夜雨聆风25岁清华助理教授，把自己当AI训练了60天，只为造一个比人更懂科研的“元模型”！
“太疯狂了。”
聊到今年上半年回国融资的体感时，刘子铭——这位清华大学人工智能学院最年轻的助理教授之一——用了这三个字来概括。今年3月，他从MIT和斯坦福做完博士后回国，4月底入职清华，5月底开始参与创业公司元环智能的融资。整个过程让他深刻体会到了当下AI投资圈的火热程度。
但更疯狂的，是他正在做的一件事。他有一个近乎偏执的信念：人类不应该再靠“拍脑袋”来设计AI模型了。Transformer是拍脑袋拍出来的，ResNet是拍脑袋拍出来的，就连他自己提出的KAN网络，某种程度上也是拍脑袋拍出来的。这种不可复制、不可规模化的创新方式，让他非常不满意。
于是，他把自己当成了一个模型，做了60天的人体实验，只为证明一件事：存在一个“元模型”，它能比人类更懂科研。
刘子铭的学术路径，带着一种典型的“被物理伤害过”的印记。他本科在北大物理学院，最初被物理那种“智力上极具挑战性的美”所吸引。但很快，他就经历了“理论物理和实验物理的双重毒打”。
在理论物理上，他始终比不过那个传说中的姚舜宇。转到实验物理，他又发现自己“进了实验室只会把事情变得更加混乱”。他至今记得自己做磁流体实验时，弄得满手满脸都是液体，狼狈不堪。“我感觉到我好像不太适合做实验，也不太适合做理论。那接下来我要干什么？”
答案出现在2017年。那年他读大二，接触到了GAN——生成对抗网络。这个在当时看起来还有点玩具性质的东西，却精准地击中了刘子铭的兴奋点。“它好像在数学上也没有那么难，做出来的东西又非常Fancy。”
从此，他找到了一条属于自己的路：嫁接神经与符号，打通AI与物理学这两个看似截然不同的世界。他把它叫做“AI的物理学”——不是用AI去解决物理问题，而是用物理学的思想和方法，去理解AI这个黑盒。
在MIT读博期间，刘子铭的导师是Max Tegmark——那位以平行宇宙理论闻名于世的物理学家。2023年初，ChatGPT刚发布不久，Max就做了一个让整个实验室转向的决定：所有人从AI for Physics转向机制可解释性。“因为大语言模型太危险了，我们要保证它的安全，就需要理解它内部到底是怎么工作的。”
但刘子铭有一个自己的执念。他一直在思考一个问题：能不能构造一个网络，它同时是一个神经网络，同时又是一个可以被写下来的符号公式？这就像量子物理中的“波粒二象性”——一个粒子，既是粒子又是波。能不能有一个模型，既是神经网络又是符号公式？
他开始自己推导，写出了一个方程。几天后，他后知后觉地发现，这个方程其实就是1957年两位苏联数学家Kolmogorov和Arnold提出的K-A定理。他把这个想法拿给Max看，Max直接甩给他一篇1989年的论文，说这个东西在数学上早就被证明“最坏情况下不Work”。
但刘子铭不信这个邪。“物理出身的人，可能不那么关心最坏情况。我们关心的是，它能不能在某些场景有用？只要有用，它就是个好东西。我们人能活在这个宇宙里，这个宇宙就不是最坏的宇宙。既然不是最坏的宇宙，那它就可能Work。”
他花了两周时间把原型做出来，又花了一周手写可视化代码。当他把KAN网络内部的结构图画出来时，Max被彻底说服了。“哇，太有趣了。我们居然能看到网络脑子里面到底在想什么，而不仅仅是端到端的预测。”这篇论文后来成为他最有影响力的工作之一。
KAN的成功并没有让刘子铭满足。他反而问了自己一个更深的问题：我能提出KAN，但我是怎么提出KAN的？这个思考过程能不能被复制？能不能被蒸馏到一个模型里去？
从今年年初开始，他做了一个极其硬核的人体实验。每天，他会随机拉一个数据集，随机拉一个模型，在开始训练之前问自己：你来预测这个训练曲线会长成什么样子？然后他去做实验，验证自己的预测。他把这个过程日复一日地做了60天，每天记录，发布在自己的个人网站上。
“一开始我的预测能力非常差，可能连趋势都猜不对。但大概四五十天之后，我开始变准了。我能在做实验之前，大概预测出结果是什么样子的。甚至前几天做的是Language相关的实验，今天做的是Vision相关的实验，我也能预测准。”
这种近似于苦行僧式的修行，让他悟到了一个关键结论：元模型是可能的。所谓“元模型”，是一种关于模型的模型——输入是一个模型架构和训练配置，输出是这个模型的训练曲线。换句话说，它是一个能预测AI实验结果的AI。
但人类的瓶颈在于带宽。刘子铭一天最多只能做一个、最多两个实验，把每个实验都做得极其细致。“一个模型不需要睡觉，不需要吃喝，不会有情绪。它的任务就是去看各种各样的实验，去预测它们的结果。在我自己的人体实验上，四五十次就能开始有顿悟的迹象。对于元模型来说，可能需要四五百次，但无所谓，多消耗一点计算资源也无所谓。”
这就是他参与创建元环智能的核心驱动力：把自己外化，把自己脑子里那种能预判实验结果的能力，蒸馏到一个模型里去。
刘子铭正在做的事，被很多投资人归类为“AI for AI”或者“Auto Research”。但他自己的定义要更精准一些——不是让AI写Paper，而是让AI掌握物理学家发现规律的那种能力。
他用天文学来打比方。天文学有三个阶段：第谷阶段，大量观测和记录数据；开普勒阶段，拟合出行星轨迹是椭圆的经验规律；牛顿阶段，用一个万有引力公式把所有经验规律统一起来。
“我们现在AI大概处于什么阶段？乐观地说，是第谷和开普勒之间——我们有大量实验，但经验规律还很少，Scaling Law是少数几个。悲观地说，我们可能连第谷时代都还没到。第谷好歹把望远镜对准了星空，但我们过度聚焦在Transformer这一种架构上，忽视了其他星区。我们连大数据时代都没进入。”
他认为，现在主流的Auto Research路线——用Coding Agent去自动跑实验、写论文——是让AI变得更“勤奋”。但他的路线，是让AI变得更“聪明”。“勤奋和聪明都需要。我说不定提三次想法，就有一个Work；Coding Agent提一百个想法，才有一个Work。我们要做的，是把那个‘提三次就能中一次’的直觉，给训进模型里去。”
就在几个月前，刘子铭还是一个典型MIT式的人。“我的同学都觉得湾区那些人搞的Agent都是在骗钱。一直到去年5月拿了清华的Offer，我的Mindset都是要在学术界做出更有影响力的工作，不要跟你们工业界同流合污。”
转折发生在他在斯坦福做博士后的那6个月。他的一个好朋友高文浩，同样是MIT博士出身，同样“瞧不起创业、瞧不起大厂”。去了斯坦福两周，就跟他说，子明我要创业了。“之前我们每周吃饭聊的都是学术，他开始创业之后，就教我应该怎么创业。”
更大的刺激来自他的博后导师Andreas Tolias。这位全球顶尖的神经科学AI研究者，在刘子铭刚到的时候还在秘密筹划公司，等他离开前一个月，公司已经宣布了。“我是亲眼目睹他从一个Pure Scientist往Entrepreneur转变的全过程。这对我来说是一种教育。”
当他自己也决定参与创业时，Andreas直接说，那你待我们公司好了，反正我们也要做AI Scientist。但刘子铭拒绝了。他的理由带着学术界出身的某种执念：“这个想法得是我原生的。这个技术路线得是我的DNA。至少在早期研发上，得按我的想法去推。”
刘子铭的整场谈话，都贯穿着一个核心主题：他不满足于让AI只是一个黑盒子。他想要一个可以被理解、可以被预测、可以被加速的AI。
在很多人看来，这或许是属于上一个时代AI的执念。但刘子铭不这么认为。他把自己的角色定义为一个“中间人”——比工业界更理性、更有结构主义的坚持，又比学术界的老学究们更疯狂、更相信AI可以加速这个过程。
“AI的物理学，如果靠我们古法科研，可能需要几百年。但如果用AI来做AI的物理学，这个进展可以很快。以前我可能会说需要3到5年做研发，现在我找到了一条清晰的路线，我就要快速去推进它。”
最后他把话头收了回来，用自己一贯的风格把词包圆儿了回来。“我说KAN不是符号主义，我说元模型也不是只靠结构。它得做出来，让大家看到那根训练曲线真的降下去了，才能说服所有人。如果做不出来，这些都是废话。”
在AI以天为单位进化的2026年，一个25岁的清华助理教授，正试图把他脑子里的那根训练曲线，搬到现实世界里来。
正所谓
星图未绘欲开疆，自训元神六十霜。莫道黑箱深似海，一灯照破是吾乡。