大模型把论文、书籍、互联网信息学得越来越多,然后呢?一个更尖锐的问题被摆上台面:AI能不能不只“掌握已有知识”,而是进入真实世界,创造新知识?

打开网易新闻 查看精彩图片

这是清析智研联合创始人、首席科学家王欢在一场对话里讨论的核心。他是清华大学工学博士、全球前2%科学家,长期关注多模态大模型、复杂科学系统智能化与AI赋能材料研发。

他的判断很直接:AI for Science(AI4S)的下一次突破将发生在物理世界。以AI原生科学设备为入口,从真实物理实验结果中持续学习,进而创造新材料、新物质,是AI4S最核心的突破方向。

“已有”就是边界

王欢说,现在大模型的能力,都是在数字空间或者说虚拟空间所获得的,主要能力就是AI已经充分掌握了人类已有的知识。但“已有”恰恰也是边界——对于人类还没有总结、还没有发现的领域,大模型还有很长的路要走。而AI4S恰恰是一个需要创造新知识、新领域的学科。

那下一次Scaling怎么迁移到物理世界?他提出的路径是:把模型逐步接入科研仪器、实验与产线设备,并推动科学仪器向AI原生设备演进,使其能够在实验与生产过程中持续获取真实反馈、产生新数据。

围绕这条路径,他给出了几个核心判断:

  • AI4S的下一次Scaling,在于构建模型、AI原生仪器、AI原生实验室与产线协同运行的物理闭环。
  • 稀缺资产是持续产生新数据的能力,仪器与设备正好构成AI理解物理世界的感官与双手。
  • 模型能力决定科学探索的边界,科学仪器拓展AI的感知与行动范围,真实实验闭环持续产生高质量数据,推动模型与实验策略共同进化。
  • 谁能连接更多物理世界入口,以更低成本、更高通量完成“假设—实验—验证—学习”闭环,谁就能更快地把未知转化为知识,把知识转化为产业价值。

用一句话收束:AI4S的终局竞争,就是在物理世界中规模化创造新知识的能力。

突破口在高价值数据

为什么编程、内容生成、视频这些领域,AI已经展现出高度智能,而Science这块还偏早期?王欢的解释是:前者模型已经慢慢学习和总结了数字空间里所有的知识和能力。在Science里偏向虚拟空间的部分,比如帮助写论文、润色论文、找资料,AI已经干得非常好;但越往实际的物理世界走,比如帮助新材料发现、实验制备、新物质探索,这一块还是处于偏早期。

他认为突破口在于高价值数据的积累和高价值底层数据的构建。这一波AI浪潮,核心取决于数据层面的爆发——过去几十年,互联网时代、移动互联网时代积累了大量由人类创造的文本、视频和代码,基于这些实现了模型能力的大幅飞跃。未来AI4S的突破,同样源于人类在Science领域高质量价值数据的积累和实践,逐渐把人类对物理世界构建的经验和发现,变成模型能理解、能学习的方式。

他构想的未来科研范式是这样的:有一个“AI Scientist”的大脑,可能以某一个大模型为核心,基于现在的现象和情况,构建出下一步的实验方案、优化方案、工艺制备方案;再由物理世界AI结合自主实验室——可以理解成面向科学场景、实验室场景的“自动驾驶”解决方案——基于大模型提出的方案和细节,自动实现实验、表征分析和优化,串联成一套全自动、无人的实验室。

未来科研范式的变化,有点像现在的半导体工业场景,生产制造高度集成、高度自动化。人类更多是提出更high level维度的需求,然后由模型和物理世界AI、由设备自动去完成和实现。

从“手工作坊”改起

清析智研提出了AI Science Superfactory(AI超级研发工厂)的概念,想把科学模型、智能仪器、自动化实验和产业研发连接起来。王欢说,这个想法源于团队在设备仪器、AI、材料化工、研发以及工业化场景等的积累,最终还是要打造一个闭环的研发框架和架构,把从计算化学、制备工艺、工艺优化到最终量产串联起来。

他们的特殊切入点,是围绕仪器智能或者说自动化实验室的构建和改造来逐步搭建流程。基于创始人在半导体产业和产业端的经验,他认为现在实验室的自动化水平、仪器设备的自动化水平,远远低于工业端或产业端。所以构建超级研发工厂,首先要从仪器设备端、实验室端入手,打造AI-native的实验室和仪器;在解决方案之上,再构建全流程AI赋能的软件层面方案。

技术瓶颈主要涉及两方面:一是对于科研领域里AI原生仪器的定义和思考到底是什么;二是如何基于之前在半导体或其他产业端积累的经验和行业know-how,充分改造当前场景下的科学仪器和实验室。

商业化则分为几个层级。第一层,把AI作为工具加速研发——加速计算、加速实验方案、加速表征分析,提供技术服务方案,帮产业、高校客户解决工艺或计算方面的问题。再上一层,是对AI原生仪器、AI自主实验室的思考,构建一套能够变革整个Science或者实验室流程和架构范式的设备方案与能力。再往上,是AI超级研发工厂最终的价值实现——逐渐掌握自有的材料IP,最终实现批量产出新材料、新配方、新物质的能力。

每个层级都有障碍。第一层的核心在于如何提升自有平台和模型的泛化性与解决问题的能力;设备环节,则是如何变革实验室设备的范式和架构,让用户更好地理解、接受——把现在那种离散的、分散的实验设备和实验室布置,也就是“手工作坊”,变成高度集成自动化的实验室解决方案。至于做出新材料、新配方的价值,达到这一层级,基本商业化是没有什么障碍的。

被问到AI4S公司该不该亲自下场做材料,他的回答是:在商业化这一块,对于材料领域,应该要深入产业端,能够将研究进行产业化,但不一定要亲自下场做产业化的运作。因为材料这个领域,就算在实验室做出来一些新东西,最终到小试、中试、量产还有非常大的壁垒,有非常多的问题需要被解决。不解决,那只是停留在实验室,产生出的新材料或新知识是没有价值的。

至于行业整体收入规模都不大,他的解释是现阶段AI4S公司都还处于早期,商业化上更多处于三个层级里的第一层,收入规模包括增长趋势不会有太大增长。从最开始提供基础的技术服务,到最终新材料、新物质的发现和产生,未来AI4S公司的收入规模会慢慢有一个指数级的增长和爆发。

谈到干湿闭环,他强调一个现实问题:如何让干湿闭环快速跑起来,尽可能减少人的干预,提高实验效率。工业端已经形成高度集成化、自动化的生产和制造方案,但实验室、科研这块没办法像工业那样直接构建非常标准化的流程,因为工业每一个节拍、每一道工序都是固定的;Science这边其实是离散的,可以类比成它是柔性的,这个柔性过程中更需要AI来参与各个环节的决策。

他还提到,干实验通过理论计算可以快速计算海量数据,但这些理论计算数据和实验真实数据还有非常大的gap;湿实验数据要借助实验室才能完成制备,数据价值高,但产生速率相对缓慢很多。在他的理解上,湿实验的数据——真实的制备数据、表征数据——是更加重要的,比干实验的数据重要得多得多。因为不管是干实验还是理论计算,最终都要用实验去验证;单纯用理论计算数据训练出的模型,是没办法保证价值的。

关于团队构成,他的说法很干脆:纯AI背景的团队是做不了AI4S赛道的。因为纯AI团队没法理解比如材料领域、生物医药领域的行业know-how,或者行业真正关心、需要解决的问题。AI4S要形成闭环,肯定需要产业方、需求方的深度参与,这个是必须的。

至于中国AI4S产业在全球的位置,他认为跟美国的差距并不是特别大。美国的几家创业公司融资额度远超国内同行,但“我觉得我们目前做到的一些事情,并不输于他们现在做的”。国内的优势在于材料、化工、生物、医药上有非常庞大的工业基础,围绕工业基础再去做前沿研发和探索,就有非常好的土壤和基础去支撑AI能力建设。

被问到AI能完成部分科学发现后科学家的核心价值,他拿Coding做类比:AI现在基本上已经能够帮助人类完成百分之七八十的Coding工作量,有些时候甚至更多。对编程人员的要求,更多是有非常充分的经验,能够理解AI在做什么,能够管控好AI。未来两三年模型在Science领域出现一些突破之后,对科学家核心价值的要求,是如何从更high level的角度去思考:应该构建什么样的科学任务、需求是什么,并管控好科学AI所执行的各个步骤和产出。

最后一个问题留给想创业的年轻人。王欢说,要不要创业是机缘巧合,或者说时机成熟了自然而然的事情,讲求天时地利人和。他所掌握的技术、能力是否符合整个大的行业发展趋势,团队、积累的各方面的能力、经验、资源是否足够,都需要考量。他本科2016年毕业时正好是“大众创新、万众创业”的时期,也稍微尝试了一下创业,发现还是有一些不成熟,后面又回来继续读硕读博。到今天这个时间,他觉得时机成熟了,才进一步出来做这样的事情。