文章核心观点 - 美国政府于2025年11月正式启动名为“创世纪任务”的国家级AI战略计划，旨在打造首个AI驱动的科研平台，加速科学发现，标志着美国科技战略从各自为战转向系统性集体攻关 [1] - 该计划被类比为“AI曼哈顿计划”，其核心目标是通过整合顶尖AI技术、国家实验室资源与超级计算能力，将科学发现速度提升一个数量级，并重塑国家科研体系的底层结构 [1][13][14] - 计划释放出AI已从商业竞争工具升级为国家战略能力与科研基础设施的关键信号，未来国家科技竞争的核心在于谁能将AI深度嵌入科研体系以改写科学发现的速度曲线 [28][29][33] 计划概况与目标 - **计划性质与启动**：计划由美国总统发布行政命令启动，是美国能源部与白宫签署的历史性合作文件，名为“创世纪任务” [1][16] - **核心目标**：打造全国首个AI驱动的科研平台，利用人工智能与超级计算能力加速可控核聚变、能源材料发现、气候模拟、量子计算算法等重大科学研究 [1] - **量化目标**：目标是到2030年，将美国的科学生产力翻倍 [7] - **战略意义**：标志着美国在科技领域的国家级战略调整，旨在确保未来技术领先地位 [1][25] 参与方与合作模式 - **参与企业范围**：集结了微软、谷歌、英伟达、OpenAI、DeepMind、Anthropic等24家美国顶尖科技公司，覆盖了AI产业的全栈力量 [5][19][21] - **历史性合作**：OpenAI和谷歌作为AI领域最大的竞争者，史上首次携手共同推动前沿科学突破 [6] - **企业类型分类**： - 云与平台：Microsoft、Google、AWS、Oracle、IBM [21] - AI模型公司：OpenAI、Anthropic、xAI [21] - 芯片与算力：Nvidia、Intel、AMD、HPE [21] - 新型AI芯片：Cerebras、Groq [21] - 数据与分析公司：Palantir等 [21] - **合作模式**：科技公司提供AI模型、云计算基础设施和开发平台，与国家实验室的科研能力和数据资产相结合 [7][21] 核心实施机构与资源 - **牵头部门**：美国能源部，因其管理着全球最顶级的超级计算机、拥有战略级科研数据及承担非商业化但战略级的研究任务 [16][18] - **核心科研资产**：计划依托能源部旗下的17个国家实验室，包括洛斯阿拉莫斯、劳伦斯伯克利、阿贡和橡树岭等国家实验室 [13] - **资源整合**：计划将国家实验室、超级计算机（如Frontier、Aurora）及数据资产统一到一个AI平台 [13][14] 对关键参与公司的具体影响 - **英伟达**：作为计划中最关键的技术支点之一，国家实验室的超级计算机几乎全部基于其GPU，该计划是其AI与高性能计算长期战略的国家级兑现 [22] - **微软与谷歌**：角色清晰，负责提供云计算基础设施和AI开发平台，未来国家实验室的AI很可能直接运行在其云服务上 [21] - **OpenAI与Anthropic**：意义重大，意味着其大模型将进入核物理、材料科学等硬核科学领域，成为“科学发现引擎”的一部分，而不再局限于聊天、办公等应用 [24] - **谷歌具体承诺**：将把Gemini 3的推理能力应用于核聚变等离子体模拟、气候建模及新材料搜索，并在2026年为国家实验室提供AlphaEvolve、AlphaGenome和WeatherNext等工具 [8] 计划将如何改变科研范式 - **传统流程颠覆**：计划将把传统的“提出假设→设计实验→申请算力→跑模拟→分析数据”长达数年的科研周期，颠覆为“AI自动生成假设→AI设计实验→AI运行模拟→AI分析结果→人类决策”的新范式 [25][26] - **具体应用实例**： - 材料科学：AI可在几天内筛选上亿种材料组合 [26] - 气候研究：AI可替代部分昂贵的物理仿真 [26] - 核聚变领域：AI可优化等离子体控制参数 [26] - **定位**：该计划被视为一个“AI版的国家科研操作系统”，旨在把AI变成科研的“默认工具”，并将最先进的AI能力引入公共科研体系 [13]

会议概况 - 首届天桥脑科学研究院AI驱动科学研讨会于10月27日、28日在美国旧金山举办 [2] - 会议汇聚三位诺贝尔奖得主及来自斯坦福大学、麻省理工学院、Alphabet、微软、Meta等机构的顶尖学者与产业领袖 [2] - 会议旨在探讨AI如何驱动科学发现 [2] 机构使命与生态系统 - 天桥脑科学研究院成立于2016年，使命是通过理解大脑如何感知、学习并与世界互动来改善人类体验 [5] - 机构在过去九年构建了涵盖研究合作、培训计划、学者项目、公众传播等的全球化生态系统 [5] - 机构相信通过人类智能与人工智能的结合能够开启科学发现的新纪元 [2][6] AI相关项目与举措 - 2021年协助加州理工学院建立数据科学与人工智能中心以加强学生和研究人员的人工智能培训 [6] - 2022年启动首届暑期工作坊，并将培训项目扩展至美国、日本和欧洲，帮助年轻科学家掌握数据科学和AI技能 [6] - 2025年设立天桥学者项目，支持加州大学旧金山分校、麻省总医院、梅奥诊所等顶尖机构的医生-科学家 [6] - 2024年发起天桥脑科学研究院AI驱动科学大奖，旨在表彰在物理科学和生命科学领域创造性运用AI的早期职业科学家 [6] 奖项与科学传播 - 机构与《科学》杂志合作设立AI驱动科学大奖，三位青年科学家在生物化学、神经科学和海洋科学领域获奖，分享5万美元奖金 [3] - 获奖论文已同步发表于《科学》杂志 [3] - 机构媒体团队Grand Mirror Studio制作的科学传播内容全球触达量已超过240万粉丝和2.4亿次观看 [7] 会议意义 - 本次研讨会是机构打造的生态系统的最新篇章，是一次科学家、工程师、临床医生、企业家、投资者和学生的社区汇聚 [3][7] - 会议旨在开启能长期持续的合作，共同见证AI变革科学发现的方式 [7]

AI在天文科研中的能力边界 - AI在天文学大数据时代承担大量重复性、机械性工作，实现对传统科研流程的效率革命 [3] - AI能从传统上被视为噪声的数据中提取有效信号，有望将拉索探测器的灵敏度提升数倍，相当于“再造几个拉索” [4] - AI算法在开普勒卫星数据中挖掘类地行星候选者，将原本需要一个月完成的搜寻信号缩短至一天完成 [4] - AI在大型深海多节点精密设备上能处理复杂深海信号并监控预警探测器健康运行 [4] - AI的运作本质是数据驱动和模式匹配，无法产生人类源于好奇心的探索欲，无法自发地对未知产生追问 [9] - AI目前擅长在既有范式下进行优化，但研究方向的重大突破仍需科学家基于知识积累、学科直觉和想象力来提出 [10] - AI的“黑箱特性”使其难以提供清晰的物理机制，无法解释超新星爆发的物理机制或暗能量的本质 [10] 观测范式与设备设计的智能化变革 - 算力星座计划将AI模型直接部署到太空中卫星上，实现数据实时处理，对暂现源实现快速反应，避免传统模式数小时至数天的延迟 [5] - AI可实现全球望远镜网络的秒级协同响应，例如“GOTTA司天工程”意图通过AI实现全球上百台望远镜的智能调度 [5] - AI的引入使得“计算光学”成为可能，利用算法补偿不完美光学系统误差，以软实力弥补硬件制造能力不足 [11] - 望远镜造价近似和口径的三次方成正比，AI可能使基于“大量小装置+智能算法”的性价比更高科研模式成为未来发展方向 [11] 数据融合与科研门槛的降低 - 利用AI构建智能化“数字宇宙”，未来天文学家只需用自然语言提出需求，AI即可自动融合来自不同望远镜的多波段、多信使数据 [6] - AI大语言模型的识别能力让科研人员无需精通专业SQL数据库查询语言即可轻松获取所需数据产品，大大降低数据使用门槛 [6] 对科研人才培养的影响 - AI能让有想法、有创造力的学生更早接触并解决前沿科学问题，一个博士生配上AI工具可独立承担过去需要一个团队才能完成的工作 [14] - 未来天文学家对AI工具的掌握将如同今天对编程和英语的掌握一样成为必备技能 [15] - AI的便捷性带来思维惰性，学生拿到数据后直接扔给AI模型并采纳结果，不再思考数据背后物理机制，可能导致年轻学者的科学直觉退化 [16] - 过度依赖AI易使学生知识体系空洞碎片化，一旦遇到AI无法处理的非常规问题就束手无策 [16]