先说结论

这期播客录制的时机几乎是为话题量身定做的：就在录制前一天，Jeff Dean 宣布离开效力 27 年的谷歌，与 Sanjay Ghemawat、Quoc Le、Oriol Vinyals 三位老搭档共同创立 AI for Science 公司 Discovery Loop。主持人陈倩问得很直接——“一个时代结束了，一个时代开启了，可以这样理解吗？“嘉宾曹原的回应构成了整期节目的第一层信息：谷歌人才流失有其组织逻辑（Gemini 项目"集中力量办大事"带来的优先级挤压），但"谷歌做不好 AI for Science"是言过其实的，因为它仍是唯一拥有从芯片到分发全栈要素的公司；真正重要的信号是，当模型的代码与数学能力在过去两年基本到位之后，把智能释放到科学发现上，成了 AI 发展顺理成章的下一站。

曹原自己的身份是这段叙事的注脚：前 Google DeepMind 资深研究科学家，做模型迭代与后训练出身，如今是 Unreasonable Labs 的联合创始人——一家做"AI 知识创造"的初创公司（节目自称方向与 Discovery Loop 一致）。这场对话最有价值的不是新闻复述，而是他作为从业者给出的三个结构性判断：AI for Science 的瓶颈已经从模型能力转移到验证环节；LLM 在原理上无法产生训练数据之外的新概念，概念抽象可能是 AGI 的最后一公里、甚至不是图灵可计算的；以及科学不应该是 AI 的应用，而应该是驱动 AI 进化的催化剂——“AI and Science"而非"AI for Science”。

为什么是现在：代码和数学到位之后，科学是下一个智能出口

曹原把 AI for Science 的爆发归因于一条清晰的能力递进链：前两年最能体现推理能力的是代码和数学，这两个问题基本解决之后，加上 agent harness（帮 AI 分步完成工作流的外围体系）成熟，AI 才有条件去做更复杂的科学问题。他拆了一个生物实验的闭环：模型先要根据已有观测推理出下一个该跑什么实验（推理能力）；实验出结果后要写代码分析数据是否与预期吻合（代码能力）；发现异常后要回溯假设哪里出了问题并自我迭代（反思与记忆管理）。科学问题比 coding 和 math 更宽、更复杂，所以这些能力必须全部到位——用他的话说，“天时地利人和”。

概念澄清部分也值得记下。曹原区分了三个高频词：AI for Science 和 AI for AI 都是把模型当研究员，区别只是研究对象（科学问题 vs 模型自身，比如让 AI 在限定 GPU 预算下把模型训到最好，自动提proposal、写代码、进沙盒跑实验、拿反馈迭代）；而 RSI（递归自我改进）不是任务而是方法，可以套在前面两者上。这个区分在当下投资人人都喊 RSI 的语境里相当有用。

至于哪些领域先爆发，他给出的分析框架是市场潜力×流程标准化程度×验证难度。生物制药排第一：市场本来就大、流程相对结构化、数据丰富，而且新药开发周期长达数年、成本数亿美元，药厂有最强的付费动力。材料学市场同样巨大但"太碎”——金属材料、稀土、半导体用途各异，价值点分散，很难用标准化方法捕捉。芯片设计、量子计算则还在探索阶段。

一个更根本的判断藏在"信息/物质/能量"的框架里：AI for Math 和 Coding 都停留在信息层面，而科学最终必须走到物质层面做物理实验。“这一步是逃不掉的。“目前迭代最快的只是 in silico（计算模拟）环节，湿实验的自动化（AutoLab、机器人操作员、云端实验室 API）是另一条必须补的腿——节目引用了 GPT-5 与 Ginkgo Bioworks 机器人实验室闭环生成蛋白质配方的案例，以及谷歌与劳伦斯伯克利国家实验室合作的 A-Lab（17 天 353 次实验、41 个目标材料中合成出约 20 个，据称该实验室仍在运行）。

验证是瓶颈，概念抽象是天花板

被问到闭环里最难的是哪一步时，曹原没有犹豫：“verification。它一旦这个瓶颈被打破了，你就可以很快地迭代。“他的极端表述是：如果一分钟能拿到一次物理实验验证，你就能生成无限数据、像训代码一样训科学模型，问题直接解决。现实中的两条出路，一是自动化实验室（标准流程交给机器人，非标准流程等具身智能——“比较久远”），二是提高模型智能本身，把达标所需的实验次数从十次压到一两次。

但比验证更深的天花板是"发现”。他引用了诺贝尔奖得主 Jennifer Doudna 的采访：用 AI 辅助科研时，AI 给出的 proposal 里"没有一个是我们之前不知道的”。当前的 AI for Science 能在既有表征空间里做排列组合式的搜索——AlphaGo 的第 37 手确实是发现，但那是"把现有内在表征重新排列组合”，不是创造新概念。曹原把人类的知识发现拆成三步：感官输入→形成概念（把"推车走"抽象为"力"并符号化为 F）→凝结成公式（F=ma）。其中第二步——概念抽象——是他认为 AI 目前做不到、甚至永远做不到的：“我认为可能是 AGI 的最后的 last mile……甚至都不一定是图灵可计算的。“他的人脑论证是：一个从未在数学上训练过的系统，看到三只鹅、四只鸟、五棵树，能否抽象出"数"这个概念？他很难想象有程序能做到。顺带一提，这也是他怀疑"人脑在最底层并不一定是图灵机"的原因。

这正是 Unreasonable Labs 的创业切入点：LLM 的宇宙由训练数据决定，而按定义，科学发现要找的东西不在现有知识里、不会在训练数据中高频出现。他们的方案是在 LLM 外面加一层符号主义机制——用本体知识图谱把跨领域论文中的概念与推理关系串起来，让模型能采到训练分布之外的小概率组合。他对此的清醒表述是"不能说解决问题，只能缓解弊端”，并判断未来大概是"98% 连接主义 + 2% 符号主义"的混合——事实上现在的 AI for Math 已经是神经-符号结构：LLM 生成证明（连接主义），Lean 形式化验证（纯符号）。主要瓶颈在于平衡创新性与可行性——“让模型创新很容易，随便采样就行，难的是创新且合理”。

AI for Math：从证明稀缺到证明过剩，以及 Lean 的必要性之争

数学部分的信息密度很高。曹原坚持：做"数学家级别"的数学必须走 Lean 形式化路线，自然语言证明在 IMO 竞赛层面够用（知识不深、几页纸能写完、可快速验证），但面对上百页的职业级证明，自然语言无法保证正确性。他讲了 Peter Scholze（转写误作"Peter Shor”；2018 年菲尔兹奖得主）的 Liquid Tensor Experiment：连顶级数学家都无法确信自己的证明对不对，最后靠与合作者把相关定理人工形式化进 Lean、编译通过才确认——“你只能相信逻辑和计算机。“代价是形式化极慢：Scholze 的例子花了大约一两年，谷歌参赛 IMO 时仅转换就超过比赛时限。所以现在并行的两条路线是：把模型训强到复杂问题不再需要形式化，或者加速自然语言↔Lean 的翻译（Axiom、Harmonic 两家数学初创的主战场）。

最有冲击力的是"证明过剩"一段（观点来自陶哲轩的近期演讲，由主持人引入）：数学网站上的悬赏难题下面堆满了几十份 AI 生成的解答，却没有任何人类专家愿意接盘验证。“不是结果正确就一定正确。你需要去理解，然后去评判。“曹原的钢琴比喻很妙：机器人演奏力度时长完美无缺，但你不想听，因为你想听的是钢琴家自发的东西。四色定理是工具性意义与数学价值分离的老例子——结论可用，过程无洞见。

对"人类不能理解的发现是否有意义”，他的答案是"只能有部分意义”。黑盒接受的代价他举了 coding 的例子：AI 写的代码连工程师自己都看不懂，维护成本反升，而 LLM 是随机机器、两次生成不同代码，debug 一轮迭代又把代码搞乱——如果 AI 替代 80% 的经济活动、每件都需要人来验证，“那还不如不让 AI 做”。可解释性与人类介入在现阶段不可省略。

另一段判断与主流叙事相逆：AI 目前做得最好的是演绎推理，但牛顿式发现依赖溯因推理（abductive reasoning）——从苹果落地这个随机事件中想象出一个能泛化的原因。“在任何抽象层面上的智力活动，都是 AGI 的最后一公里。”

三巨头格局与创业窗口：优先级挤压下的机会

对三家的比较，曹原的排序很明确：谷歌布局最早最广最深（Alpha 系列、Co-Scientist），Anthropic 后来居上但仍在探索（Claude Science 平台本质是接了生物化学数据库的工作台，vibe physics、挖角 John Jumper——转写音译为"张昌鹏”——指向生物医疗押注），OpenAI 最激进也最混乱：GPT-Rosalind（转写误作"GPT Rosalyn”，生命科学定制模型）、2027 年全自动 AI Scientist 的公开目标、GPT-5+Ginkgo 的闭环实验，但 AI for Science 负责人 Kevin Weil（转写误作"Kevin Bayel”）今年四五月份离职后，相关努力已并入 Codex，加上 Sora、硬件、企业版多线作战，“优先级有些混乱”。共同点是：三家当前的最高优先级都是 coding 和商业化，AI for Science 是"没人敢落后的战略方向"但短期让位。

这就给新实验室留出了结构性的窗口：大公司的创新者窘境在于一旦挖出明确的商业化路径就不愿换方向。Discovery Loop 之外，今年冒出的一批 knowledge discovery / AI for Science / self-improvement 初创都在赌这个窗口。曹原对商业化时点的判断是分层的：药物开发中间产物（靶点、分子结构）现在就能卖；但"AI 拿诺贝尔奖"级别的成果"至少得二三十年”——因为还得先补齐因果推理、长期记忆、持续学习这些 AI 本身的缺口。他借此重申核心主张：science 不只是 AI 的应用，而是促使 AI 发展的刺激与催化剂；一个能在极难科学问题上做好的模型，在写代码、推理等其他方面也必然更强。AI 是元技术，AI for Science 的终极外溢是"代理 CEO"式的全经济效率提升。

哲学收尾：AI 从业者该多读点哲学、多想大问题

节目的最后一段从技术滑向哲学，而且是全片最连贯的一段思想史映射：经验派（洛克、培根——认知完全来自感官经验）对应 LLM 的预训练范式（随机初始化+万亿 token 经验输入）；唯理派（笛卡尔的先天结构）对应符号主义的先验规则；康德的综合（经验提供材料、先验结构使其有意义）预言了神经-符号混合；黑格尔的辩证自我否定对应持续学习——模型不该是一个参数刻死的 checkpoint。他的结论：“哲学和 AI 讨论的是同一个问题——人怎么认识世界、知识怎么产生——只是不同的镜子照同一个事物。“对从业者的建议是少一点自下而上的工程叙事（transformer 有用、scaling law 没失效、harness 要搞好），多一点自上而下的第一性原理思考：智能是什么、AI 还做不到什么、以及即便 AI 接近人类水平之后，计算还能自动什么。在当下的狂热里，“会产生很多浮躁和肤浅的见解”。

三条可带走的判断链

验证速度决定迭代速度。 模型能力到位后，AI for Science 的边际约束变成"多快能拿到物理世界的反馈”→ 自动化实验室（Ginkgo、A-Lab）与模拟精度的军备竞赛 → 观察指标：AutoLab 成本曲线、具身智能进实验室的进度、以及模型达标所需实验次数的压缩率。对创业者：验证环节的基础设施可能比又一个 hypothesis 生成模型更值钱。

概念抽象是发现的上限，也是创业的切口。 LLM 在原理上采不到训练分布之外的高价值新知 → 外挂符号结构（知识图谱、本体、Lean）成为生成"合理小概率组合"的杠杆 → Unreasonable Labs、Axiom、Harmonic 都在这个"神经+符号"的接口上创业 → 观察指标：AI 生成的假设中"人类不知道的新颖占比”、跨领域论文组合的可验证率。曹原自己也承认此路线不解决问题、只缓解弊端——这是一个坦率的限制条件。

优先级挤压创造窗口。 大厂被 coding 商业化锁死短期优先级 → AI for Science 人才（Jumper、Jeff Dean 系、曹原本人）外溢到初创 → 科学难题反过来成为练出更强模型的道场 → 观察指标：这批新实验室能否先在自家技术栈上自用成功（Discovery Loop 的第一客户是自己的 ML 研发），再外溢到生物、材料。风险提示来自曹原的二三十年时间表：这是一条需要长期资本耐心的赛道。

尾注：转写校正说明

本文章基于本地 ASR 转写撰写，以下专名已结合公开信息校正：曹原（Yuan Cao，前 Google DeepMind 资深研究科学家，注意与麻省理工/伯克利的石墨烯物理学家曹原非同一人）、Unreasonable Labs（转写误作"Unrealism Labs AI"，与 MIT Markus J. Buehler 联合创立，1350 万美元种子轮由 Playground Global 领投）、Kevin Weil（转写误作"Kevin Bayel"）、GPT-Rosalind（转写误作"GPT Rosalyn"）、Axiom（转写疑似"XN AI/XM AI"，另一家为 Harmonic）、Peter Scholze（转写误作"Peter Shor"，2018 年菲尔兹奖得主）、王虹（转写误作"王宏/汪峰"，2026 年菲尔兹奖得主，与邓煜同届，转写"瓜苦猜想"应为挂谷猜想）、Discovery Loop 创始团队（Jeff Dean、Sanjay Ghemawat、Quoc Le、Oriol Vinyals）。A-Lab 的"41 个目标中 20 个"数字与公开报道的 58 选 41 存在出入，文章采用转写原文并标注节目口径。OpenAI Astra（片头新闻导语中转写为"Extra"）解决十道数学难题、Claude 科研版推进黎曼猜想零点下界（41.6%→67.2%）等新闻均出自节目开场导语，为节目转述，未做独立核实。