过去两年，全球科技产业发生了一场非常深刻的变化。以谷歌、Anthropic等为代表的人工智能企业，以及背后的资本力量，将数千亿美元投入到了算力基础设施的建设之中。大量的数据中心、先进芯片以及计算资源被快速部署，这种投入在很大程度上改变了人工智能的发展速度，也重新定义了科技竞争的基本模式。然而，最近几个月，一个更加值得关注的趋势可能正在逐渐形成，那就是这些科技巨头开始把视线从纯粹的计算能力建设，转向了人工智能与自然科学实验的结合，也就是所谓的AI for Science领域。更具体地说，越来越多的资金可能正在进入真实物理世界中的实验研究，希望通过大规模实验获得以前无法获得的科学数据。

为什么人工智能的发展需要进入自然科学实验阶段呢？其中一个非常重要的原因可能在于，目前人工智能训练所使用的大量科学数据，虽然已经非常丰富，但实际上仍然无法完全覆盖自然规律本身所包含的复杂内涵。过去一百多年，人类通过论文、实验报告、数据库以及各种科研成果积累了大量知识，但这些知识更多是经过人类筛选和整理后的结果，并不是自然界运行过程本身的完整记录。自然规律存在于无数微观变化、物质相互作用以及复杂环境条件之中，而这些过程产生的数据，目前可能只被人类探索了一极小部分。如果未来人工智能想真正走向更高阶段，也许需要的不仅仅是更多文字知识，而是更加客观、全面、多维度反映自然规律的数据。

我们也许需要特别关注，当这样规模巨大的千亿级资金进入科学领域之后，传统科研模式可能会受到明显影响。过去，一个科研团队可能依靠几十名研究人员、几台实验设备，在几年甚至更长时间里完成一系列实验探索。而未来，如果出现由数十亿美元甚至更大规模资金支持的实验体系，那么科研资源、实验效率以及知识产生方式都可能发生变化。这并不意味着传统实验室会消失，但可能意味着一种新的科研组织形式正在形成。过去科学发展的核心优势更多来自科学家的经验、直觉和实验设计能力，而未来的数据规模和实验速度，也许会成为另外一种重要竞争力。

近年来，世界模型的发展受到广泛关注。以李飞飞等研究者推动的方向为例，世界模型希望让人工智能理解现实世界的结构、变化和规律。不过，从自然科学角度看，真实世界可能远比外观信息更加复杂。许多表面相似的物体，背后可能来自完全不同的微观化学组成和物理过程。例如人体、生物系统、药物反应、环境变化、食品结构以及化工材料等领域，都不仅仅依赖视觉层面的理解，而是依赖物质内部复杂的相互作用。因此，如果人工智能未来希望在这些领域产生更加深入的价值，可能必须结合更加丰富的科学数据，而这些数据未必能够单纯依靠已有论文和公开资料获得。

实际上，人类对于自然规律的认识仍然存在巨大的未知空间。虽然现代科学已经高速发展了一百多年，但自然界中的可能组合和变化维度远远超过当前实验能够覆盖的范围。曾经有一些研究者通过统计方式尝试描述这种差距，大致认为人类目前掌握的自然规律空间可能只是非常有限的一部分。当然，这种比例并没有严格统一的科学定义，但它反映了一个重要事实，也就是自然世界的复杂程度远超过传统科研方式能够快速探索的范围。如果继续依靠目前实验人员逐项设计、逐个验证的方法，那么在三年、五年甚至更长时间内，可能都难以覆盖大量潜在科学发现空间。

因此，未来几年可能出现的一种重要科研基础设施，就是类似于工业化生产模式的数据工厂或者实验工厂。这类系统可能会大量采用自动化实验、高通量实验以及并行实验技术，让科学探索速度提升几个数量级。过去一个实验可能需要研究人员手动配置样品、调整条件、记录结果，而未来这些过程也许会由机器人系统、智能控制平台以及人工智能算法共同完成。实验不再只是一个小规模、低频率的过程，而可能变成一种持续运行的数据生产体系。

那么，这种实验工厂会不会简单复制现在各个专业实验室的方法呢？我认为可能不会如此简单。传统实验方法虽然经过多年发展已经非常成熟，但很多流程实际上依赖人工操作经验，并不是为超大规模数据生产而设计的。例如在实验中几乎都会遇到的试剂定量和样品转移问题，看似非常基础，但如果进入未来高通量实验环境，这些步骤可能需要完全重新设计。我们习惯了现在的每分钟几次或者十几次的样品移动。未来的自动化系统也许能够实现10000次/秒的极高速度的样品组合和空间分配。实际绝大部分实验都在做类似事情。很明显，在未来的数据工厂里，这类操作可能变成全自动化高效组合。它或许能实现一分钟完成一百万个样本的空间转移，系列化后一天可能完成一百亿次操作。再举一个常见例子，就是对结果的检测。几乎所有实验都会涉及检测。我们也许会创造全新的检测模式。以前的检测方法常常是一次对一个样品或几个样品进行所需指标或表征项目检测。但在未来数据工厂里，通过空间改造和高通量化改造，每一秒完成一千次、一千个样本的检测，或者每一小时完成并列化组成的一千万次检测，未必只是幻想。

科学研究在很大程度上依赖数据带来的发现和启发。一个比较简单的理解是，如果一个研究体系能够获得比过去多几百倍甚至几千倍的数据，那么它发现新的规律、建立新的假设的机会可能也会随之增加。当然，数据数量本身并不能自动产生科学突破，真正重要的是如何设计实验、理解数据以及提出新的理论。但不可否认的是，未来拥有大规模科学实验数据的平台，可能会成为人工智能冲击自然科学的重要基础。如果实验工厂模式能够逐渐成熟，那么数学领域近期受到人工智能影响的现象，或许也可能在化学、生物、材料、医学等其他自然科学领域逐渐出现类似变化。

         那么人工智能大模型会不会像最近几个月对数学的冲击一样，来冲击其他自然科学学科呢。我感觉决定这个过程的最大因素可能就是实验工厂。如果实验工厂能真正推广开，或真正推行下去，对很多自然科学学科的冲击，几乎也可以预见到。所以现在从事自然科学研究的人员，也是时候思考一下。如果出现这种数据工厂模式，我们该怎么更好利用它，并且充分体现人类科学家更具优势的地方。这个也许非常值得深入思考。人类科学家的直觉、审美、提问方式和跨域联想，未必会被完全替代，但可能需要重新找到位置。

         最后有一个问题，我们国内 AI 巨头是不是也应该大力投入自然科学实验和数据工厂建设。数据工厂内部组织结构要模仿现代自然科学分类吗。我认为未必。可能最好形式反而是以自然对象作为唯一分类标准。可以根据数据工厂实际目标、规模大小选择组织结构分类层次。随便举个例子，规模大就可以选择人类癌症，规模小就可以选择特定肺癌等等。这只是例子。这样的分类里，一个真实例子，底层会包含物理、化学、生物等层面融合。这样的组织方式或许更贴近数据生成实际需求，也未必完全遵从传统院系划分。

         在实验室、具身智能和高通量实验方面，有什么新专利申请可以做呢。我们的创造力来源，可能就在于构思，去创造新实验方法。这个问题未必有现成答案，但也许正因如此，才值得更多研究者、工程师和产业界人士一起谦逊探索。面对几千亿资金投向湿实验的浪潮，也许真正重要的并不是谁拥有最多算力，而是谁更早理解自然规律的数据如何被生产、组织、验证。若从这一点看，数据工厂也许只是一个开始，而不是终点。

支持单位：