人机协同研发：真不是把人当耗材，也不是让AI当摆设
我上周去长三角一个硬科创园区，跑了三家做新药研发的公司，一家做自动驾驶，看到的东西完全打破我之前对AI研发的刻板印象。
之前刷创投圈的新闻，不是说AI要取代研发科学家，就是说AI研发全是圈钱的噱头，非黑即白。
直到蹲在人家实验室看了一下午，才明白，现在跑通的路子，既不是AI全替代，也不是老办法加AI凑数，是真的把人和机器的优势捏到一块了。
AI辅助新药研发靶点筛选实验室场景
说实话，这事儿牛的不是AI，是分工对了。AI干的是穷举可能性，从一堆杂乱的失败数据里找人类眼睛看不到的规律，人干的是什么？人知道要找什么方向，知道哪些结果是符合基本化学逻辑的，哪些是AI生成的“幻觉”——现在大模型天天瞎编结构，没个懂行的人筛，一百个结果九十九个不能用。
之前多少PPT把AI研发吹成“全自动化无人实验室”，纯属扯蛋。
自动驾驶人机协同Corner Case测试场景图
不过话说回来，我见过太多团队把协同搞反了。
让AI拍板最终的研发方向，让科学家天天坐那里给AI打标签当工具人，最后肯定搞砸。你品品对吧？
研发最核心的第一步，是提出问题。我要解决什么事儿？我要找什么靶点？我要优化哪个参数？这个事儿，AI干得了吗？AI是总结你喂给它的数据，它不会自己凭空冒出一个“我要治这个罕见病”的需求，更不会判断哪个方向的研究是有商业价值、有临床意义的。这些，从来都是人的活儿。
反过来，那些需要重复计算、穷举组合、试错的脏活累活，人干着又累又慢，还容易出错，交给AI不好吗？一个小分子化合物，可能的结构排列组合几十万种，你让一个化学家一个一个摸，十年都摸不完，AI几个小时就能给你筛出几十个符合要求的，这不香吗？
真正的人机协同研发，从来不是谁替代谁，是各干各擅长的。
人机协同研发最大的坑，根本不是技术，是人
跑了这么多企业，我发现，绝大多数做不好人机协同研发的，问题都不在买不到好模型，也不是没有算力，是人的问题没理顺。
我听中科院搞新材料研发的一个朋友说，他们所里前两年上AI研发，一开始推不动，为什么？原来的老研究员，手里攒了十几年的实验数据，那都是吃饭的本钱啊，凭什么拿出来给AI训练，给别人做嫁衣？所里一开始也没说清楚，数据贡献了，成果怎么算，利益怎么分，当然没人动。
后来改了规则，用哪个团队的数据训练出来的成果，署名必须带上原数据团队，奖金按比例分，申请专利也共同署名，不到半年，所有人都把攒的硬盘交出来整理了。现在人家已经靠这个方法找到好几个新的电池材料配方了。
还有一个最常见的坑，就是企业管理层被AI风口吹晕了头，觉得AI能省人力，上来就砍研发团队，把原来懂行的老专家都送走，留一堆算法工程师搞研发，最后出来的东西根本没法用。今年年初我就听说，北京有个做新材料的初创公司，去年裁了一半的实验研发人员，全靠AI出方案，结果做了大半年，一个能量产的配方都拿不出来，今年又低头去把原来裁掉的老工程师请回去了。
缺了人，AI就是一堆跑不起来的废代码啊。
现在很多人说人机协同研发的未来是全AI自动化，我看啊，未来十年，甚至更久，最有生命力的研发模式，还是人提方向，AI干脏活，一起出成果。原来研发人员80%的时间都花在计算、整理数据、重复试错上，现在把这些活儿扔给AI，研发人员就能把80%的时间花在想问题、找方向、开创新路径上，这不就是最大的进步吗？
昨天刷新闻，看到国内某团队用AI协同研发找到了新的超级细菌抗生素靶点，已经准备进临床了。你看，真的能落地的东西，从来都不是吹出来的。别神化AI，也别抱着老黄历不放，找对分工，磨顺配合，才能出真东西。对吧？
从过气的“AI筛药”噱头里，长出真东西
五六年前AI制药风口的时候，多少公司拿着PPT喊“十年出药变三年”，融了大把钱，最后连个进入临床的候选化合物都拿不出来，行业里骂声一片。 这次见的这家创始人，是从药企出来的老药化人，他说之前也试过纯AI筛药，踩过坑。 “那时候AI就是个摆设，我们给它喂的都是公开数据库里发过的成功数据，失败的数据谁整理？全堆在硬盘里落灰，AI学的都是别人走通的路，怎么可能找出新靶点？” 后来他们换了思路，不搞全AI研发了，先让团队把过去十五年攒的一万多个失败实验数据全部整理标注，再喂给专门训练的医药大模型，让AI干第一件事：帮我们找，之前我们试错的时候，漏掉了哪些可能的结合位点？ 结果你猜怎么着？AI三天出了12个候选位点，团队挑了三个看起来最合理的进湿实验，两个中了。那是他们找了一年多都没摸到的罕见病靶点。AI辅助新药研发靶点筛选实验室场景
说实话，这事儿牛的不是AI，是分工对了。AI干的是穷举可能性，从一堆杂乱的失败数据里找人类眼睛看不到的规律，人干的是什么？人知道要找什么方向，知道哪些结果是符合基本化学逻辑的，哪些是AI生成的“幻觉”——现在大模型天天瞎编结构，没个懂行的人筛，一百个结果九十九个不能用。
之前多少PPT把AI研发吹成“全自动化无人实验室”，纯属扯蛋。
掰扯清楚：哪些活是人干不了，哪些是AI干不了
那天下午还见了一个自动驾驶团队的研发负责人，聊到Corner Case测试，他给我倒了一肚子苦水。 之前全靠路测，一年烧两个亿，跑几百万公里，遇到的真·极端场景还不到一千个，大部分都是重复的日常路况，什么时候才能测完所有可能？谁也说不准。 现在他们用人机协同的路子，AI生成虚拟测试场景，一周就能造出十万个各种极端情况——雨天轮胎打滑加鬼探头加闯红灯的三轮车，什么离谱的场景都能给你拼出来。那AI干了这个，人干嘛？ 人要干的，是把AI生成的十万个场景筛一遍，哪些是真实道路上真的会发生的，哪些是AI乱拼的根本不可能出现的无意义场景，挑出几千个真有价值的，再拿去训模型。自动驾驶人机协同Corner Case测试场景图
不过话说回来，我见过太多团队把协同搞反了。
让AI拍板最终的研发方向，让科学家天天坐那里给AI打标签当工具人，最后肯定搞砸。你品品对吧？
研发最核心的第一步，是提出问题。我要解决什么事儿？我要找什么靶点？我要优化哪个参数？这个事儿，AI干得了吗？AI是总结你喂给它的数据，它不会自己凭空冒出一个“我要治这个罕见病”的需求，更不会判断哪个方向的研究是有商业价值、有临床意义的。这些，从来都是人的活儿。
反过来，那些需要重复计算、穷举组合、试错的脏活累活，人干着又累又慢，还容易出错，交给AI不好吗？一个小分子化合物，可能的结构排列组合几十万种，你让一个化学家一个一个摸，十年都摸不完，AI几个小时就能给你筛出几十个符合要求的，这不香吗？
真正的人机协同研发，从来不是谁替代谁，是各干各擅长的。
人机协同研发最大的坑，根本不是技术，是人
人机协同研发最大的坑，根本不是技术，是人
跑了这么多企业，我发现，绝大多数做不好人机协同研发的，问题都不在买不到好模型，也不是没有算力，是人的问题没理顺。
我听中科院搞新材料研发的一个朋友说，他们所里前两年上AI研发，一开始推不动，为什么？原来的老研究员，手里攒了十几年的实验数据，那都是吃饭的本钱啊，凭什么拿出来给AI训练，给别人做嫁衣？所里一开始也没说清楚，数据贡献了，成果怎么算，利益怎么分，当然没人动。
后来改了规则，用哪个团队的数据训练出来的成果，署名必须带上原数据团队，奖金按比例分，申请专利也共同署名，不到半年，所有人都把攒的硬盘交出来整理了。现在人家已经靠这个方法找到好几个新的电池材料配方了。
还有一个最常见的坑，就是企业管理层被AI风口吹晕了头，觉得AI能省人力，上来就砍研发团队，把原来懂行的老专家都送走，留一堆算法工程师搞研发，最后出来的东西根本没法用。今年年初我就听说，北京有个做新材料的初创公司，去年裁了一半的实验研发人员，全靠AI出方案，结果做了大半年，一个能量产的配方都拿不出来，今年又低头去把原来裁掉的老工程师请回去了。
缺了人，AI就是一堆跑不起来的废代码啊。
现在很多人说人机协同研发的未来是全AI自动化，我看啊，未来十年，甚至更久，最有生命力的研发模式，还是人提方向，AI干脏活，一起出成果。原来研发人员80%的时间都花在计算、整理数据、重复试错上，现在把这些活儿扔给AI，研发人员就能把80%的时间花在想问题、找方向、开创新路径上，这不就是最大的进步吗？
昨天刷新闻，看到国内某团队用AI协同研发找到了新的超级细菌抗生素靶点，已经准备进临床了。你看，真的能落地的东西，从来都不是吹出来的。别神化AI，也别抱着老黄历不放，找对分工，磨顺配合，才能出真东西。对吧？