引子

坐在超级计算中心大屏幕前的那位气候学家，运行了地球系统模型数周后，输出了一个预测结果。但当她查看模型内部的信号路径时，发现路径中包含大量无法被追踪的中间步骤。系统的输出端可读，但路径端在跨越多个尺度时未被完整标记。她说：“我们不是不知道地球在变暖。我们知道。但我们需要知道的是临界点在哪里？什么时候会到达？级联效应会通向哪里？这些问题的路径还没有被标记出来。”

她的描述同时指向两个方向。系统已经能够读取地球的宏观信号，温度在上升，冰川在融化，海平面在上升。但系统仍然无法稳定地读取那些“小尺度扰动如何引发大尺度相变”的位置信号。路径在跨越尺度时存在多个未被标记的转折点，而转折点本身的位置——临界点尚未被当前接口覆盖。地球系统的复杂性不是“数据不够多”，而是“已有的接口在关键位置尚未安装”。

自十七世纪科学革命以来，还原论奠定了现代科学的根基。将系统拆解为最小单元、通过理解部分来推演整体，这一方法论在物质科学、生命科学乃至社会科学中取得了成功。然而，当科学的前沿从“寻找基本构件”转向“理解构件如何产生整体行为”的时候，还原论的局限日益显现，我们拥有了海量的数据与精确的局域方程，却依然难以预测一个细胞的命运、一场金融危机何时爆发，或是一个神经网络如何涌现出复杂功能。

构造学论要追问的是：智能时代的复杂系统科学正在跨越什么？这一跨越如何改变科学读取世界的方式？人工智能是否正在安装新的读取接口，使系统能够读取还原论无法触及的位置？跨越完成之后，科学系统的可读范围会发生怎样的变化？

一、还原论的边界：从“分解”到“整体”的读取极限

还原论的核心操作是“分解”。将系统拆解为最小单元，分别研究每个单元的属性和行为，然后将局部的知识整合为对整体的理解。在构造学论中，还原论是“在单一尺度上读取局部位置的信号”，并在标记后试图将这些位置的连接关系重新组装为整体结构。这种读取方式在以下条件下有效：系统在不同位置之间的信号是可分解的，且局部行为的线性叠加足以预测整体行为。但当信号在不同位置之间持续传递和重组时，局部位置的读取不再能够预测整体状态。

复杂系统的结构特征包括多结构层级、跨尺度耦合、强交互反馈、多主体决策协同。当一个系统在多个尺度上同时运行，且信号在不同尺度之间持续传递时，在单一尺度上读取局部信号就无法覆盖系统的完整可读范围-。还原论的极限不是“数据不足”，而是“已有的接口覆盖范围不够”。

还原论在复杂系统边界处失效的位置包括，当系统接近临界点时，微小的局部扰动可以在整个系统中产生可识别的信号变化。系统在接近临界点时，其信号放大机制使局部扰动通过跨尺度通道传递到整个系统。还原论在单一尺度上读取局部信号时，无法在临界点到达之前识别到信号正在被跨尺度放大。临界点信号必须在系统边界处被读取，但还原论没有安装读取临界点信号的接口。

二、复杂系统科学的跨越：从“分解”到“涌现”

复杂系统科学是系统科学的前沿发展方向。它致力于从经济、社会、技术、健康医疗等迥异的领域中，提炼出“涌现”“演化”等普适概念，以及“规模法则”“幂律分布”等普适规律。系统科学的英文表述是Systems Science，“系统”是复数的，“科学”是单数的。这意味着从各类迥异的系统中提炼出普适的科学本质。

在构造学论中，复杂系统科学的跨越是从“分解”切换到“读取整体结构”的操作。跨越意味着系统不再将复杂系统视为“多个局部位置的组合”，而是将其识别为“一个持续运行的连接网络”，并安装能够读取网络整体结构的接口。

这一跨越的核心包括：

接口一：涌现。 涌现是系统的整体行为在局部位置的信号中不可见，但系统的整体接口可以读取该位置的行为。复杂系统科学的涌现接口使系统能够从整体结构读取那些在局部位置无法被识别的行为信号。

接口二：演化。 演化是系统的连接结构在时间中的持续变化。复杂系统科学的演化接口使系统能够读取连接结构在时间中的变化方向，而不需要在每个局部位置单独追踪变化。

接口三：跨尺度耦合。 跨尺度耦合是信号在不同尺度之间的双向传递。复杂系统科学的跨尺度耦合接口使系统能够读取信号在小尺度与大尺度之间的传递路径。

三、AI作为新接口：智能时代复杂系统科学的跨越工具

人工智能的快速发展已成为引爆这场范式转变的关键因素。AI算法擅长处理海量数据与复杂系统，而AI系统本身也是一个复杂系统，其发展与复杂系统科学密不可分。在构造学论中，AI是系统在复杂系统的边界处安装的新读取接口，这些接口能够覆盖还原论接口无法触及的位置。

接口一：地球系统基础模型。 微软研究院团队开发了Aurora，它是首个覆盖多领域的地球系统基础模型。Aurora在超过一百万小时多样化地球物理数据上训练，在预测空气质量、海洋波浪、热带气旋轨迹和高分辨率天气方面超越了现有的操作性预测，计算成本低得多。Aurora在100%的5天气旋路径预测目标和92%的10天天气预报目标上超过了7个预报中心。

接口二：AI驱动数值天气预报。 AI数值天气预报（NWP）模型已在多项全球指标上超越了最先进的传统NWP模型。评估显示，以“伏羲”“璞云”等为代表的AI天气预报模型，关键环流要素的可用预报天数已达10天。这些模型通常比传统数值模型快十倍以上，能耗低约一千倍。

接口三：数字智能孪生。 NCAR发布了社区研究地球数字智能孪生（CREDIT）框架。CREDIT是一个灵活、可扩展的基础研究平台，用于训练和部署AI数值天气预报模型，提供从数据预处理到模型训练和评估的端到端流程。东京日本桥地区已开始使用城市数字孪生模拟和优化城市系统。

接口四：AI机器人科学家。Nature发表了CRESt平台，一个集成大型多模态模型、知识辅助贝叶斯优化和机器人自动化的系统-。CRESt在90天内合成了超过900种独特催化剂，是“AI for Science”从计算预测到实验验证闭环的关键跨越。

接口五：动态因果发现。 NeurIPS 2025提出了UnCLe，一种基于深度学习的动态时序因果发现框架。同时，Deep Koopman算子方法被用于因果发现，通过将非线性动力学在向量空间中线性化来识别因果结构。这些接口使系统能够从观测时间序列中读取因果关系，而不需要预先知道系统的结构。

四、跨越之后：智能时代复杂系统科学的新接口配置

跨越完成之后，科学系统的接口配置可能发生以下变化：

变化一：从“数据驱动”到“接口驱动”。 数据驱动的复杂系统建模已成为核心趋势。但接口驱动的含义是，系统安装的接口决定了哪些数据可以被读取，而不仅仅是数据量的大小。基础模型在不同数据类型上预训练后，可以通过微调适应多种应用。系统的可读范围从“数据可及的范围”扩展到“接口可安装的范围”。

变化二：从“预测”到“读取临界信号”。 传统预测是在已知规则下外推信号路径。复杂系统科学的新接口使系统能够在临界点信号出现时读取它。系统在临界点到达之前，可以通过接口检测到信号正在被跨尺度放大。暖水珊瑚礁已被确认跨越了第一个气候临界点，临界级联的预警接口正在逐步安装。

变化三：从“单系统读取”到“跨系统可读”。 复杂系统科学在AI时代提供了理解从细胞到社会等各类复杂系统的普适性方法论-。这意味着系统在不同领域安装的接口可以相互翻译。在细胞系统中读取到的信号模式，可能在金融系统中也有对应的可读位置。跨系统的可读性使科学系统的可读范围覆盖更多领域，但接口的安装和校准仍然需要针对每个系统的结构特征进行配置。

五、跨越的边界

智能时代复杂系统科学的跨越已经发生，但接口的安装尚未完成：

• 临界预警接口仍在安装中。目前科学界已识别出多个关键气候临界点，但级联效应的预警接口尚未完全安装。

• 跨尺度耦合接口仍需突破。AI方法需要发展跨尺度建模能力，以读取信号在材料微结构、部件性能与系统效能之间的传递路径。

• 可解释接口仍待破解。复杂深度模型的“黑箱”困境尚未被完全转化为可读取的科学机制。

（待续...）

支持单位：