诺奖三年:AI 正在改变科学发现的方式

把 2024、2025、2026 三年的诺贝尔自然科学奖放在一起看，我先得出一个反直觉的结论：AI 没有“包揽”诺奖，但它悄悄改变了科学发现的方式。

一、三年名单里，AI 到底出现了几次

2024 年是 AI 的高光时刻。物理学奖颁给 Hopfield 和 Hinton，奖励的是人工神经网络的基础理论。化学奖的一半给了 AlphaFold 的蛋白质结构预测，另一半给了计算蛋白质设计。AI 第一次同时站上两个自然科学奖项的领奖台。

但接下来两年，剧情没有延续。

2025 年物理学奖是宏观量子隧穿和能量量子化，为量子技术打地基。化学奖是金属有机框架（MOF），一种材料科学突破，AI 可以辅助后续研发，但不是这项成果的核心。

2026 年诺贝尔物理学奖得主 Francis Halzen（图：Nobel Prize Outreach / Niklas Elmehed）

2026 年更“传统”。物理学奖由 Francis Halzen 一人获得，表彰他对 IceCube 中微子天文台的决定性贡献，也就是在南极冰层里捕捉来自遥远宇宙的高能中微子。

2026 年诺贝尔化学奖官方插图：镜像分子的“手性”（图：Nobel Prize Outreach）

化学奖给了 Henri Kagan 和 Kenso Soai，他们发现了不对称合成中的非线性效应与自催化，回答了“生命为什么只用一种手性分子”这个存在了一个多世纪的谜题。

2026 年诺贝尔生理学或医学奖官方插图：光控神经细胞的“开关”（图：Nobel Prize Outreach）

医学奖是光遗传学：用光控制神经细胞，研究记忆、情绪和行为。

所以更准确的说法是：2024 年 AI 站在聚光灯下，2025 到 2026 年诺奖把目光放回了长期检验过的基础科学。

二、四个规律

1. 学科边界在变模糊

神经网络的理论根基来自物理，却获得了物理学奖，又催生了化学奖里的蛋白质预测。物理、数学、计算机和生物，已经很难分开讲。

2. 科学从“观察”走向“预测与设计”

AlphaFold 预测蛋白质结构，计算蛋白质设计再往前走一步，直接创造自然界没有的新结构。这是从理解自然，到主动设计。

3. 数据、计算和实验必须协同

IceCube 很典型：庞大的团队在南极冰下建起一立方公里的探测器，从海量信号里找极其稀少的事件，再靠严格分析确认发现。它不是靠 AI 完成的，但它说明数据驱动的科学有多重要。

4. 诺奖奖励长期积累，不奖励最新热点

Hinton 的研究起点是几十年前。Halzen 1988 年就提出在南极冰里捕捉中微子，IceCube 在 2011 年建成，之后才逐步拿到发现。重大成果需要时间检验，AI 可以加速，但不能跳过这一步。

三、AI 真正改变的，是发现的路径

以 AlphaFold 为例。过去研究蛋白质结构，要靠复杂的实验，往往耗时很久。AlphaFold2 之后，研究者已经用它预测了约 2 亿种已知蛋白质的结构。

传统路径：观察现象 → 提出假设 → 设计实验 → 验证规律。现在多了一环：数据与已有知识 → AI 预测、筛选、提出候选方案 → 实验验证 → 修正模型 → 新发现，然后循环。

AI 没有取消实验，只是在实验之前加了一道高效的探索。验证这一步，依然只能靠证据。

四、接下来值得关注什么

以下是我的判断，不是诺奖委员会的方向。

• AI for Science：AI 不只是聊天和写代码，而是参与发现新材料、新药和新规律。

• AI 加生命科学：蛋白质设计、药物研发、疾病机理研究，空间很大。

• AI 加物理：辅助分析大型实验数据、模拟复杂系统。

• AI 加自动化实验：让模型预测和机器人实验形成闭环，缩短研发周期。

• 可信科学：AI 产出的结论要可重复、可解释、可验证，否则速度越快，风险越大。

还有一个容易被忽略的张力：现代重大发现越来越依赖大型团队，但奖项仍然主要授予少数个人。今年 Halzen 一人获得物理学奖，而 IceCube 背后是数百位科学家。团队化的科研，和个人荣誉的制度，正在互相拉扯。

五、对普通人的三点启发

结合我自己做数据分析、思考 AI 与职业的经历，我的判断是：

• 单纯处理信息的价值，可能在下降。整理、分析、归纳甚至预测，AI 越来越擅长。

• 定义问题的价值，可能在上升。能判断什么问题真正重要、什么结果可信的人，会更有优势。

• 把技术成果转化成现实价值的能力，更重要。把复杂知识变成客户听得懂、能拿来决策的建议，这件事 AI 暂时替代不了。

但也别以为所有和人打交道的工作都安全，标准化沟通同样可能被替代。真正的护城河是专业判断、建立信任，以及在复杂情境里承担责任。

结语

2024 年的诺奖证明，AI 已经可以成为重大科学突破的核心技术。2025 和 2026 年的诺奖则在提醒我们，科学的主线仍然是理解自然、创造工具、验证规律。

AI 改变了发现的方法，没有改变科学的根本原则：证据、实验、验证。

最后留一个问题：当 AI 已经能帮人类攻克几十年没解开的科学问题，未来最重要的能力，到底是解决问题，还是提出值得解决的问题？

资料来源：NobelPrize.org 及瑞典皇家科学院、卡罗林斯卡学院 2026 年诺贝尔奖官方公布。