AI当上科学家的助手，世界科技竞争正在换赛道

1945年，二战刚刚结束。一位名叫范内瓦·布什的美国人向总统递交了一份报告，标题很有诗意——《科学：无尽的前沿》。他提出了一个影响深远的想法：政府应该长期、稳定地出钱支持基础科学研究，因为科学没有边界，今天看起来"没什么用"的学问，可能就是明天的国家实力。此后几十年，美国正是沿着这条路，建起大学实验室、国家实验室和科研基金体系，一步步走到了科技强国的位置。可以说，这份报告不只属于美国，它重新定义了全世界的科技竞争规则。 八十年后，规则好像又要变了。 今年7月，美国发布了《科学：新黄金时代》报告，核心话题只有一个：AI for Science，也就是"让人工智能去做科学"。过去，AI帮我们识别人脸、推荐音乐；现在，它开始帮科学家预测蛋白质结构、筛选新药分子、设计电池材料、模拟气候变化。有人把它称为科学研究的"第四次范式"——从实验观察，到理论推导，再到计算机模拟，如今进入数据与AI驱动的新阶段。 举个让人印象深刻的例子。蛋白质是生命的"零件"，由氨基酸折叠而成，它的立体形状决定了它能做什么。过去，科学家用几十年、耗费大量经费，才勉强解出十几万种蛋白质结构；而人工智能模型出现后，短短几年就预测出了数亿种。这不只是"快"，而是让原本要排队几十年的问题，突然可以同时推进。药物研发、疫苗设计、新材料开发，都因此被按下了加速键。 为什么各国政府这么紧张？因为AI for Science改变的不是某一项技术，而是"科技竞争的底层逻辑"。以前比的是谁的实验室多、经费足、人才多；现在还要比谁的数据多、算力强、模型好，以及谁能把AI和物理、化学、生物真正结合起来。科研的"入场券"变了，领先者的优势还可能被迅速放大——模型越强，越能吸引数据；数据越多，模型越强。这种"滚雪球"效应，让追赶变得更难。 当然，也要看到另一面。AI给出的预测需要实验验证，它可能"一本正经地胡说"；科学数据分散在各国，共享和保密之间存在矛盾；训练和运行大模型消耗的电力，也是一笔不小的账单。更深的追问是：当AI能提出假设、设计实验，科学家的角色会变成什么？是放弃思考，还是专注于提出更好的问题？ 回过头看，1945年那份报告回答的是"国家该不该养科学"；今年的报告回答的是"国家该怎么用AI做科学"。八十年一圈，前沿没有尽头，只是换了风景。 你可能会问：这和我们有什么关系？关系很大。今天的中学生，未来可能是用AI找新材料的人，也可能是判断AI是否可靠的人。理解AI能做什么、不能做什么，和学会使用它一样重要。