AI 自我优化 / AI for science · 破"大停滞"的元钥匙
图片版权信息
作品：《Colored neural network》来源：Glosser.ca / Wikimedia Commons
许可：CC BY-SA 3.0
改动：原 SVG 转为本地 PNG 展示文件并等比缩放；网页卡片按容器比例裁切显示。
这是国家级 AI 科研基础设施从倡议转入首批项目执行的资源信号：承诺包含算力、模型、云与研究合作；它不是模型能力、论文复现或临床结果，尚不能证明发现效率目标已经实现。
读原文 · 美国能源部（DOE） ↗会做科研的 AI 从单点 demo 走向成套工具箱——把假设、实验、文献三段都产品化，是目前离“通用科研加速器”最近的一次形态。
读原文 · Google Blog ↗元杠杆真正转动的信号：AI 首次做出可发表级的原创数学发现，不再只是加速人类——但仍靠人复核改写，“谁来验证”依旧是那道瓶颈。
读原文 · Scientific American ↗递归自我改进从实验室 demo 进了生产线、产出真实经济回报——元杠杆离“通用”更近一步，但仍是逐个问题的定制，不是自我通用加速。
读原文 · Google DeepMind ↗学术界在把“AI 科学家”从单体做成会进化的多智能体团队——形态在逼近科研流水线，但可靠性（代码错误率、新颖性误判）仍是拦路虎。
读原文 · arXiv ↗让机器去造"制造突破的机器"
"AI 自我优化"不是让 AI 多写几行代码,而是让 AI 去做科研这件事本身:提出假设、设计实验、通读文献、跨领域连接,乃至改进 AI 自己的训练方法和算法——把人类科学家最稀缺的那种智力劳动,变成可以规模化复制、7×24 运转的东西。它有三条相互叠加的支线:自动化 ML 研究(AI 改进 AI)、AI for Science(AI 加速物理/生物/材料等具体学科)、以及最锋利也最危险的递归自我改进(AI 改进"改进 AI 的能力")。
为什么它是"元杠杆"
- 大停滞的真问题是"人不够用"——被广泛引用的研究(Bloom 等《Are Ideas Getting Harder to Find?》)测出:美国研究生产率年降约 6.8%,维持摩尔定律所需的研究员数量比 1970 年代多出约 18 倍。人类智力投入的边际产出在塌。
- 攻:一把撬动其余全部的钥匙——聚变、超导、抗衰老、脑机、对齐……星光罗盘上每一颗暗星,卡点几乎都在"够不够聪明的头脑、够不够快的迭代"。如果 AI 能可靠地加速科学发现,它就不是和别的暗星并列,而是站在它们全体的上游——与"科研制度改革"同属"改造制造突破的机器本身"这一族最高元杠杆。
- 已有硬证据它能在单点上跨越几十年——AlphaFold 一举解决了困扰生物学半个世纪的蛋白质折叠问题(2024 年拿下诺贝尔化学奖)。真正的开放问题是:能不能从"单点奇迹"变成"通用科研加速器"。
为什么难 / 为什么它同时是红线
- 可靠性还差得远——独立评估发现,现有"AI 科学家"系统里大量实验因代码错误失败、文献综述靠简单关键词匹配导致新颖性误判;能生成论文,离"可信赖的发现"还有距离。
- 验证悖论——AI 报告"药效提升 7.5 倍",人复核同一份数据只有 1.75 倍(FutureHouse Robin 案例)。当产出快到人来不及核验,谁来把关本身成了瓶颈。
- 最硬的张力——加速一切前沿的能力,和智能爆炸失控风险,是同一种能力的一体两面。递归自我改进既是 E 轴最高元杠杆,又是 R 轴最大红线。2025 年首份《国际 AI 安全报告》(Bengio 主编、30 国背书)已把"AI 加速 AI 研发"从理论担忧列为可观测的现实现象。
⚠ 攻守张力:星光双主轴在此一体两面
- E 线(攻):AI 自我优化 / 递归改进 = 星光罗盘上最高的元杠杆。
- R 线(守):同一能力正是 AI 失控担忧的核心——递归自我改进 = 智能爆炸风险。
- 所以星光导向这个方向,必须同时呈现攻与守(差分进步:能力要推,但"落后太多就不可逆"的对齐红线一票否决)。只喊"去攻"不负责任;只喊"别碰"放弃元杠杆——星光两个都说。与之配对的守方暗星见 可扩展监督 / 对齐。
元钥匙已经转动的几格
如果你是研究者:下面每一条都可以顺着来源追到一手论文、公告与报告。
从卖铲子的,到造钥匙的,到用钥匙开锁的
如果你是建设者:按产业成熟度分三层看——上市公司搭底座、成长期巨头造模型、初创公司把模型变成"会做科研的 AI"。看清各层打法,再决定把自己投进哪一路。
上市公司层 · 算力与底座
元杠杆的物理基础:没有这层的芯片、云和大模型平台,上面两层跑不起来。它们与"AI 自我优化"的关系,是"卖水人"——AI 越自我加速,它们的需求越硬。
AI 加速器市场约 80–90% 份额,训练侧超 90%;是"AI 训练 AI"的算力底座——递归自我改进每快一步,对它的 GPU 需求就多一层。FY2026 数据中心营收 $1940 亿(+68%)。
OpenAI 最大投资方与独家云(Azure);把前沿模型经 Copilot 铺进全球开发与办公流水线——AI 写代码、评代码的规模化入口之一。
这颗暗星上最锋利的一批成果都出自它:AlphaFold、AlphaEvolve、AI Co-Scientist、Gemini,以及分拆出的 Isomorphic Labs。既是底座层,又直接站在最前线攻墙。
全球最大代工厂,为英伟达、AMD、苹果代工最先进制程——所有 AI 芯片的物理制造咽喉。元杠杆的"元瓶颈"落在这里一家身上。
AMD:数据中心 GPU(MI 系列)是英伟达在训练/推理侧的主要挑战者,决定算力会不会被单一供应商锁死。Meta:开源 Llama 系列 + FAIR 大规模研究投入,是"开放权重"这条路线的主要推力。
以上为公开信息整理,不构成任何投资建议。
成长期层 · 造前沿模型的私有巨头
尚未上市、但已是产业中枢的一批"模型工厂"——它们造出的推理与 agent 能力,是上层"AI 科学家"的引擎。估值在 2025–2026 一年内多次跳升,下列均标注该轮次与日期。
o 系列推理模型的开创者;把"测试时计算 = 更强推理"这条路线跑通。来源:CNBC · 2025-03-31
把 AI 安全与前沿能力同时当作产品的一极;Claude 系列在编码与 agent 场景是"AI 写 AI"的主力工具之一。来源:CNBC · 2025-09
Grok 系列 + 自建超大集群 Colossus;把"算力堆到极致"当作追赶前沿的路径。来源:CNBC · 2025-09-19
R1 用极低成本做出前沿推理并开源,改写了"前沿必须烧巨资"的默认叙事——让 AI for science 的门槛对全球研究者骤降。来源:BigGo Finance · 2026(融资谈判中,金额未定案)
Mistral:欧洲前沿开源模型的主要一极,ASML 入股绑定半导体供应链。月之暗面:长上下文与开源模型的中国代表,估值半年内多次跳升。来源:CNBC · 2025-09 / TechCrunch · 2026-05
初创层 · 把模型变成"会做科研的 AI"
离这颗暗星最近的一层:不造通用大模型,专攻"让 AI 自主做科研"这件事本身。数量还少,查实几家写几家。
多 agent 科研系统 Robin(Crow/Falcon/Owl 读文献 + Phoenix 合成设计 + Finch 数据分析),端到端自主发现致盲病药物候选。最接近"通用科研流水线"雏形的一家。参与:非营利,可关注招募 / 合作 / 捐助。
The AI Scientist:自主提想法 → 读文献 → 写代码做实验(agentic tree search)→ 写成完整论文,约 $15/篇;另设 RSI Lab 专攻递归自我改进。开源代码可直接贡献 / 复现:GitHub。
把 AlphaFold 的结构预测推向真实药物设计引擎;AI 设计的药物预计 2026 年底进入首次人体临床——"AI for science"从论文走向产业化最受瞩目的实例。招募 AI / 计算化学 / 药物科学人才。
诚实标注:这一层普遍处于"能生成、待验证"阶段——Sakana 42% 实验因代码错误失败、文献综述靠关键词误判新颖性;Robin 的 AI 分析与人复核相差 4 倍。离"通用科研加速器"仍有实打实的距离,这正是留给建设者的工地。
它撬动的,是其余暗星的总和
如果你是投资人或捐赠人:别的暗星值多少钱,这颗暗星就间接值多少钱——因为它加速的是它们全体。
- 元杠杆的复利——聚变、超导、抗衰老、脑机、材料……每一颗暗星的卡点都在"够不够聪明的头脑、够不够快的迭代"。AI 自我优化若成立,它不是和它们并列的一项投资,而是让所有这些方向的进度条同时加速的那一根杠杆。这是星光把它定为 T9·全站限量元杠杆的原因。
- 已在真金白银里定价——微软、谷歌、英伟达把最重的资本压在这条曲线上;OpenAI、Anthropic、xAI 一年内估值数倍跳升。市场在用钱投票:这不是"某个应用",是下一个技术底座。
- 守的价值同样巨大——正因为它是最高元杠杆,失控的代价也最大。投给对齐与安全,不是投给"刹车",是投给"让这根杠杆不反噬"的保险——差分进步的另一半。
市场预测口径分歧极大(全球 AI 市场 2030 年从 $1.2 万亿到 $1.8 万亿不等,AI 制药各机构从数十亿到上百亿美元不等),只当量级参考。确定的是:这些估值背后共同的假设,就是"AI 能真正加速创造"这一件事成立。
这根杠杆的上下游
先进制程 · GPU/加速器 · HBM 内存 · 电力
台积电先进制程 → 英伟达 / AMD 加速器 → HBM 高带宽内存 → 数据中心电力(供电本身就是另一颗暗星)。元杠杆的"元瓶颈"沿这条链层层收窄。
前沿大模型 · 推理/agent 框架 · 训练基建
OpenAI / Anthropic / 谷歌 / DeepSeek 等造前沿模型;推理与 agentic 编排框架把模型变成"会自己跑实验"的系统。
AI for Science · 自主研究 agent · 药物/材料设计
FutureHouse / Sakana / Isomorphic 把通用能力落到具体学科;每一个学科的加速,又反过来喂养上游需求,形成闭环。
二级市场上够得着的位置
造前沿模型的核心公司(OpenAI、Anthropic、xAI 等)均为私营未上市——二级市场"纯 AI 自我优化"的标的不存在,可查证的敞口集中在算力底座层:
| 公司 | 代码 | 与这颗暗星的关联 | 来源 · 日期 |
|---|---|---|---|
| 英伟达 | NVDA | AI 加速器 80–90% 份额;"AI 训练 AI"的算力底座。2025-07 首破 $4 万亿市值,FY2026 数据中心营收 $1940 亿 | Nvidia FY2026 财报 / Wikipedia · 2025-07 |
| 谷歌 / Alphabet | GOOGL | AlphaFold / AlphaEvolve / Co-Scientist / Gemini 出品方;Isomorphic Labs 母体 | Google DeepMind 公开资料 · 2024–2026 |
| 微软 | MSFT | OpenAI 最大投资方与独家云 Azure;Copilot 规模化分发前沿模型 | OpenAI / 微软公开资料 · 2025 |
| 台积电 | TSM | 为英伟达 / AMD 代工最先进制程,AI 芯片物理制造咽喉;2025 营收 $1229 亿(+31.6%) | TSMC 2025 财报 · 2026-01 |
| AMD | AMD | 数据中心 GPU(MI 系列),英伟达在训练/推理侧的主要挑战者 | AMD / 行业分析 · 2025 |
| Meta | META | 开源 Llama 系列 + FAIR 研究投入,"开放权重"路线主要推力 | Meta 公开资料 · 2025 |
以上为公开信息整理,不构成任何投资建议。
想走进这颗暗星,先学什么
如果你是学生:这条路的地基是数学 + 机器学习 + 一门你想加速的科学。三样叠加,越往上越缺人。
两本奠基,一本手册
Goodfellow / Bengio / Courville《深度学习》("花书",官网全文免费)· Sutton & Barto《强化学习导论》(第 2 版全文免费,递归改进的理论根)· 周志华《机器学习》("西瓜书",中文入门首选)。
计算机 / 人工智能 · 加一门科学
国内:清华大学(交叉信息院 / 计算机系)、北京大学(智能学院)、上海交通大学。海外:斯坦福、MIT、CMU。切入 AI for science 的捷径:AI + 一门你真心想加速的学科(生物 / 材料 / 物理)。
免费就能开始
Karpathy《Neural Networks: Zero to Hero》(从零手写,最受推崇的入门)· 斯坦福 CS231n 深度学习视觉 · CS224n 自然语言处理 · Andrew Ng · DeepLearning.AI。
agent × 科研,而非又一个大模型
这颗暗星最缺的不是再训一个基础模型的人,而是会把模型编排成"能自己跑实验闭环"的人——从下方开源的 AI Scientist / agent 框架入手,是学生离前沿最近的一条路。
现在就可以动手的入口
- 投身——前沿实验室招聘:OpenAI Careers · Anthropic Careers · Google DeepMind · FutureHouse · Isomorphic Labs。攻(AI-for-science / agent)与守(对齐 / 安全)两侧都长期缺人。
- 动手——开源项目:PyTorch(深度学习框架基石)· vLLM(高性能推理引擎,让 agent 跑得起)· Sakana AI Scientist(自动做科研,可直接复现 / 贡献)· Hugging Face(开源模型社区)。给其中一个提一个被合并的 PR,就已经站在这颗暗星的工地上了。
- 资助——攻侧看 AI for science 公益与前沿实验室;守侧看 AI 安全 / 对齐研究基金。两手都投 = 差分进步,是这颗暗星最负责任的资助姿势。
- 持续关注——各家 AI Scientist 进展、《国际 AI 安全报告》(Bengio 主编)。攻守并读,才看得全这颗暗星。
⚠ 攻与守是一对:别只看这一半
- 你走进这颗暗星"攻"的一侧(加速前沿),就有责任知道它"守"的一侧(失控风险)长什么样。递归自我改进的能力越强,对齐这道红线越不能落下。
- 去看配对的守方暗星 → 可扩展监督 / 对齐。星光导向这个方向,永远两个都说。
这颗暗星进展太快、玩家太多,单页无法穷尽。想看完整、持续更新的图景,直接进这些权威聚合源:
- Epoch AI — 前沿模型算力 / 数据 / 趋势的权威数据库
- Stanford AI Index — 斯坦福年度 AI 全景报告
- State of AI Report — Nathan Benaich 年度产业 + 科研综述
- arXiv cs.AI — 一手论文最快的入口
- Papers with Code — 论文 × 代码 × 榜单
完整图景见这些持续更新的源 → 星光只做导航,不与它们比全。
本档案为初评,持续补充——经得起查,也听得进更好的打法。本档案将由星光雷达定期聚合更新。
谁在攻这颗暗星 · 攻关者名录9 人
这不是终点站——今天在这颗暗星上攻坚的人，就是明天点亮它、登上星光榜的候选。含科研、创业与第三方三类关键角色，初评待核实。
去哪家 · 机构与公司名录7 家 · 其中初创/成长期 6
给求职者和投资人的信息增量——更多是正在攻这颗暗星的初创与新公司（联网实搜、初创优先，初评待核实）。