AI让科学假设变便宜了:一份40页报告发现,41%的科学家反而更忙

📋 摘要

这份报告由谷歌、谷歌DeepMind和MIT FutureTech联合完成，共40页，中文媒体这两天广泛转述。它不是一次实验结果，而是三堆性质不同的观察放在一起：大约1500万次匿名AI交互记录、2690个不同学科的专用科学AI模型，以及对美国和英国637名活跃科学家的调查。

三堆观察能回答的问题完全不同。交互日志只能告诉你科学家在让AI做什么——读文献、写代码、整理数据，它记录的是行为，不是产出质量。模型清点只统计数量，2690这个数字不代表每个模型都有新发现。调查能反映感受，覆盖物理、计算机、生命科学、医学和社会科学，但自报告天然受主观判断和记忆影响。

所以最容易被误读的就是那个『每周省近7小时』。它来自受访者的自我估计，不是工时测量。你可以把它当成一个方向性信号——AI确实在占用科学家时间最多的环节上帮了忙——但不能把它直接换算成科研产能。

把科研链条想成一家餐厅出品新菜。菜谱可以一天想出一百个，成本接近零；可试菜只有一个厨师长，一天顶多尝十道，尝完还要记录口味、成本和供应链能不能跟上。半年后你打开仓库，堆得最多的不是食材，是没试过的菜谱。

再换个更直白的类比：收费站。上游多开十条车道，下游只留两个闸口，车队只会排得更长。算法侧的『多开车道』几乎不要钱，物理侧的『加闸口』要买设备、排机时、招人，一年都未必加得上。

给一组假设性算例，只用来把结构和数量关系讲清楚，不代表任何真实团队的数据：一个团队一周产出50个假设，能验证8个，多出来的42个进待办清单；AI进来后一周产出200个，能验证的仍然只有8个，待办从42涨到192。积压不是多了一点，是翻了四倍多。

把这条链路拆开看，AI的偏爱非常明显。它快的地方，本质都是文本和符号处理；它快不了的地方，本质都是物理世界和时间。

换句话说是这样：算法可以在几小时里穷举一万种可能，培养基不会因为你着急就长得更快。设备机时、样品数量、审批流程，这些都不是算力能解决的问题。

这四步里，前三步的成本会随着模型变强继续往下掉，第四步的成本由实验室的物理容量决定。你如果不主动给第四步加资源，前三步省下来的时间，最后都变成别人的待办清单。

你不需要任何新系统，也不用重做实验。用现有的实验记录、任务工单和沟通记录，半天就能把这条链路还原出来，看清瓶颈停在哪一环。

输入样例是一行一个候选，字段包括：候选编号、来源（人、AI，还是人和AI混合）、生成日期、打分（1到5分）、是否进入验证、进入验证日期、验证完成日期、结果（成立、不成立、待定）、消耗的机时或样品量。字段不用多，能回溯就够。

输出样例是每周算一次的一张小结：新增候选数、进入验证数、完成验证数、平均等待天数、验证通过率、当前积压数。最直观的是队列长度——积压数除以每周完成验证数，就是按现在速度要几周才能清完。

复现流程四步：定字段；回溯过去四周的现有记录，不补做实验；算出新增候选、验证吞吐、平均等待三个数；再和AI进入流程之前的四周做对照。两轮数字放在一起，瓶颈位置基本就藏不住了。

如果上游的提速是真的，你最先看到的不会是产出变多，而是新增候选曲线陡增、完成验证曲线几乎不动。这是正常现象，不是翻车信号，别急着给AI打差评。

真正值得高兴的信号，是完成验证数在两个月内上台阶。那说明验证侧也被动过：加了人、加了机时、改了实验设计，或者把筛选门槛提高了，进来的候选更少但更准。

这一步最容易翻车的地方，是把两件事混为一谈：AI省下的时间属于个人，验证吞吐属于系统。个人省下来的7小时，如果没被投到最贵的那道闸口上，它只是从时间变成了队列长度。

报告自己定位为初步观察，它的价值在于指方向，不在于给结论。前DeepMind研究者曹原在一次媒体访谈中也讲过类似判断：AI自动科研最难的一环是验证方案到底可不可行，物理世界的验证尤其难，而且即使验证通了，AI能不能提出有价值的新问题仍然是未知数。两个来源口径不同，指向却一致。

你可能会问：这套说法跟做软件、做电商、做运营的团队有什么关系？关系不小。你的上游是AI帮忙写文案、出方案、生成代码，你的下游是测试环境、合规审核、客户排期、财务结算、供应链备货。这些下游环节都没有跟着变快，成本也一点没降。

你可能会问：那是不是该少用AI？我不这么看。更合理的动作是两件事同时做——给下游加资源，或者把筛选门槛调高，让进入验证的候选更少但更准。只做前面那件，你会得到一个越来越长的待办清单；加上后面那件，你至少能保证AI产出的东西真的被消化掉。

🔬 RESEARCH · 结论与边界

今天就能做的一件事：拿一张纸，写下最近四周每周的候选数、完成验证数和平均等待天数，算出队列长度。如果队列在变长，你的下一步不是换模型，而是决定验证侧扩容，还是把门槛调高。两周后再算一次，看那两条曲线有没有分开。