近年来，人工智能和大模型的崛起，正以远超以往的颠覆性力量来推动这个社会的发展，也在重塑我们科研工作者在未来的存在形态与工作逻辑。它不仅是效率提升的辅助工具，更是认知能力的延伸与思维方式的重构，将科学家从传统专业壁垒与认知局限中解放出来，催生跨领域、全维度的新型科研主体，我称之为新科学家。而这个新的群体，可能是我们解决已知的和未知的大量科学难题的中坚力量。

当这里说新科学家的时候，其实已经隐含了一件事情，科学家的边界正在被技术重塑。过去，一个科学家的能力可以说大致由其受教育的学科、掌握的工具、所在的团队与机构决定，这些构成了他在科学共同体中的定位坐标。而在大模型时代，这个坐标也将开始变得越来越模糊。同一个人，可以在短时间内跨越多个学科的知识边界，可以瞬间调取庞杂文献并获得高质量的概念翻译与问题重述，甚至，在面对一个具体的实际科学问题的时候，借助大模型的推理与生成能力，一个人可以临时组织一个神奇的虚拟团队，在脑海中并列运行多种思路。于是，“一个人等于一个大团队”不再只是夸张的比喻，而是逐渐变成可操作的现实设想。科学家的能力不再简单线性增长，而是出现了指数级乃至数量级的放大。

这种放大效应首先体现在跨学科能力的平民化上。以前，我们对跨学科科学家的想象，多半是那些经过长期跨界训练的少数人，跨了那么几个有限的学科。他们有双重或多重学科背景，经过多年浸润，终于能用自己的大脑完成学科之间的融合。而在大模型的辅助下，跨领域思维正从一种少数人的天赋变成多数人可以比较轻易的掌握的工作流。举例子，环境学家可以在极短时间内理解分子生物学家如何叙述一个机制问题，经济学家可以迅速把控制论与博弈论的概念桥接起来，材料学家可以借助大模型快速获取量子化学对某一体系的描述框架。这种情况下，每个人原本所属的专业标签，其约束力开始减弱，所以可以说专业仍然重要，但它不再是一个一个的边界，时刻告诉你：“你不能去那边！”，而更像是你可以起步于此的新的一个一个的出发点。所以，新科学家就是在科学全领域范围内自由取用思维、概念、方法和视角的人，而大模型就像你一个随身携带的全学科接口和助手。

传统学科之间的隔阂，受限于我们个人对知识内化的上限，个人认知负荷，以及各个学科自身的完整性和简洁性的需求，我们用专业的语言来描述事物，我把他称之为专业黑话。许多时候，不同学科所指向的对象，乃至所关注的现象层次是高度重合的，只是用截然不同的术语与概念系统来描述。过去，为了在本学科内部高效沟通，我们就发展出高度压缩的专有语言，这在学科内部是生产力，在跨学科交流时却常常变成沟通成本甚至障碍。大模型的一个深刻影响，他把大量的甚至是全部的科学领域的不同学科知识内化为统一的一个描述个体。是让我们可以用更加通用化的科学语言来重新表述问题。比如，一段分子生物学论文中的机制描述，可以要求大模型以“普通化学家”的知识水平重新叙述，使得其中的每一个细节都能被另一学科训练背景的人理解。这样，学科黑话被拆解成共有的概念结构，专业语言背后被还原为可以广泛共享的科学内涵。从这个意义上说，大模型不仅是翻译工具，更是在推动一种更具普适性的科学表达方式的萌芽，也必将诞生出一类不同于传统科学家的新科学家，而这个过程可能是非常迅速的。

这种在科学表达方式上的变革，不只是沟通层面的便利，而会深入影响科学家对科学问题的理解方式。传统的科学思维往往在学科空间内部展开的，你先要问“这个问题是物理问题、生物问题还是社会科学问题”，然后在既定学科框架内寻找可行途径。在新科学家的视野里，科学空间本身似乎被重新坐标化了。新科学家可以更容易地站在不同维度重新思考研究对象。同一个复杂系统，一方面可以在时间维度上被视为演化过程，而在结构维度上被视为网络，在信息维度上被概念化的视为编码与传输，在动力学维度上被视为稳定性与变化性的一种平衡。大模型可以帮助我们快速构建这些不同视角下的“模型性叙述”，从而让一个问题不再被束缚在单学科视野之内，而是进入一种多维度科学空间的流动状态。新科学家的工作，不再只是“在某个学科里走得更深”，而是“在多维概念空间中找到更有洞察力的坐标位置”。

进一步来说，在AI和大模型加持的时代，每一个新科学家的能力上限将可能历史性地超过过去任何一位伟大的科学家，无论是爱因斯坦、钱学森还是杨振宁。这里所说的超过，并不是在否定伟大科学家的天才，而是指个人可支配的认知工具、知识范围与推理速度的数量级扩张。以往伟大科学家的超凡能力，很大程度上来自他们个人的抽象思维、深度洞察与跨领域直觉，而这些能力背后依赖的是长期训练、超常智力以及大量阅读、思考与实验积累。但在大模型时代，一个普通的新科学家可以在数分钟内获得类似于顶尖科学家的跨学科的全景式的科学理解，可以让大模型在多种理论路径、顾及到所有相关讨论，进而形成不同学科视角下的综合思维。我们用一个形象的比喻，个体科学家可以随时调用一个巨型外脑，让自己的思想在更广阔、更有深度的空间中运行。爱因斯坦也曾说，天才与普通人的差距在于“能够观察到别人忽略的关键关系”，而大模型让这样的关键关系不再完全来自与很不理性的个体直觉，可通过算法在庞大知识网络中自动地浮现出来了。在这个基础上，新科学家的灵感思维会得到极大的释放。

借用我们中国科学家都比较熟悉的生产力与生产关系的例子，那么AI和大模型对于科学本身，正构成一场典型的生产力剧烈发展和跃迁。新科学家的个人能力、知识调取速度、问题模拟的广度与深度，都在被放大，这就相当于科学生产力的突变。而与之对应的生产关系，也就主要是现有的学科划分、评价体系、期刊结构、项目评审机制、甚至科研组织形态等等，却仍大多停留在前一代技术条件下形成的状态。新科学家的AI思维可以说是要求一种新的价值判断体系，对跨学科成果的评价方式要调整，对“单人+AI团队”的工作模式要重新界定，对贡献的衡量要从单维指标走向多维度度量。从这个角度看，我们不仅处在科技变革时代，更处在科学自身形态与组织形态的深度重构时期。

新科学家群体的涌现将显著改变现有科研人才的大团队组织模式。传统科研组织往往依赖规模化的细致分工，大型团队由若干小组构成，每个小组负责特定环节，例如专业分工、模型构建、实验执行、数据处理、文献调研、论文撰写等。这种分工在过去是必要的，因为每个任务都需要高度专业化的训练与大量人力投入，单靠少数人一般难以完成。但随着大模型具备初级建模、代码生成、可行性分析、跨领域概念翻译、实验路线建议甚至初步数据解释的能力，一个科研个体可在更短时间内覆盖更多链条环节。结果就是，原本必须由几十人协作的研究项目，可能被压缩到由少数核心成员主导，而大模型承担辅助性高密度认知劳动。这不仅提高了科研效率，也指数级缩短了研究从构想到验证的周期，这样也同时减少了大团队内部的管理难题。

新科学家这个群体会慢慢走入我们的视野，最终将成为科学发展的中坚力量。这是AI和大模型加持的新科学家，这个不只是工具升级，而是一场关于科学思维、科学主体、科学语言和科学制度的综合性发展。