科研成果的“加速器”：AI正在重新定义科学发现

那天刷 arXiv，又看到一篇论文，说用 AI 发现了几百种新的二维材料。顺手转给一个搞物理的朋友，他回了个白眼表情，说：“你信吗？我赌这些材料里 90% 在实验室根本合成不出来。”

我愣了一下。然后忍不住笑出声——对啊，什么时候开始，我们变得这么“见怪不怪”了？

大概是从 AlphaFold 开始的吧。2020 年底，DeepMind 放出 AlphaFold2 的时候，我还在读研，隔壁实验室一个做结构生物学的师兄，当场崩溃了。他花了三年半，终于结晶、衍射、解析出一个膜蛋白的结构，还没来得及发论文，AlphaFold2 直接预测出一个几乎一模一样的构象，还比他多了几段柔性环区。他那天晚上在实验室群里发了一段痛哭流涕的表情包，然后说：“这玩意儿出来，我博士是不是白读了？”

说实话，我当时也有点慌。虽然我不做结构，但那种感觉就像是——你辛辛苦苦练了十年刀法，突然有人掏出一把冲锋枪。

AlphaFold预测的蛋白质3D结构示意图与真实晶体结构对比

从“猜”到“算”：结构生物学的暴力革命

从“猜”到“算”：结构生物学的暴力革命

蛋白质折叠问题，困扰了科学界五十年。过去我们靠 X 射线晶体学、冷冻电镜，一个蛋白一个蛋白地“死磕”。现在呢？AlphaFold3 甚至能预测蛋白质与小分子、核酸的相互作用，精度高到制药公司直接拿来筛药。不是说实验不重要了——但游戏规则真的变了。

我特别记得 2021 年，EMBL-EBI 发布了 AlphaFold DB，里面包含了几乎所有已知蛋白质的预测结构。当时整个生物学圈子都在狂欢，但底下也压着一种不安：当工具强大到一定程度，研究者本人的价值在哪里？

后来我想通了——工具越强，越考验问问题的能力。就像隔壁组一个师弟说的：“以前老板总让我们去‘钓’结构，现在省下时间，终于可以好好琢磨生物学机制了。” 嗯，这心态挺好。

发现一堆新材料，然后呢？

除了结构预测，AI 在材料科学里也杀疯了。Google 的 GNoME 系统，用图神经网络一顿跑，宣称发现了 220 万种新晶体结构，相当于人类历史发现总量的好几倍。乍一听，哇哦，材料学的“寒武纪大爆发”。

但仔细想想，背后有个大坑——计算稳定不代表热力学稳定，更不等于合成得出来。哪怕是最近很火的“室温超导”，从 LK-99 到韩国的各种宣称，哪次不是先有计算的“理论支撑”，然后在实验室里扑街？我一个做 DFT 计算的同学苦笑说：“现在投稿，审稿人第一句话就问：你这结构计算过 phonon 稳定性没有？可就算算出来稳定，真烧出来说不定一堆杂质，直接报废。”

高通量实验机器人在自动化材料合成实验室中操作样品

所以啊，很多成果看看就好。AI 给的是一个概率，一条线索。真正让科研落地的，还是那些在实验室里苦哈哈调参数、筛条件的人。不过话说回来，AI 确实把“大海捞针”变成了“池塘捞针”，至少范围缩小了几个数量级。

最近 MIT 有个团队搞了个叫“AI 科学家”的系统，能自动读论文、提假说、写代码做实验，甚至生成报告。我第一反应是：这东西会不会抢我饭碗？ 后来仔细一看，它目前只能做一些简单数据分析型的小课题，真正需要物理直觉和创造性推理的地方，还差得远。不过那股子劲头，已经开始让不少搞计算的人后背发凉了。

科研范式在变，但有些东西变不了

科研范式在变，但有些东西变不了

过去我们做科研，是“假设驱动”：先有个猜想，然后设计实验验证。现在越来越变成“数据驱动”：收集海量数据，扔给模型，挖掘出人类看不出来的模式。这趋势，连诺贝尔奖都认账了——2024 年化学奖给了计算蛋白质设计和 AlphaFold 的研发者，对吧？

但说句真心话，我挺反感那种“AI 将取代科学家”的论调。工具再花哨，你没有好的问题，没有对现实的洞察，它连该跑什么数据都不知道。就像你给一个完全没有生物背景的人 AlphaFold，他最多点点鼠标生成几张漂亮图片，压根看不出里面藏着什么生物学故事。

还有一点——现在的 AI 科研特别容易“灌水”。网上已经有人调侃：arXiv 上每天冒出一堆“人工智能辅助发现 XX 材料”的文章，但大部分就是换个晶体结构跑一遍算法，连像样的后处理分析都没有。这种“科研成果”，发出来也就是个数字，过两个月自己都忘了。

所以啊，真正的挑战不是 AI 太强，而是我们能不能守住科研的品味。不要因为模型吐出一个“高产”的结果就轻易高潮，该做的验证一个都不能少，该有的怀疑精神必须焊死在脑子里。

有时候我会想起初中学的一篇课文，丁肇中讲他做实验的几条经验：“不要盲从专家的结论，不要怕自相矛盾。” 放到今天特别合适——AI 可以帮你“发现”，但“证实”这条路，还得人一步一步走。

最后忍不住吐槽一句：现在做 AI for Science 的，融资的时候都爱画大饼，说“颠覆制药”“彻底改变材料研发”。可你问他真正落地了哪个药、哪个材料，他又支支吾吾。科学，毕竟不是 PPT。

不过，虽然嘴上这么说，我还是乖乖学会了用几个 AI 工具。毕竟——谁能拒绝一个帮你两天跑完两千组实验的助手呢？只是记得，别把工具当成神，它连为什么选这个参数都解释不清。