出品 | 網(wǎng)易科技態(tài)度AGI欄目

作者 | 袁寧

編輯 | 丁廣勝

如果說大語言模型是語言的造夢人，那 AI for Science 更像是現(xiàn)實世界的建構(gòu)者。

前者讓 AI 能寫詩、畫圖、編程，但它畢竟只活在數(shù)字世界里；后者卻試圖讓 AI 學會物理定律、化學反應(yīng)、分子結(jié)構(gòu)——它想讓 AI 理解世界是如何運轉(zhuǎn)的，并親自參與其中。

“你讓大語言模型生成一個圖片，它可能會畫出一只三條腿的貓；讓它理解一個瓶子摔到地上的反應(yīng)，它卻分不清是摔碎還是彈起來。這是因為它不懂物理規(guī)律，AI for Science 試圖補足的正是這部分。”

深勢科技合伙人、AI算法負責人柯國霖告訴《網(wǎng)易科技態(tài)度 AGI》。在他看來，想要真正實現(xiàn)AGI，必然要走出數(shù)字世界，理解物理世界，那 AI for Science 是必不可少的道路。

2024年 GTC 大會上，黃仁勛提到 AI 領(lǐng)域的三個關(guān)鍵方向：大語言模型、具身智能，以及AI for Science。

相比前兩者的熱度，AI for Science 或許聽上去冷門得多。但實際上，它正悄然成為全球科學界的戰(zhàn)略高地。

一個直觀的例子是，過去一個訓練成熟的博士研究生在整個課業(yè)生涯，利用冷凍電鏡等昂貴的科學儀器，可能也只能解出幾個蛋白質(zhì)的結(jié)果。而 Google DeepMind 團隊提出的 AlphaFold 算法，可以在GPU上快速預測一個新蛋白的結(jié)構(gòu)。

2024年諾貝爾化學獎頒給 AlphaFold 和 AI 蛋白質(zhì)設(shè)計團隊，也標志著 AI 不再是實驗室里的邊角角色，而是站到了科學發(fā)現(xiàn)的中央。“解放的是科學家的重復勞動，他們可以把時間投入到更核心的科研問題上去。”柯國霖表示。

在這場范式轉(zhuǎn)移中，深勢科技走在前列，是中國 AI for Science 領(lǐng)域的代表性公司之一。

深勢宇知大模型矩陣

這家成立于2018年的公司，構(gòu)建了一套完整的 AI for Science 科學大模型體系“深勢宇知”，并以“微尺度工業(yè)設(shè)計與仿真”為切口，開發(fā)了自動化設(shè)計系統(tǒng)，打通了分子模擬、蛋白結(jié)構(gòu)預測、藥物篩選、材料計算等鏈條，還在此基礎(chǔ)上開發(fā)了科研平臺“玻爾?科研空間站”，構(gòu)建了一整套微尺度工業(yè)基礎(chǔ)設(shè)施。

作為深勢科技的技術(shù)合伙人，柯國霖曾在微軟亞洲研究院工作多年，論文被引用超過22,000次，他開發(fā)了知名的機器學習工具LightGBM，并連續(xù)多年入選全球前2% 頂尖科學家榜單。今年3月底，他和合作者發(fā)布了首個通過自回歸預測下一 token 的模式，將3D 結(jié)構(gòu)的生成與理解統(tǒng)一起來的框架 Uni-3DAR。

在與網(wǎng)易科技的對談中，柯國霖對AI能做到什么、還做不到什么，有著克制而冷靜的判斷。他說：“如果去暢想很久的未來，不考慮任何限制的話，那AI必然是可以實現(xiàn)一切。但更關(guān)鍵的是它在中短期會發(fā)展成什么樣子，我們在有生之年能見到的未來會是怎樣。”

整場談話涉及了以ChatGPT、Deepseek為代表的大語言模型與AI for Science的差異，AI for Science 領(lǐng)域正在做什么事情、深勢科技的方向選擇，AI for Science給科學界帶來的改變，以及未來科技的發(fā)展方向……

柯國霖表示：“對普通人來說，AI for Science 或許看起來還很遠，但其實很近。你日常生活用到各類產(chǎn)品，小到手機屏幕，大到汽車電池，背后其實都有AI for Science的功勞。”

這場對話讓網(wǎng)易科技態(tài)度AGI意識到，AI for Science 可能并不等于“在科學研究過程中使用一些 AI 技術(shù)”。在柯國霖理性又克制的回答中，我們看到了這個領(lǐng)域的真實狀態(tài)——它不依賴想象力驅(qū)動，而是在真實世界的摩擦中前行。

以下為深勢科技的合伙人、AI算法負責人柯國霖與《網(wǎng)易科技態(tài)度AGI》的交流，內(nèi)容經(jīng)不改變原意的編輯。

今天的大語言模型，還是以數(shù)字世界為主

網(wǎng)易科技：AI for Science領(lǐng)域的大模型和我們熟悉的大模型有什么區(qū)別？

柯國霖：這個區(qū)別還是很明顯的，大語言模型是對人類智能的擬合，而AI for Science大模型是對物理客觀世界的建模。

人是自然界最聰明的物種，而語言是人類智能的體現(xiàn)，大語言模型試圖通過語言來擬合人類智能。然而，雖然人類文明已經(jīng)高度發(fā)展，但對于我們生存的物理客觀世界，還存在著大量的未知。即便想把已知的規(guī)律應(yīng)用起來，也需要復雜且耗時的計算模擬，難以用在實際場景。

AI for Science 大模型的核心就是要解決這個問題，實現(xiàn)關(guān)于物理世界更精確也更高效的建模，以用于加速科學研究。

例如說，我們之前做的蛋白質(zhì)、分子動力學、晶體材料等各類模型，本質(zhì)上都是在用機器學習模型來刻畫微觀原子尺度的物理規(guī)律。借助這些模型，我們可以加速新藥物或新材料的篩選與設(shè)計，從而輔助科學研究。

我們常說人與自然。這兩類模型也分別是對人和自然世界的模擬。它們是兩條不同的發(fā)展路徑，但也有很多人在嘗試將它們結(jié)合起來。

網(wǎng)易科技：觀察到我們發(fā)布Uni-3DAR之前已經(jīng)發(fā)布了近上百個模型，Uni-3DAR和深勢科技此前的模型有什么區(qū)別？為什么會做這么多模型？

柯國霖：我們過去確實做了很多不同的模型，主要原因是，科學研究本身已高度分工，它們使用的方法和手段也各不相同，即便在同個學科下的細分領(lǐng)域也可能差異很大。

我們剛開始做AI for Science的時候，首先還是聚焦于一些關(guān)鍵問題和核心場景，根據(jù)它們的實際需求進行建模。這時候場景可能不算多，主要還是蛋白還有小分子。但慢慢隨著我們深入，發(fā)現(xiàn)每個場景的差異挺大，需要自己的模型，但按這種大量小模型的思路去做是無窮無盡的。

因此，我們其實很早就把大模型的思路用起來了，我們在22年提出的Uni-Mol，也是第一個小分子領(lǐng)域的通用大模型，后面還有 DPA，Uni-RNA等等。它們都在一個相對比較大的范圍內(nèi)，實現(xiàn)了數(shù)據(jù)和任務(wù)的統(tǒng)一。最近的Uni-3DAR，是我們野心更大的一個模型：我們能不能更進一步，把所有三維結(jié)構(gòu)，包括微觀和宏觀的，都統(tǒng)一到一個模型下？

網(wǎng)易科技：Uni-3DAR 有什么獨特性呢？它帶來的統(tǒng)一意味著什么？

柯國霖：Uni-3DAR 實現(xiàn)了幾個層面的統(tǒng)一。

首先是上面說的跨尺度的三維結(jié)構(gòu)的統(tǒng)一，它不僅可以用在微觀的三維結(jié)構(gòu)，如蛋白小分子晶體，還有宏觀的三維形狀等等。通過它我們可以建模所有的三維結(jié)構(gòu)，而不需要每個數(shù)據(jù)類型專門開發(fā)一個新的模型。

然后是任務(wù)的統(tǒng)一。任務(wù)通常可以分為兩大類：生成任務(wù)和理解任務(wù)。

生成任務(wù)是根據(jù)已有數(shù)據(jù)的分布生成新數(shù)據(jù)，比如圖像生成、文本生成等。在科研場景下，我們也需要生成新分子、新材料，例如給定一個蛋白質(zhì)，生成一個可以與之結(jié)合的分子。

理解任務(wù)則是對已有數(shù)據(jù)進行分析，比如分類或回歸。常見的例子包括圖像檢測或分割，或者預測某個分子的毒性、溶解度、吸收性等。

物理學家費曼有個經(jīng)典名言：What I cannot create, I do not understand。這個名言很好闡釋了生成和理解統(tǒng)一的必要性。我們在AI領(lǐng)域確實也發(fā)現(xiàn)了這樣的現(xiàn)象：如果不把生成與理解統(tǒng)一建模，模型的scaling law會被限制。

我要講的這個例子，從業(yè)人員應(yīng)都很熟悉，就是關(guān)于BERT和GPT的歷史。

它們是語言模型的兩個流派：BERT以理解能力為主；GPT以生成能力為主。其實GPT-1比BERT還要更早出來一會，但在那個時候，因為大家都更關(guān)注理解任務(wù)，也更容易用客觀指標來評價理解能力，所以BERT受到的關(guān)注要大很多，很多做大模型的都以BERT為主。

但是，當我們嘗試擴大模型參數(shù)（例如達到十億參數(shù)）時，BERT 的理解能力開始遇到瓶頸，沒有展示出很好的scaling law。而 GPT 雖然早期理解能力不如 BERT，但隨著模型規(guī)模的擴大，它的理解能力也逐漸超過了 BERT，并具備極強的生成能力。后面的故事大家也知道了，ChatGPT這類生成式的方法成為了主流。

這也給了我們啟發(fā)，我們的Uni-3DAR，也是以生成能力為主，將理解任務(wù)和生成任務(wù)統(tǒng)一到一個生成式建模的框架中。

網(wǎng)易科技：大語言模型發(fā)展中的技術(shù)路徑可以遷移到 AI for Science 領(lǐng)域的大模型中嗎？

柯國霖：嚴格來說，大語言模型的技術(shù)路徑并不能完全照搬過來，因為它們處理的對象差異較大，但其中很多思路是可以共通的，比如我們剛剛提到的理解與生成的統(tǒng)一。我接下來要說的Uni-3DAR實現(xiàn)的第三個統(tǒng)一，多模態(tài)的統(tǒng)一，也是從大語言模型那邊得到的啟發(fā)。

我想說的例子是最近的 GPT-4o ，大家也應(yīng)該都體驗過了，它在圖像生成上的表現(xiàn)比過去強了很多。一個非常關(guān)鍵的進步點在于：GPT-4o 將圖像與文本等模態(tài)真正統(tǒng)一到了同一個模型框架中。

在此之前，大語言模型只能處理文字信息，對于圖像或其他多模態(tài)數(shù)據(jù)，需要額外的獨立模型來處理。

因此，當你想要生成圖片的時候，大模型實際上把你的提示詞輸入給另外的模型，然后生成圖像；如果你想繼續(xù)修改這張圖，它會再過另外的模型，把圖像轉(zhuǎn)成文字，結(jié)合你的修改意圖，再調(diào)用其他模型重新生成一張圖像。

可以看到，這個過程中，所有的操作都需要通過文本來轉(zhuǎn)譯，很多圖像細節(jié)信息在轉(zhuǎn)換中丟失，最終生成的圖像就會出現(xiàn)明顯的不一致——比如你只是想修改一個細節(jié)，結(jié)果模型卻重畫了一整張圖。

而 GPT-4o 的做法通過自回歸的形式，把圖像數(shù)據(jù)和文本數(shù)據(jù)直接輸入到同一個模型中，從而讓模型可以真正“看到”上下文中的原圖細節(jié)，實現(xiàn)更連貫的生成。這種設(shè)計本質(zhì)上是對輸入格式的一種統(tǒng)一，充分發(fā)揮了自回歸模型的能力。

這是自回歸技術(shù)的強大之處：“統(tǒng)一”。前面我們講的是理解與生成的統(tǒng)一，而這里的核心是多模態(tài)的統(tǒng)一。GPT 系列已經(jīng)基本完成了對文本、圖像、音頻、及視頻的整合。

我們在做的 Uni-3DAR，其實也是延續(xù)了這種思路：基于自回歸框架，去實現(xiàn)關(guān)于三維結(jié)構(gòu)的理解、生成，以及多模態(tài)的統(tǒng)一。這樣一來，后續(xù)我們可以非常自然地支持用戶用文本描述輸入需求，甚至輸入其他模態(tài)的信息（比如圖像、分子結(jié)構(gòu)圖等），模型則可以基于這些輸入生成三維結(jié)構(gòu)、微觀物質(zhì)，像是蛋白、小分子、晶體等等。

更進一步，用戶還可以通過自然語言與這些結(jié)構(gòu)進行交互與編輯。這種模型最終的目標，是成為一個能夠理解自然世界的大模型，并且可以和我們的科研模型體系真正融合在一起。

網(wǎng)易科技：你在X上寫道，世界是3D 的，物理定律都植根于3D 空間。如果我們想要一個世界模型，3D 結(jié)構(gòu)建模是必不可少的。這句話怎么理解？你們所做的工作，是否也是走向通用人工智能的重要路徑之一？

柯國霖：是的，我們在做AI for Science大模型，本質(zhì)上是對于物理世界的建模，這是實現(xiàn)通用人工智能的必要一步。

具體來說，要實現(xiàn)AGI，我認為具備三大要素：身體、大腦和世界，并通過它們構(gòu)成一個完整的感知––決策––行動––反饋閉環(huán)。大腦接收來自身體的多模態(tài)信息，進行規(guī)劃和思考；身體承擔感知與執(zhí)行的雙重功能；世界則不斷以物理的因果規(guī)律回饋結(jié)果。正是這種閉環(huán)，使得智能體在“感知–行動–反饋–再感知”的循環(huán)中，持續(xù)修正、積累經(jīng)驗。

人類智能的進化與形成，主要也是因為這個反饋鏈路。最原始的單細胞生物就能感知周圍環(huán)境，趨利避害，以適應(yīng)生存需要。

現(xiàn)在最接近大腦的，或許是大語言模型，但它們還被限制在數(shù)字世界里。它們擅長“文本對齊”——比如文本生成、對話、代碼編寫，能識別一些圖像和視頻信息，甚至可以調(diào)用一些計算工具。它們確實在這些任務(wù)上做得挺好，尤其類似寫代碼的能力。但你也容易發(fā)現(xiàn)，它擅長的這些事情都在數(shù)字世界里容易獲取反饋的。例如說寫代碼，可以容易驗證它的正確性和運行效率。

如果我們想給大語言模型裝個身體，讓它真正在現(xiàn)實的物理世界里進行探索和反饋的迭代，以實現(xiàn)更進一步的智能。說實話，即便我們假設(shè)“身體”的硬件水平?jīng)]問題，想要實現(xiàn)這個目標也還比較遠。

核心的原因在于，物理世界反饋不僅慢，成本也高，無法像在數(shù)字世界里一樣快速閉環(huán)迭代。你可以想想，人類的進化可是花了幾億年。

所以，我們就需要AI for Science了，通過它對于物理世界建模的能力，實現(xiàn)對于物理世界的模擬，提供一個可以快速反饋迭代的虛擬物理世界。這其實也就是大家經(jīng)常說的“世界模型”。

如果我們能構(gòu)建出一個足夠真實、足夠高保真的世界模型，在其中運行模擬的“智能體”，并讓它們學會感知環(huán)境、行動反饋、理解物理規(guī)律，那它們就可以在模擬世界中快速完成學習與迭代。在這個基礎(chǔ)之上，再把所學遷移到真實世界，就像是“左腳踩右腳”一樣，一步步推動模型能力從虛擬走向現(xiàn)實。

網(wǎng)易科技：也就是說，AI for Science可以更好地理解現(xiàn)實世界。雖然深勢現(xiàn)在聚焦的可能是生命科學和物質(zhì)科學這兩個相對微觀的領(lǐng)域，但如果未來繼續(xù)發(fā)展，也有可能擴展到更宏觀的世界？

柯國霖：是的，本質(zhì)上來說，AI for Science就是一整套物理規(guī)律的集合。我們目前專注于微觀層面，主要是因為它在現(xiàn)階段具備更清晰的商業(yè)化路徑，比如新藥研發(fā)、新材料設(shè)計等。

但在更宏觀的方向，很多研究和應(yīng)用其實也在同步進行，比如流體力學建模。像是設(shè)計汽車時，就需要做風阻模擬；再比如火箭發(fā)動機的開發(fā)，也依賴大量的仿真計算。這些都是三維仿真的典型應(yīng)用場景，也是很經(jīng)典的AI for Science的應(yīng)用場景。

除了科學工程領(lǐng)域，在更偏向娛樂或消費技術(shù)的場景中，三維仿真同樣不可或缺。比如在動畫制作、游戲開發(fā)中，需要大量的物理引擎來支撐真實感的表現(xiàn)。過去，這些物理規(guī)則大多是由工程師手動編寫設(shè)定的，例如物體的運動方式、表面反應(yīng)參數(shù)等，依賴大量人工參與和調(diào)試。

而如果我們的世界模型能做到足夠精確和通用，那么這些設(shè)定就不再需要人工一條條寫規(guī)則，而是可以由模型自動完成。這不僅提升效率，還能極大地拓展建模和交互的能力邊界。

深勢想做的是一個真正意義的一站式科研操作系統(tǒng)

網(wǎng)易科技：科學研究本質(zhì)上是探索科學規(guī)律，而作為企業(yè)，我們還要考慮如何將這些研究成果的商業(yè)化應(yīng)用。所以我還想了解一下，深勢科技目前的客戶主要是哪幾類？

柯國霖：我們目前的客戶可以分成兩大類，B端和C端。B端用戶會有比較具體的場景和需求，我們會根據(jù)我們的產(chǎn)品和能力提供服務(wù)。C端用戶主要是直接從事科研工作的科學家群體。這里面包括泛科研人員，比如高校的學生、老師、教授，以及企業(yè)里的研究員。

我們現(xiàn)在主推的是“玻爾?科研空間站”服務(wù)平臺，主要是面向C端用戶。

這個平臺的目標是讓科研人員可以一站式完成一整套科研流程——比如閱讀論文、運行計算模型、調(diào)用實驗?zāi)K，甚至包括儀器設(shè)備及濕實驗的平臺，進一步實現(xiàn)從理論到實踐的閉環(huán)。

這背后有兩個核心支撐。第一個是文獻數(shù)據(jù)庫，我們目前已經(jīng)積累了非常龐大的論文資源，尤其是集中在自然科學方向。第二個是計算工具平臺，可以通過智能體的方式，調(diào)用我們積累的大量Science領(lǐng)域的科學計算和AI模型的工具。

網(wǎng)易科技：提到「玻爾」，我有一個疑問，現(xiàn)在像ChatGPT、DeepSeek這樣的大語言模型現(xiàn)在不是也能直接搜論文嗎？

柯國霖：確實，大模型在檢索和理解文本方面已經(jīng)做得很好，在多模態(tài)數(shù)據(jù)的理解和生成能力也在快速進步，可以處理一些自然圖片、或簡單的表格數(shù)據(jù)等等。但這里面存在一個明顯的“Gap”，特別是在科研場景下。

我們在科研中常見的多模態(tài)數(shù)據(jù)形式，跟自然圖像差異很大。比如：一個分子的結(jié)構(gòu)圖，一個化學反應(yīng)的反應(yīng)式，一張X射線衍射譜，或者某種材料的拉曼光譜圖等等。他們大多也以圖像來表示，但和我們?nèi)粘Ｉa(chǎn)拍攝的“自然圖像”差別很大。這些我們稱之為“科學多模態(tài)”數(shù)據(jù)。

因為現(xiàn)有工具也很難處理好這些科學多模態(tài)數(shù)據(jù)，目前的大語言模型基本上也沒有把他們作為訓練數(shù)據(jù)，所以面對這些專業(yè)信息時，往往無法正確解析或者根本無法識別。

這也是為什么現(xiàn)在的大模型在科學專業(yè)領(lǐng)域，特別是化學、生物等方向，只能提供泛泛的建議或靈感啟發(fā)，比如一些研究思路或?qū)嶒炘O(shè)想，但沒法輸出精確的信息，例如文獻里的化學反應(yīng)的具體產(chǎn)物和產(chǎn)率，或某個靶點的活性值等等。

而我們現(xiàn)在做的事情，尤其是在玻爾平臺上，核心就是解決這一類“科學多模態(tài)”的理解問題。我們有專門的模型訓練和優(yōu)化這個能力，真正讓AI能看懂這些科研多模態(tài)數(shù)據(jù)，為科研人員提供專業(yè)、深入的支持。

網(wǎng)易科技：我了解深勢在B端也有大量合作客戶，我們和他們的合作模式是怎樣的？是通過平臺授權(quán)，還是其他形式？

柯國霖：合作模式其實也比較靈活，用戶類型不同，合作形式也會不同。

一類是SaaS模式，企業(yè)可以直接在線使用我們的平臺功能，比如跑模型、查文獻、做計算等。

但還有一類企業(yè)對數(shù)據(jù)隱私非常敏感，不希望科研數(shù)據(jù)離開自己的內(nèi)網(wǎng)。這種情況下，我們會提供私有化部署，比如將平臺整體打包進一臺一體機，部署在他們的本地環(huán)境中，我們也無法訪問他們的數(shù)據(jù)。

這種模式能滿足企業(yè)對數(shù)據(jù)安全的高要求，同時也確保他們可以用上我們完整的科研計算能力。

網(wǎng)易科技：兩種模式哪個會更多一些？

柯國霖：國內(nèi)客戶更多是私有化部署的形式。

網(wǎng)易科技：從技術(shù)層面來看，深勢科技下一步的重點方向會是什么？

柯國霖：我們更希望往統(tǒng)一的、通用的大模型方向走。比如說我們前面說的Uni-3DAR，目標是統(tǒng)一物理世界里的三維結(jié)構(gòu)。然后對于科學文獻里面的多模態(tài)數(shù)據(jù)，我們也在建設(shè)統(tǒng)一的多模態(tài)模型方案。

我們這兩個方向，也會和現(xiàn)在的大語言模型結(jié)合起來，讓它以多模態(tài)統(tǒng)一的方式，更好理解客觀的物理世界，以及大量的科學文獻。

網(wǎng)易科技：如果只面對科研人員的話，這部分會是一個多大的市場規(guī)模？

柯國霖：這個具體要問我們的商業(yè)化同事了。我可以提供一些數(shù)字，首先是科學家的群體，我們每年有個2%的科學家名單，它從發(fā)表過論文的學者里面，找出前2%，然后今年這個名單大概是20萬人，也就是說，發(fā)表過論文的科學家有千萬的規(guī)模。

如果我們再把學生和企業(yè)的研發(fā)人員算進來，那量級就更大了。隨著生活水平和教育水平的提高，做科研的人也會越來越多。也就是說，這會是一個存量很大，且還在持續(xù)增長的市場。

此外，其實這個領(lǐng)域目前全球范圍內(nèi)參與者還不多。國外像DeepMind、薛定諤（Schr?dinger）等公司都相對垂直，主要集中在生物醫(yī)藥領(lǐng)域。而國內(nèi)在做AI for Science這條完整路徑的企業(yè)更是屈指可數(shù)，大多也專注在垂直方向。像我們這樣以一站式科研平臺為主的公司屈指可數(shù)。

網(wǎng)易科技：而且這部分市場我理解應(yīng)該是一個全球性的機會，因為物理規(guī)律這類基礎(chǔ)科學的東西本身就是通用的。那么深勢和這些國外企業(yè)相比，差異化的優(yōu)勢或者說獨特的價值體現(xiàn)在哪些方面？

柯國霖：是的，這確實是一個全球性的市場，而且現(xiàn)在真正專門做這件事的公司其實非常少。我們和它們最大的不同，是我們的定位不在于去做某一個具體科研方向的突破，而是更像在搭建一個完整的平臺，讓科研工作者能在一個統(tǒng)一的環(huán)境里，把科研流程跑通。

這個定位本身在業(yè)內(nèi)就非常稀缺。現(xiàn)在市面上，可能有的公司專門做文獻閱讀，有的專門提供實驗平臺，有的只做計算模擬。但像我們這樣把這些環(huán)節(jié)整合到一個平臺里，讓用戶可以一站式完成科研全過程的，目前幾乎沒有。

我們的差異在于，我們不和每個垂直環(huán)節(jié)直接競爭，而是把這些工具和能力有機組合在一起，打通為一個完整的科研工作流。用戶只需要進來一次，在我們平臺上就可以讀文獻、跑模擬、調(diào)模型，甚至做實驗。

這樣做的好處就是，一方面提升效率，另一方面減少了用戶在多個平臺之間切換的成本。

從技術(shù)能力上講，我們的路徑也不是簡單調(diào)用已有工具、拼湊服務(wù)，而是很多能力都是自己一點點做出來的。

比如我們在科研領(lǐng)域很關(guān)鍵的“科學多模態(tài)理解”上，其實是很早就開始投入的，這不只是看圖識字那么簡單，它包括像化學分子的結(jié)構(gòu)圖、反應(yīng)路徑、各種復雜的譜圖等等，這些都是大模型默認不會的數(shù)據(jù)格式。但我們從2023年就開始專門做這一塊，積累了大量標注數(shù)據(jù)，也建立起了比較深的技術(shù)護城河。

再加上我們早期做出的一些自研模型，在業(yè)內(nèi)已經(jīng)有一定的認知度，很多用戶上來就可以直接用，非常方便。所以我們的優(yōu)勢不只是“功能多”，更在于這些能力是深度集成在一起的，而且是真正面向科研痛點來設(shè)計的。

你可以理解為，其他公司可能在做單點突破，而我們想做的是一個真正意義上的一站式科研操作系統(tǒng)。

網(wǎng)易科技：我們今年的一個重點是什么？

柯國霖：今年的話，我們還是希望能多拓展一些C端用戶。因為對我們來說，這部分用戶除了是重要的使用群體之外，其實也構(gòu)成了一個非常寶貴的產(chǎn)品反饋機制。

你做產(chǎn)品，最怕的是沒人用、沒有反饋。但我們現(xiàn)在的情況是，每天首頁的提問框都有幾萬到十幾萬個問題涌進來，源源不斷。這個數(shù)據(jù)量不僅說明了活躍度，也讓我們能快速捕捉用戶真實的科研需求，及時調(diào)整方向，迭代產(chǎn)品。

目前，我們的波爾平臺注冊用戶已經(jīng)突破了70萬。對于一個偏科研的工具平臺來說，這個體量其實非常可觀了。

每天一睜眼就有幾萬人在上面提科研相關(guān)的問題、交流研究思路，這種活躍度，在整個科研產(chǎn)品領(lǐng)域其實是很少見的。我們也希望通過這種高頻的用戶互動，持續(xù)打磨出更貼合一線科研場景的功能，把這個平臺真正做成科研人員離不開的工作入口。

AI for Science落地后帶給普通人的是更直接的影響

網(wǎng)易科技：談到AI for Science，可能更多人理解是在科學研究過程中使用一些 AI 技術(shù)，在你看來AI 對科研的改變，是如何體現(xiàn)出來的？

柯國霖：按我們現(xiàn)在在做的，可以分成兩個層面來看。

一方面，是提升科學家本身的研究效率。這也是我們玻爾平臺最核心要解決的問題，比如說讀文獻、跑計算、做實驗，全流程都可以在平臺上完成。剛剛前面也講了很多，我就不贅述了。

另一方面，其實更深層的是 AI 對科學規(guī)律本身的一種建模能力。科研分很多種，但我們現(xiàn)在關(guān)注的更多是“應(yīng)用型科研”，也就是那些真正能夠落地的，比如說做出一個藥，最終可以真的被用在臨床上的那種。不是純理論推演，不是停留在紙面上的。

但現(xiàn)實是，即便科學理論已經(jīng)發(fā)展了這么多年，實際應(yīng)用科研其實還是非常依賴試錯的。例如說藥物研發(fā)，雖然看著也有一些理論指導，但真要做出來也需要大量的實驗驗證。此外，試出來有效的東西，我們也很難完全理解它為什么有效。副作用也好，機制也好，理解和解釋都是滯后的。

所以在這種模式下，我們現(xiàn)在的應(yīng)用科研流程其實特別像一個漏斗。從大量的可能性開始，一層層篩，越往后成本越高，準確度也越高，但能試的數(shù)量就越少。比如說你想測試一個新藥，傳統(tǒng)流程可能要一一合成、拿動物做實驗，甚至進入人體試驗，每一步都要花很大的錢和時間。所以為了節(jié)約成本，大家慢慢在前面加一些新的流程，比如說用細胞實驗、分子屬性檢測，再往前的話，就類似用計算模擬的方法。

AI 在這里的作用，就是在這個漏斗的前半段慢慢切進去，逐漸加速或替代原來的環(huán)節(jié)。因為越靠近漏斗前端，數(shù)據(jù)越多，模型效果越好，AI起到的效果會越明顯。隨著數(shù)據(jù)積累，AI 的作用會逐步往后拓展，向更接近真實實驗的環(huán)節(jié)靠近。

你像 AlphaFold 就是個很典型的例子，它成功的主要原因也是數(shù)據(jù)---用了大量科學家?guī)资攴e累的幾十萬條蛋白實驗數(shù)據(jù)，才能把結(jié)構(gòu)預測做到幾乎接近實驗精度。

但不是所有方向都像蛋白這樣，已經(jīng)積累了大量的數(shù)據(jù)。所以 AI 對應(yīng)用科研的加速不會是一蹴而就的，需要結(jié)合實際的情況，不斷地往前推進。

網(wǎng)易科技：可以再舉一些更具體的例子嗎？

柯國霖：其實最典型的例子還是 AlphaFold。這個例子很多人應(yīng)該都聽過，它背后的突破非常有代表性。

比如說在 AlphaFold 出現(xiàn)之前，很多博士生其實都在做蛋白結(jié)構(gòu)解析的工作。這個過程非常復雜，首先要把蛋白質(zhì)先合出來，然后還要做分離純化、結(jié)晶，整個過程非常耗時耗力，也有失敗的可能性。它需要的設(shè)備也比較昂貴，一臺冷凍電鏡設(shè)備動輒上千萬甚至上億。

在過去，一個訓練成熟的博士研究生，要順利完成一次蛋白結(jié)構(gòu)的解析，快的也要一兩年，慢的甚至四五年。這還只是“解一個蛋白”的工作量。你想，一個博士讀下來，可能就只能解出幾個蛋白結(jié)構(gòu)。

但 AlphaFold 出現(xiàn)之后，這種情況發(fā)生了質(zhì)變。AI 的泛化能力非常強，它不是只幫你解決一個具體結(jié)構(gòu)，而是可以推廣到所有蛋白結(jié)構(gòu)的建模。雖然對一些復雜結(jié)構(gòu)可能還是需要人來微調(diào)，但絕大多數(shù)情況下，它已經(jīng)不需要人再逐個去從頭解析了。這是一個真正意義上的效率躍遷。

另一個例子來自我們自己平臺的實踐。比如說我們平臺上支持的一種典型科研流程——藥物研發(fā)中的靶點調(diào)研。以前的做法是，研究員要先把靶點相關(guān)的所有藥物專利都整理出來，然后一個個閱讀、篩選，從中提取出被專利過的分子結(jié)構(gòu)和它們對應(yīng)的活性屬性。這是非常耗時的過程，我們自己內(nèi)部的藥物研發(fā)團隊也做過，通常需要兩三個人全職做上一兩個月。

而現(xiàn)在，用我們波爾平臺的多模態(tài)文獻理解能力，這個過程幾乎可以完全自動化。研究員只需要輸入靶點名稱，平臺就能自動幫你收集所有相關(guān)文獻，自動提取里面藥物的分子信息和活性屬性，自動整理成結(jié)構(gòu)化的數(shù)據(jù)表格，生成一個完整的數(shù)據(jù)庫。

而且這個過程不需要人工干預。等于說，我們通過 AI，把原來需要兩三個人一兩個月做的事情，壓縮成了幾分鐘。這就是我們真正看到的一個落地的變化，解放的是科學家的重復勞動，他們可以把時間投入到更核心的科研問題上去。

網(wǎng)易科技：當AI進入科學研究中，您覺得像科學家為代表的“人”和“技術(shù)”之間應(yīng)該是怎樣的一種關(guān)系？

柯國霖：我覺得可以這樣理解——我們現(xiàn)在用 AI，本質(zhì)上是希望它能幫我們解決問題。但這個“解決問題”的前提，是你已經(jīng)把問題定義得比較清楚了。只要目標明確，AI 的表現(xiàn)往往不錯，甚至可以不斷優(yōu)化，越做越好。

其實在科研里最難的，不是解決問題，而是發(fā)現(xiàn)問題。你得先知道“什么是一個好問題”，哪些問題值得做，哪些方向可能有價值。比如在藥物研發(fā)中，你要能判斷哪個靶點值得投入，這一步判斷本身，是一個高門檻的科研洞察。

而這一塊，AI 目前是很難勝任的。它可以幫你處理已有的問題，但如果你指望它自己去“提出一個新問題”，你會發(fā)現(xiàn)它往往是胡說八道，缺乏邏輯或科學性。

所以我覺得，科學家的核心價值依然是在前端——提出假設(shè)、發(fā)現(xiàn)問題的階段。而這并不是憑空臆想的過程。很多時候，我們是在真實世界的實踐中，通過實驗、觀察，才意識到某些地方“有問題”，或者結(jié)果和預期有差異，從而意識到這里可能存在一個“未知”。這些預期外的異常，才是科研創(chuàng)新的突破口。

但目前的大模型還是停留在數(shù)據(jù)層面，它理解的是已有數(shù)據(jù)的結(jié)構(gòu)和規(guī)律，卻沒法像人一樣，去和物理世界互動、觀察異常、生成洞察。所以它很難真正發(fā)現(xiàn)新問題。未來如果 AI 擁有了“身體”，能感知世界、行動反饋，也許會改變這種局面，但至少現(xiàn)在，還差得遠。

網(wǎng)易科技：在 AI for Science 的推動下，未來科學會朝著什么方向發(fā)展？

柯國霖：做科學，或者說做科學的應(yīng)用，歸根結(jié)底就是為了找到一些真正有用的東西。那 AI 的加入，會讓這件事變得更高效、更系統(tǒng)。

如果去暢想很久的未來，不考慮任何限制的話，那AI必然是可以實現(xiàn)一切，所以很長遠的假設(shè)沒太大意義。更關(guān)鍵的是它在中短期會發(fā)展成什么樣子，我們在有生之年能見到的未來會是怎樣。更具體來說，就是考慮現(xiàn)階段的數(shù)據(jù)、算力、硬件等客觀條件的限制，以及它們在中短期內(nèi)的發(fā)展，我們能實現(xiàn)什么？

在這個限制下，我認為可以實現(xiàn)的是AI for Science的自主智能體。 舉個例子，比如我們想要開發(fā)一種新材料，就在對話框里輸入一句話：“我想要一種又輕又隔熱的材料。”系統(tǒng)就開始自動搜文獻、查數(shù)據(jù)庫、比對已有的研究成果。如果有類似的，它會直接給你合成；如果沒有，它就從零開始設(shè)計，再進入實驗、驗證，最后把結(jié)果反饋給你。

這個過程就像是你身邊有一個“全能科學家”——思路清晰、執(zhí)行力強，而且很能卷，不睡覺不喊累。你只需要告訴它目標，它就能幫你實現(xiàn)。如果我們實現(xiàn)了這個目標，那我們就徹底改變了應(yīng)用科研的研發(fā)范式，它會大幅提高現(xiàn)在各類新物質(zhì)研發(fā)的效率，例如新藥研發(fā)，新材料研發(fā)等等。

當然，要實現(xiàn)這個也還沒那么簡單，它需要智能體能夠在物理世界里做實驗，并獲取反饋。但這個目標也沒那么遙遠，我們已經(jīng)在一些場景上驗證了這個思路的可行性。這里最核心的瓶頸，還是在于跟物理世界進行迭代反饋的效率和質(zhì)量，所以智能化的儀器表證，以及自動化的實驗設(shè)備，都是實現(xiàn)這個目標的關(guān)鍵因素。

如果考慮更短期的未來的話，那就是我們玻爾所提供的平臺功能：更好的文獻理解以及科學工具的智能調(diào)用。這些功能已經(jīng)可以大幅提高科研人員的工作效率，把更多的時間用在更關(guān)鍵的環(huán)節(jié)上。

對普通人來說，AI for Science 或許看起來還很遠，但其實也很近。你日常生活用到各類產(chǎn)品，小到手機屏幕，大到汽車電池，背后其實都有AI for Science的功勞。它的快速進步也會給我們的生活水平和技術(shù)發(fā)展持續(xù)帶來切切實實的影響。

值得注意的是，在柯國霖接受采訪后不久，國際科學智能聯(lián)盟在北京成立，該聯(lián)盟由北京大學、上海交通大學、中國科學技術(shù)大學、北京科學智能研究院等50余家頂尖高校、科研院所及行業(yè)領(lǐng)軍企業(yè)共同發(fā)起，旨在通過人工智能技術(shù)驅(qū)動科研范式變革，加速科學發(fā)現(xiàn)與產(chǎn)業(yè)轉(zhuǎn)化協(xié)同發(fā)展，正式開啟“大科研時代”新篇章。

而在昨天，5月21日，由北京科學智能研究院與深勢科技聯(lián)合打造的AI科研平臺“Science Navigator（科學導航）”，也在北京大學正式上線。

該平臺是全球首個覆蓋“讀文獻-做計算-做實驗-多學科協(xié)同”全流程的AI科研系統(tǒng)，后續(xù)也將服務(wù)更多院校的科研體系，為高校科研人員探索學術(shù)前沿提供技術(shù)支撐。