圆桌讨论

圆桌讨论：AI 与科研

Panel Discussion: AI x Research

圆桌讨论🎤 主持人 Frank Mian（S 基金会顾问）；嘉宾 Yossi Matias（Google Research 负责人）、Vanessa Liu（Sugarwork CEO、Appen 董事长、哈佛监督委员会成员）、Joey Gonzalez（UC Berkeley 教授）、Genta（UC Berkeley 教授、NVIDIA 研究员）、Mike Franklin（芝加哥大学计算机系教授）⏱ 47:04👁 NA

▶ 在 YouTube 观看

六位来自工业界与学术界的领军者围绕「AI 如何加速科研」展开圆桌，讨论简洁性原则、学术与企业的融合、人才争夺、知识与算力的集中化风险以及安全与开放生态。

核心要点

科研的核心不是刷新指标或跑出更好的数字，而是「提出正确的问题」与「拥有判断答案好坏的眼光」，AI 让人人能生成上千个假设，因此提问力与判断力反而更稀缺。
AI 把大问题「压缩」成可快速求解的层（如 AlphaFold、Med Gemma），但并未减少研究者——反而催生数百万用户在其基础上做新研究，每个研究生未来都可拥有自己的「虚拟实验室」。
学术界与企业界的边界正变得「可渗透」，双向流动被广泛接受；SAIR 基金会的核心使命之一就是加速这种科学—研究—企业的交叉融合。
顶尖人才正被工业界以巨额薪酬（甚至博士一年级 500 万美元 offer）从博士项目挖走，知识、数据与算力正向极少数机构集中，威胁下一代 AI 研究者的培养。
Joey 用「蛋糕」比喻：模型是诱人的蛋糕，但烤箱（GPU）、原料（数据）、配方都被锁在少数组织里；应由卖硬件、卖数据、跑数据中心者投资开放模型生态，培养「新一代烘焙师」。
在后 Mythos / 安全时代，企业与国家正走向「主权」和封闭，但安全攻防是永恒博弈，AI 本身也将成为防御工具；多位嘉宾对此趋向封闭表示担忧。

分章详解

开场与嘉宾介绍

主持人 Frank Mian 自我介绍：软件开发出身，曾负责和记（Hutchison）3G 网络工程，后在李嘉诚家族办公室任职，2009 年投资 Siri、2012 年初投资 DeepMind，当时伦敦几乎无人愿意投资 AI。
Yossi Matias：Google Research 负责人，在 Google 近 20 年，多在搜索产品侧，后回归研究，关注从基础机器学习到健康、教育、气候、量子计算，以及「用 AI 做科学」。
Vanessa Liu「身兼三职」：Sugarwork CEO（捕捉企业隐性知识用于训练自有 AI 模型）、Appen 董事长（30 年提供人工生成数据给前沿模型）、哈佛监督委员会成员，关注 AI 的可靠性与对组织、学术界的影响。
Joey Gonzalez（UC Berkeley）：长期研究 AI 系统与可扩展性，实验室做 vLLM、SGLang 等推理系统，并发起被全球用来评测模型的 Chatbot Arena。
Genta（UC Berkeley 教授兼 NVIDIA）：聚焦开放模型生态、机器学习方法学，研究如何让模型推理更好、更聪明、部署更高效。
Mike Franklin（芝加哥大学）：计算机系教授、数据科学研究所联合创始主任；曾在 Berkeley 主持 AMP Lab（Apache Spark 诞生地、Databricks 由此而出）。

复杂性 vs 简洁性：如何聚焦核心原则

Frank 以读硕士时「论文越厚、扔得越远、分数越高」的玩笑引出当今 LLM 世界对复杂性的崇拜，问如何回归简洁与聚焦。
Yossi 引爱因斯坦：事情应尽可能简单，但不能过于简单；要区分「平庸的简单」与「天才解法的简单」，并主张用 AI 与工具去简化问题，而不仅是制造复杂。
Mike 坦言「研究生毕业后我就再没专注过」，Joey 接棒给出方法论：假设当前难题（如训练超大模型）都会被解决，然后追问「这会催生什么新问题」，以此作为聚焦未来高影响问题的透镜。
Genta（NVIDIA 视角）：判断哪些想法会「留下来」——小优化带来的增量收益会随更根本的范式转变而消失；做突破性工作要押注根本性的新方向，哪怕初期结果不亮眼。
Vanessa：企业有营收机会、护城河等护栏来强制聚焦（追求最大投入产出比）；学术界（哈佛）的博士生则更受「我对这些复杂问题感兴趣」驱动，二者结合潜力巨大。

AI 加速科学发现：从压缩到「虚拟实验室」

Frank 以 AlphaFold 把多年 PhD 级蛋白质问题压缩成「一个周末的查询」为例，问这种压缩如何转化到企业。
Yossi 强调科学是分层、有基础的；AlphaFold 并未让蛋白质研究者变少，反而有 300 万用户在其上做跨领域研究；Med Gemma 去年 5 月开源后下载量达 300 万、衍生数千应用，有创业者据此构建口腔眼疾基础模型。
Google 的「AI co-scientist」多智能体系统能承担文献检索、假设生成等研究生/研究员的工作；帝国理工（Imperial College）合作伙伴 Thiego 教授团队用它在约 3 天内得出一个他们研究多年（约 10 年）、尚未发表的超级细菌假设。
其「empirical research assistant」等智能体工具已加速从流行病学、宇宙学到工程、数学的研究并产出已发表论文；Yossi 称之为研究的「魔法循环」：提问—进展—落地—催生新问题，且 AI 让这一循环不断加速。
Joey 与 Mike 提出警示：研究不只是移动指标，更在于提出更好的问题、构建更大的框架；Berkeley 内部也在辩论「AI 能否直接做系统研究」。
Mike 以众包（Amazon Mechanical Turk）往事说明「无用」的好奇心驱动研究的价值：15 年前被斥为「最蠢的研究项目」的用人群回答查询，其底层问题恰为今天用 LLM 检索、回答查询的系统奠定了基础。
Vanessa 把哈佛图书馆（海量书籍与数字/模拟文物）类比为「能问什么问题」的根本挑战，强调要赋能研究生拓展「可提问的问题空间」，并补足最后 20% 的可靠性与人类判断。
Yossi 引爵士乐家 Duke Ellington「听起来好就是好」来说明科学中对假设优劣的人类判断；并提出「有意图的好奇心」（intentional curiosity）——让提问朝更大影响导向。

架构是否撞墙：开放混合生态

Frank 问 Genta：以 NVIDIA 视角看，是否正撞上架构上限、研究突破方向在哪。
Genta 强调仅代表个人观点：当前并行存在多个趋势——模型越做越大（规模远超过去想象）、追求极致高效运行与软硬件兼容。
他个人憧憬一个「混合开放生态」：各类大小不一的模型相互协作、共同完成同一任务。

人才争夺与知识/算力集中化的隐忧

Mike：吸引人才靠「智识好奇心」与在大学里能自由开辟道路的环境——上午可与攻克癌症新药者开会，下午与研究 AI 社会政策的前沿者交流。
Joey：博士生第一年就收到惊人薪酬 offer（提到 500 万美元）；他对学生说留在大学是「投资自己、投资那段叙事」，能选择推动世界走向何方，而非只沿既定轨迹略快地前进——并补充 Berkeley 也孵化大量初创。
Vanessa（哈佛视角）：告诉学生这是理解「何以为人」的机会；校长称若现在重读会选哲学；企业则靠「使命」吸引人——Sugarwork 的使命是捕捉让公司独特的、未被记录的隐性「秘方」。
Yossi：顶尖人才看重做最激动人心的研究（发表于 Nature、NeurIPS 等）并亲手将其落地——影响科学、社会（气候/健康/教育）或产品（Google 有 8 个月活超 20 亿的产品）；新一代人才「既是顶尖科学家又是优秀工程师」，与过去大不相同。
Mike 补充：学术与工业的边界比传统更「可渗透」，双向流动被广泛接受，这种交叉授粉至关重要，不应视为非此即彼的二元选择。
Joey 提出核心忧虑：知识、能力、数据与算力正向越来越小的群体集中，可能导致无法培养出能构建下一代模型的下一代 AI 研究者；学界需在算力、资金、数据三方面加大投入。

安全、主权与封闭化趋势

Frank 介绍自己是高安全算力公司 Frontier 1 联合创始人，提出在后 Mythos、未来 AGI 世界中安全的重要性，以及是否会出现全球统一模型，或中、俄各自的前沿模型。
Joey：Mythos 让他真正担忧的不是它能找漏洞，而是首次有 AI 提供方以「安全」之名彻底封闭——不开 API、不开权重，自己垄断安全/医疗/法律咨询业务，导致生态越来越窄。
Vanessa：企业「主权」意识上升，视专有知识为「皇冠上的宝石」不愿外泄，国家层面亦然，要求算力与数据留在本地地理范围；她也身处某数据中心董事会，目睹算力被日复一日抢购。
Mike：几天前一场会议上有人指出，90% 的中小企业系统自安装日起就从未打过补丁，基础设施本就极脆弱；Mythos 是新工具新威胁、需要新对策，但「这并非全新问题」。
Genta：对总体安全的追求永无止境，永远有新漏洞与新防御；应让 AI（同级甚至更高级的智能）来防御攻击。
Yossi：回到基本原则，安全是任何软件系统的核心、须从一开始就构建好，AI 自身也将助力安全。

结语：最让你兴奋的事

Mike：生产力极大扩张，一个人能做过去需庞大团队长期才能完成、甚至不可能的事；技术变好后人们的期望增长得更快（呼应 Jeff 演讲）。
Genta：兴奋于开放生态——需要更多配方与开放性来构建巨型模型，最终人人都能拥有自己的智能、人人生产力提升。
Joey：兴奋于学生改变世界的渴望，只希望他们能拥有所需的资源与工具。
Vanessa：兴奋于高等教育与企业合作的潜力（仍在摸索具体方式），以及层出不穷的研究突破——「活在这个时代何其幸运」。
Yossi 收尾：从基础研究到量子计算（已看到走向实用的时间线），AI 正变革医疗（去年医疗业采用 AI 的速度是其他行业的两倍、已过拐点、将拯救生命）、应对气候危机、变革教育，并加速科学发现；他视 AI 为「人类创造力的放大器」。
Frank 总结：科学、研究、企业的交叉是本场最关键议题，SAIR 基金会提供了少有的恰当论坛；期待未来几年群体更大，并提议拍合影后转入社交饮酒环节。

关键引述

“事情应尽可能简单，但不能比这更简单。（Things need to be as simple as possible but not simpler than that.）”— Yossi Matias（化用爱因斯坦）

“我们并没有因为 AlphaFold 而减少做蛋白质的人——事实上有 300 万用户在用 AlphaFold 做研究。”— Yossi Matias

“如果听起来好，那它就是好——这是终极的人类判断。（If it sounds good, it is good.）”— Yossi Matias（引 Duke Ellington）

“我们正处在人类历史上独一无二的时刻，我们所做的事可能关乎全人类；留在大学，你有机会投资自己、并选择把世界推向何方。”— Joey Gonzalez

“这些模型是惊艳的蛋糕，但烘焙的技能、烤箱（GPU）、仓库（数据中心）乃至原料（数据），正被锁进越来越小的一群组织手里。”— Joey Gonzalez

“我把 AI 看作人类创造力的放大器，这正是真正令我兴奋的地方。”— Yossi Matias

术语 / 人物

SAIR / S 基金会（Science and AI Research Foundation） — 由陶哲轩（Terrence Tao）等人联合创立的科学与 AI 研究基金会，旨在推动科学、研究与企业及慈善的交叉融合；本场圆桌为其会议压轴环节。

AlphaFold — DeepMind 的蛋白质结构预测 AI，把过去需多年 PhD 工作的蛋白质折叠问题压缩为快速查询，已有约 300 万用户。

Med Gemma — Google 于去年 5 月开源的医疗信息语言模型，下载量约 300 万、衍生数千应用，可作为构建专科医疗基础模型的起点。

AI co-scientist — Google 的多智能体系统，承担文献检索、假设生成等科研工作；帝国理工团队用它约 3 天得出原需约 10 年的超级细菌假设。

vLLM / SGLang — Joey Gonzalez 实验室开发的高效大模型推理与服务系统，通过改进 GPU 显存管理大幅加速 LLM 推理。

Chatbot Arena — Berkeley 团队发起、被全球用来对各大模型进行众包对比评测的平台。

Mythos — 圆桌中反复提及的一类具备发现安全漏洞能力的强 AI / 模型，引发对安全与生态封闭化的讨论（讲者按字面拼写引用）。

隐性/隐含知识（Tacit knowledge） — 组织内未被文档化、却决定其独特性的「秘方」；Sugarwork 致力于捕捉它以训练企业自有 AI 模型。

有意图的好奇心（Intentional curiosity） — Yossi 提出的提问理念：让研究问题在好奇之外更具方向性，导向更大影响。

背景补充

本场圆桌由 SAIR（科学与 AI 研究基金会，陶哲轩等联合创立）主办。Yossi Matias 是 Google 副总裁兼 Google Research 负责人，在 Google 近 20 年，曾主导 Google Trends、Autocomplete 等搜索产品并领导健康、气候、危机响应等 AI 研究，曾获 Gödel 奖与 Kanellakis 理论与实践奖。Vanessa Liu 是隐性知识平台 Sugarwork 联合创始人兼 CEO、AI 数据公司 Appen（成立于 1996 年，服务全球逾八成主流前沿模型构建者）董事长，并任哈佛监督委员会成员。Joey Gonzalez 是 UC Berkeley 计算机科学副教授、RISE/Sky 实验室与 BAIR 成员，主导 vLLM、Vicuna、Gorilla、Chatbot Arena、SGLang 等开放 AI 系统项目；Mike Franklin 曾在 Berkeley 主持催生 Apache Spark 与 Databricks 的 AMP Lab，现为芝加哥大学数据科学研究所联合创始主任。

适合谁看

适合关注 AI 驱动科研、学术与产业协作、AI 人才与算力生态、模型开放与安全主权议题的研究者、研究生、科技创业者、企业研发与政策制定者观看。