学证明、蛋白质结构预测等局部战场上，已经展现出逼近甚至超越人类的锋芒。
它不怕忘，不喊累，能并行处理人类看不过来的数据。
可真正“诺贝尔奖级”的问题，不只是算力大战。
它往往需要提出新概念、重新定义范式，甚至推翻旧有框架。
这恰恰是目前AI最薄弱的环节。
不过，72小时直播至少证明了一件事：
AI已经从“交一道题的作业”，进化到“做一个小型科研项目”。
下一步，它需要在长程探索中学会“灵光一现”。
如果这个能力被算法和算力补齐，未来1到2年出现AI主导的关键科学发现，并非天方夜谭。
到那时，人类和AI的关系会变得更加微妙。
我们是提出问题的导师，还是被AI甩开的老手？
07 七、结：杭州这72小时，到底意味着什么？
回看杭州那场直播，真正让人兴奋的，不只是一个数学题被推进了多少。
而是中国AI团队开始把“AI科学家”从概念，变成一场可以围观、可以检验的系统长跑。
梁文锋和DeepSeek，让世界看到中国大模型的爆发力。
杨怡豪和求是引擎，可能让世界看到中国AI的下半场。
这不是一句简单的民族自豪感。
它是技术路线上的主动选择。
如果未来某一天，AI真能解出一道诺贝尔奖级难题，请别忘了，曾经有72小时，它在中国云栖大会的镜头前，不知疲倦地啃一块300年的硬骨头。
到那时，我们会发现：
真正改变世界的，未必是聊天框里更聪明的回答。
而是一个又一个能自己跑的AI科学家。
如果AI真的在未来两年解开一道诺贝尔奖级难题，你会把最大功劳记在人类身上，还是AI身上？评论区见。
热门跟贴