3小时17人！2050学习节AGI for Science专场：青年学者激辩AI的物理边界与认识论革命

导语：三小时十七人，一场高密度思想碰撞。2050学习节AGI4Science专场汇聚青年学者，探讨AI如何重塑科学发现。

导语：一张正在生长的科学地图

杭州云栖小镇，每年四月的最后一个周末，由阿里云创始人王坚博士发起的2050大会如约而至。这里没有传统会议的“主办方—嘉宾”结构，只有一个由自愿者驱动、年青人自由发起活动的开放场域。在第八届2050大会上，2050学习节“AGI 4 Science”专场成为三天里信息密度最高的焦点——三个小时，十七位青年学者，每人只有十分钟。召集人王婷坦言，如此高密度编排是为了让更多正在前沿摸索的青年学者“上得了台”。专场主题“生长中的AGI 4 Science：全景、边界、未来”被拆解为三幕——“落地前沿”“AI作为伙伴”“未来去向何处”，意在呈现一张“正在生长的科学地图”，而非一份既定结论的总结陈词。本文按三幕结构，凝练十七场演讲的核心洞见，记录一场横跨核聚变、芯片设计、合成化学、神经科学与社会科学的跨界碰撞。

幕前开场：科学发现的速度将由AI的能力边界决定

上海人工智能实验室项目经理人办公室负责人于晓轶为全场拉开坐标系。他直截了当地指出：科学发现的速度，接下来将由AI的能力边界决定，但当前多数AI仍是“专才式”的黑箱拟合器，给不出“为什么”，更无法涉足交叉学科。他认为AI4S落地必须同步完成三件任务：其一，将AI4S作为大模型推理能力的终极考场，在稀疏数据、长周期反馈与爆炸性搜索空间中实现超长程推理与持续进化；其二，实现干湿闭环，让AI直接输出产业可用物，压缩反馈周期；其三，革新科研组织范式，引入PMO机制作为问题识别与翻译引擎。“问题库才是我们真正在建设的护城河”，这句断言为整场专场奠定了基调。

第一幕：落地前沿——跨越模拟与真实的鸿沟

第一幕集中呈现了AI4S从论文阶段进入硬科技阶段的临界点。七个报告横跨可控核聚变、流体模拟、芯片电镀、芯片设计、化学实验室、细胞影像和生物企业田野实验，领域看似分散，却共享一个核心难题：试错成本极其高昂。一次等离子体实验代价高昂，一次芯片流片耗时数月，一次化学合成可能毫无结果。

吴泰霖（西湖大学）：核聚变的AI加速与多智能体工程师

西湖大学特聘研究员吴泰霖以《流浪地球》中的行星发动机切入可控核聚变的硬核叙事。他将可控核聚变定义为“国运级别”的工程，并指向2027年这一关键节点——多个聚变装置有望实现Q＞1（输出能量大于输入能量）。AI切入聚变的路径被他拆解为三层：仿真侧，利用生成式模型处理等离子体多尺度多物理场耦合；控制侧，基于共形预测开发可证明安全的控制方法；装置设计侧，进行仿星器优化与AI原生诊断。更具想象力的是他展示的“多智能体AI工程师”——只需输入一句功能描述，系统即可在纯文本反馈下自动化建造火箭。

姜若曦（复旦大学/上智院）：生成与表征的二元一体，破解流体模拟长期稳定性

复旦大学助理教授、上海科学智能研究院AI科学家姜若曦提出“生成模型与表征学习的二元一体”——AI既要会“画”世界，也要会“看懂”世界，用表征打开AI黑盒。针对传统去噪模型的局部加权平均问题，她与团队开发了Nested Diffusion Models（CVPR 2026）；面向流体模拟的长期稳定性难题，进一步提出了Hierarchical Implicit Neural Emulator（NeurIPS 2025），受经典数值ODE求解器启发，通过层级隐式表征预测未来状态。在Navier-Stokes方程的二维平面实验中，该方法展现出显著的长期稳定性优势。她展望了CFD工业落地、基于表征隐空间的科学发现以及医学图像与物质生成等方向。

杨晓晖（厦门大学）：AI过滤器让芯片电镀配方筛选命中率从2%跃至60%

厦门大学化学副教授杨晓晖的反问直击要害：“为什么高端芯片里有些问题不能只靠实验？”他将芯片电子电镀描述为涉及分子、微孔到晶圆三个尺度的耦合问题，公开配方像菜谱，商业配方却依赖数十年试错积累。AI在这里的角色并非替代实验，而是充当“过滤器”——先排除95%走不通的路，再让实验去验证剩下的5%。他给出的数据极具说服力：传统方式命中率仅2%，AI辅助后接近60%；研发周期从一年压缩到两个月。同时他也抛出值得讨论的问题：模拟和真实之间的鸿沟、实验室到产线的最后一公里、下一代芯片结构等。

邵雷来（上海交大）：芯片设计的最后底线——从“会优化”到“敢tape-out”

上海交通大学长聘副教授邵雷来聚焦AI走进芯片设计核心的距离。他指出芯片设计是AI的理想战场——数据丰富、反馈闭环、评估标准明确，比许多知识工作更容易形成“闭环Agent”。AI的演进路径已从单点优化走向跨流程智能协同，EDA正在从工具变成“智能同事”。但最大瓶颈不在模型本身，而在“最后一公里”：从“会优化”到“敢tape-out”之间，隔着制造约束、工艺偏差和工程信任。他描述的未来方向是Harness Engineering，让EDA成为一个可对话、可自治的操作系统，LLM必须理解制造约束才能生成真正可用的版图。未来若想按需求实时生成ASIC，Agent必须真正接入“物理世界”。

徐丽成（上智院）：用Agent消除合成化学的“算力壁垒”

上海科学智能研究院研究员徐丽成指出，物质科学领域AI的重大突破——从AlphaFold 3到GNoME——几乎都集中在分子的“设计”，而忽略了分子的“合成”。合成化学面临海量条件组合的优化难题，更关键的障碍是“领域与算力壁垒”：实验科学家因缺乏编程经验与算力资源，难以直接使用先进AI模型。徐丽成团队构建的开源工具矩阵与Agent系统试图消除这些壁垒，构建干湿实验闭环，让实验科学家通过自然语言调用模型，专注于科学发现。

董振（西湖大学）：膨胀空间蛋白质组学，走向人工智能虚拟细胞

西湖大学助理研究员董振分享了一项受尿不湿启发的组织膨胀技术——通过吸水膨胀将生物样本物理放大，突破光学显微镜的分辨率极限，获取从组织到亚细胞的多尺度空间结构数据。在此基础上，团队开发了膨胀空间蛋白质组学方法，将物理放大后的生物数据输入HetuNet等AI模型进行分析，其推理过程“像在解数独”。这条路径的最终目标是从膨胀空间蛋白质组学走向“人工智能虚拟细胞”，为先理解细胞物理结构，再进入数字建模提供了独特视角。

张骥（锦波生物）：AI转型是一场管理革命

锦波生物首席AI架构师张骥提供了产业纵深切片。锦波用18年完成了重组人源化胶原蛋白的原始创新，AI转型时提出了一个简洁公式：AI = BI（数据治理）+ BP（躬身入局）。他强调“智能化不只是技术革命，本质上是一场管理革命”。身处太原，人才供给的匮乏给这场革命带来了远超预期的复杂度，张骥选择在当地高校开设AI课程，从源头培养适配人才。锦波的实践已带来可量化的研发周期缩短，他最后以“科技创新不是为了展示酷炫，而是为了守护生命的温度”收束，呼应了落地前沿的真实困境与温度。

第二幕：AI作为伙伴——能力与边界之所在

第二幕从硬科技转向人文与社科思考，讨论AI能力上限的同时，也追问其“底线”。真正的伙伴不是全能助手，而是明确自己边界在哪里的同行者。

方榯楷（浙大）：一人公司的隐忧——当思考按Token定价

浙江大学百人计划研究员方榯楷以“如果一个人能做一个团队的事，世界会变好还是变糟？”叩问OPC（一人公司）的底层逻辑。他展示了R&D-Agent在75场Kaggle竞赛和量化交易中的亮眼表现，并将方法论提炼为“推理即优化”——推理类比梯度优化、记忆类比动量、并行trace类比分布式SGD。但论述迅速从效率乐观转向结构警惕：当思考按Token定价，知识创造将跟随资本流动；先发者的GoME优势随模型代际升级指数放大；“个体赋能的总和≠所有人变强，可能只是资本决定胜负的新一轮竞争”。他特别强调，技术发展必须考虑生产关系，避免人类在AI时代被异化为工具。

马煜曦（北大）：AI作为社会科学的新显微镜

北京大学人工智能研究院博士生马煜曦以“何以为人”的古典追问开篇，展示AI作为“新显微镜”的双重角色：作为物镜，词嵌入技术使分析200万篇《人民日报》的70年话语变迁成为可能，大规模文本分析替代了传统文献考据；作为目镜，AI迫使研究者直面“分布式创造力”“机器责任制”等从未存在过的本体论命题。她特别展示了AI模拟进化创造性思维的过程——当AI负责穷尽变异的可能，人类便进化为审美的终审法官，这种“人际共创”的框架增添了人文维度的伙伴想象。

胡舒悦（上智院）：大规模实证——LLM建议优于人类建议

上海人工智能实验室青年科学家胡舒悦带来了一项严谨的实证研究：1000名参与者面对10000条来自Reddit的真实生活决策困境，在匿名条件下一致偏好LLM生成的建议而非人类建议。研究覆盖人际关系、情感挑战、职业发展与教育选择等主题，SEP框架下的评估显示LLM建议被认为合理、有帮助且令人满意。更引人注目的是，2-4周后的追踪显示，参与者的认知清晰度提升和负面情绪降低得以维持。她据此论证：以技术普惠推动AI平权，可以让每个人无论出身、资源还是起点，都更有机会做出好选择。

刘奕好（清华）：多智能体是不是泡沫？三条路线与一个真相

清华大学在读博士刘奕好（即将加入腾讯混元）直指多智能体“是不是另一个泡沫？”她没有简单否定，而是给出了系统化辨析框架。当前主流产品已形成三条路线：Swarm-first（水平扩展）、Context-first（干净上下文）、Execution-first（可执行状态）。她指出，在单智能体足够强大的今天，多智能体真正的价值在于“知识复用”，判断标准是context/search/feedback/memory能否转化为净收益。一个agent的发现可以成为另一个agent的起点；agent不是越多越好，得到良好组织的系统才是多智能体的本质。

温力成（上智院）：为什么AI造不出一架飞机？

上海人工智能实验室研究员温力成以一道反常识的质问开启第二幕终章：“学了全互联网的AI，为什么造不出一架飞机？”他揭示最前沿的Agent在“上班”场景中表现糟糕：分不清任务轻重缓急、不会主动追问模糊信息、做不到持续学习。他将工业壁垒拆解为三道：专业知识壁垒、闭源工业软件壁垒、物理约束壁垒。团队推出的Assemble-Agent工业智能引擎和27B工业基座模型试图逐个击破，但他的结论为“AI作为伙伴”划出一道清晰禁区：没有物理反馈闭环的AI，在重工业面前仍是纸上谈兵的实习生。

第三幕：未来去向何处——认识论层面的范式叩问

时间接近正午，五云厅门口人头攒动，第二幕对能力边界的务实讨论在第三幕被推向认识论层面——当组织形式已臻成熟，AI能否在没有人类导师的情况下独立完成范式转换？

杜伟韬（阿里达摩院）：AI能否在1900年推导出狭义相对论？

阿里达摩院算法专家杜伟韬的分享是一场精心设计的思想实验：“Agentic AI能否在1900年‘独立’推导出狭义相对论？”他将1900年的物理困境翻译为现代AI术语：牛顿力学的绝对时空观是“陈旧的缓存协议”，迈克尔逊-莫雷实验是“无法命中旧缓存的异常Query”。他们开发的Aletheia系统能在未知逻辑空间中通过强化学习生成长链条推理，展示了AI在跨领域联想上的潜力。但他也揭示深层软肋：AI缺乏审美与品味，例如对冗余实体的天生厌恶，奥卡姆剃刀“如无必要勿增实体”的原则难以形式化为奖励函数。

陶兆巍（上智院）：数学史上的三条线索如何收束为闭环

上智院AI科学家陶兆巍以数学史的长镜头审视AI for Science的演化。他将数学研究划分为三条线索——Reliable（严谨证明）、Experimental（实验探索）、Agentic（自主代理）——并展示它们如何穿越纸笔时代、电脑时代，最终在AI时代收束。一个关键洞察来自他对“严谨”的反思：四色定理和有限单群分类的证明已长到“原则上的严谨性开始与个人可完整持有的理解脱钩”。Lean+Agent正在把证明从文本变成“可组合的接口”。AlphaEvolve、PackingStar、EinsteinArena等系统标志着从数值枚举走向结构探索。他的判断是：AI时代三条线第一次可以被编排成闭环系统——Reliable提供终点，Experimental提供来源，Agentic提供驱动。

刘凯（宁德时代）：从神经科学到AI Scientist的五个转变

宁德时代首席AI科学家刘凯为第三幕注入神经科学的底层视角。他指出一个常被忽视的事实：DeepMind的Hassabis和Anthropic的Botvinick的核心背景都是神经科学。现代深度学习从McCulloch-Pitts神经元模型到Hebbian学习，从CNN的局部感受野到ResNet的skip connection，都能在神经系统中找到对应。他展示了果蝇全脑连接组（13万神经元、5000万突触）的映射进展，以及从中催生的类脑智能方向——模型以微分方程系统模拟动态神经网络。刘凯提出了五个递进式转变，最终指向“AI Scientist”：人工智能将不再只是辅助人类，而是参与提出问题、形成理论、推动科学突破。他强调，“这一阶段的AGI研究又可以考虑一拨neuroscience inspired AI方案”。

刘圣超（港中文）：AI4S需要第一性原理，而非排列组合

香港中文大学助理教授刘圣超以尖锐诊断收束全场。他直言当前AI4S领域的知识传递系统在逻辑上失效——“这不叫学科，这叫集体迷路”。科学主导派认为AI只是加速器，AI主导派认为科学范式正在被AI重构，但在他看来，二者差异源于时间尺度的不同：短期看，当前主流的AI/LLM可解决部分科学问题；长期看，它们还无法解决bottleneck问题。他用“无限猴子定理”隐喻无第一性原理的AI，如同随机打字的猴子。他批判大量研究沦为“排列组合”，试图走捷径套用现有图像或语言模型；AI4S应该有更本质、从第一性原理出发的框架，逐步构建独立学科。他在分享最后抛出深刻提问：如何奠定AI for Science的规则与边界？这场三小时的专场以此悬而未决的提问画上句号。

结语：悬而未决的问题库，仍在生长的版图

专场结束后，年轻讲者们移步至会场外继续交流，在天幕下分享学术工作与忧虑，也许下2050年的愿望。这场高密度专场的背景，是“2050学习节”连续三年践行的一条理念：让学习从功利和KPI里走出来，回归兴趣与热爱。学习节由王婷与Datawhale的范晶晶、庄表伟和王志军在2023年联合召集，源于一次有趣的追问：“既然淘宝可以为购物造一个双十一狂欢节，为什么学习者不能拥有属于自己的节日？”今年第三届的主轴是“人和组织·构建AI+X生态”，三日十一场论坛在云栖小镇同时铺开，涵盖AI+高校教育、AI游戏、AI+心理、意识之桥、AI+OPC、AI+医疗等议题。

正如于晓轶在开场所言，“问题库是我们真正在建设的护城河”。此时此刻，问题库仍在扩大，护城河仍似溪流，真正属于AI4S时代的第一代毕业生还在路上。而那些悬而未决的节点，正构成了持续跟踪的价值。一张仍在生长的科学地图，已足够让人期待。