访谈/播客

Tom Kalil：通过公共物品与慈善资本为「AI赋能科学」提供资金

Tom Kalil: Funding AI for Science Through Public Goods and Philanthropy

访谈/播客🎤 嘉宾：Tom Kalil（汤姆·卡里尔，Renaissance Philanthropy 创始人）；主持人：现场对谈主持（自称 Chuck）⏱ 24:48👁 NA

▶ 在 YouTube 观看

Tom Kalil 解析「AI赋能科学」的真正瓶颈在于缺少公共物品（数据集与评测基准），并阐述为何慈善资本能填补政府与风投都不愿触碰的资金空白。

核心要点

AI在科学中取得突破通常需同时具备三要素：定义明确的问题、大规模高质量多样的数据集、可衡量进展的基准/评测（benchmark/eval）——AlphaFold 即同时满足这三点的范例。
许多领域进展受阻是因为缺失上述某一要素，且根源在于学术激励、大学劳动力市场、资助机构与风投的结构性问题，而非技术不可行。
公共物品（非竞争、非排他）由私营部门长期投资不足，但正是 ImageNet、Common Crawl、PDB 等公共物品点燃了整轮 AI 革命，如何为这类公共物品融资仍是未解难题。
慈善资本的独特价值在于灵活性，可资助高社会/科学回报但低或不确定私人回报的项目，例如开放数据集、针对穷人疾病的疫苗、基础科学探索。
Renaissance Philanthropy 成立两年催化了 5.33 亿美元资金；说服慈善家时 Kalil 用四问框架：目标值得载入个人 legacy 吗、为何是现在、为何需要慈善而非风投、如何让出资人放心出资（第三方背书）。
Kalil 呼吁各科研领域绘制具体「路线图」：拆解问题、识别使用 AI 的瓶颈、明确所需数据集与基准，并由政府、慈善乃至私营部门共同为这些公共物品买单。

分章详解

开场介绍：Tom Kalil 的履历与本场主题

Kalil 曾在白宫为 Clinton 与 Obama 两任总统服务，设计并启动了 400 亿美元的国家纳米技术计划（National Nanotechnology Initiative）与脑计划（BRAIN Initiative）等。
他曾任 Schmidt Futures 首席创新官，协助创立 Convergent Research 及「聚焦研究组织」（Focused Research Organization, FRO）模式。
2024 年创办 Renaissance Philanthropy，头两年催化 5.33 亿美元资金，包括与 XTX Markets 合作的「AI for Math」基金、与 Walton 家族基金会合作将 AI 用于早期识字与初中数学，以及把太空望远镜成本降低 20 倍的努力。
本场对谈核心问题：当前为「AI赋能科学」提供资金时，缺失的那块拼图是什么。

AI赋能科学的成功公式：问题、数据集、基准

Kalil 指出 AI 取得进展通常同时满足三点：一是有定义明确、能发挥机器学习作为「通用函数逼近器」能力的问题；二是有大规模、高质量、多样化的数据集；三是有可评估进展的基准或评测。
以 AlphaFold 为例：Demis Hassabis 之所以投入 18 人团队做蛋白质结构预测，正因三要素齐备——问题（由氨基酸序列预测三维结构）、数据集（PDB）、评测（CASP）。
成效惊人：实验方法用 50 多年得到 20 万个蛋白质结构，AlphaFold 之后一年内对 2 亿个结构给出高精度计算预测。
反例是化学：科学家训练所用的数据「根本不具代表性」，因为人们只发表/申请专利成功的高产率反应，没人发表失败反应。
Kalil 主张应系统性追问：在所有想加速的科学问题上，阻碍进展的瓶颈是什么，再设法逐一破除。

为何进展不发生：学术激励的结构性病灶

理解「为何不去做」需理解学术研究者的激励结构、研究型大学的劳动力市场、NIH/NSF 等资助机构的运作方式，以及风投愿意资助的项目类型。
学术界奖励「新颖性」：创建一个新数据集能发论文，但若三个月后只是把数据集规模翻倍，则无法再得论文——于是许多本应做的事因结构原因无人做。
正因如此，Kalil 看好慈善的角色：它具备解决这类结构性问题的灵活性。

为何需要慈善：项目的两个维度与公共物品

任何项目都有两个维度：潜在财务回报、潜在社会/科学回报；存在大量高社会回报但低/不确定私人回报的项目。
三类风投会拒绝的例子：花 5000 万美元造数据集并放入公共领域（无法收回知识产权）；用 AI+mRNA+纳米脂质为 TB、丙肝、A 群链球菌（每年致死 200 万人）研发疫苗（「影响的是穷人」）；探究宇宙为何加速膨胀（纯粹拓展人类知识边界、无法赚钱）。
英国谚语「horses for courses」：没有脱离赛道就能定义的最佳赛马——有些项目适合风投（即使成功率仅 10–20% 仍有风投级回报），有些则太早期、属基础研究或公益，需要慈善资本。
公共物品的强大示例：TCP/IP（政府资助）、HTTP/HTML（Tim Berners-Lee）、互联网、GPS、巨磁阻存储、电子设计自动化、先进晶体管设计，皆源自 Berkeley、Stanford、CMU、MIT 等政府支持的大学研究。
我们已学会为数据中心融资（今年资本开支约 6000 亿美元），却尚未学会为能催生真正变革性应用的公共物品融资——否则只会得到「AI slop」（AI 垃圾内容）。

Renaissance 的实践：说服慈善家的四问框架与识别项目

Kalil 与慈善家/基金会对话时通常论证四件事：一个值得视为个人 legacy 的目标；为何是现在（世界发生了什么变化使原本不可能之事变得可行）；为何需要慈善而非 Sequoia 或 A16Z；以及如何让慈善家「放心出资」（独立第三方的技术背书）。
示例：与 Walton 家族基金会合作，运用 AI 与学习科学，目标是让初中数学的学生学习速度翻倍。
慈善与投资的根本差异：投资有统一指标（风险调整后回报），慈善没有统一指标，慈善家关心的东西高度异质——对特定地区的承诺、对母校或曾接受治疗的医学中心的情感。
识别项目本质上是与慈善家建立关系，再找到与其慈善目标契合的项目。

推动整个领域：科研工具、机构创新与避免单一文化

Kalil 最兴奋的是「推动整个领域前进」的想法：例如把人类基因组测序成本从 1 亿美元降到 100 美元，关键不只是做成测序，而是把成本降低了一百万倍。
风投的盲点：面对科研工具公司，风投常逼科学家转型做药企，因其经验法则是「工具使用者」而非「工具开发者」攫取大部分经济价值；即便一个工具能带来 3 倍回报并成为「年度方法」，风投仍会因追求 10–100 倍的幂律回报而放弃。
可能的解法不一定是慈善，而是 LP 与 GP 之间新的问责框架——找到愿意接受「非风投级回报但具 $100 基因组级影响」的 LP，让基金经理拥有比单纯 DPI 更复杂的目标函数。
我们「过早标准化」了少数几种科研资助方式（如同行评审委员会向已有初步数据的教授发放小额经费），导致研究者只构思能塞进这个框框的想法。
FRO 模式的价值：Sam Rodriguez 与 Adam Marblestone 提出有限期、有 CEO、20–30 名专业科学家工程师朝同一方向努力的研究型非营利组织；它不仅产出 Lean FRO 等成果，更提升了整个科研群体的雄心。
独立资金为何仍重要（即便 AI 大厂算力开支超过政府）：避免「单一文化」（如只想着扩展 Transformer 架构）、保持思想多样性，并解决前沿实验室不感兴趣的问题（如用人类免疫类器官生成训练数据来预测疫苗反应）。
Kalil 最想看到的突破：各领域出现能识别「用 AI 加速进展之瓶颈」的研究者；他举例一群产学界研究者把小分子药物发现拆为 22 个任务（如预测候选药物毒性），并为每个任务指定数据集与基准——他希望更多领域有这种具体路线图，并由政府、慈善乃至私营部门为所需公共物品出资。

关键引述

“我们已经搞清楚如何为数据中心融资……但还没搞清楚如何为那些能加速真正变革性应用、让我们对 AI 感到兴奋（而非只是 AI 垃圾内容）的公共物品融资。”— Tom Kalil

“实验方法花了 50 多年才得到 20 万个蛋白质结构；AlphaFold 之后，一年内就对 2 亿个结构给出了高精度的计算预测。”— Tom Kalil

“如果你去找风投说『请给我 5000 万美元，我要造一个高质量数据集然后把它放进公共领域』，那会是一场很短的会议——因为风投会问：你把知识产权都送人了，我怎么收回成本？”— Tom Kalil

“我们没有真正把基因组测序做出来那么简单——我们是把它的成本降低了一百万倍（从 1 亿美元到 100 美元）。”— Tom Kalil

“独立资金之所以仍然重要，是为了避免单一文化、保持思想的多样性。”— Tom Kalil

术语 / 人物

Tom Kalil（汤姆·卡里尔） — 科技与创新政策专家，曾为 Clinton、Obama 两任总统在白宫服务，曾任 Schmidt Futures 首席创新官，2024 年创办并执掌 Renaissance Philanthropy。

Renaissance Philanthropy — Kalil 于 2024 年创办的非营利慈善咨询机构，连接高净值出资人与科学家/创新者，资助风投与政府常忽略的科技项目，灵感源自文艺复兴的赞助人传统，创始捐赠来自 Eric 与 Wendy Schmidt。

公共物品（Public Goods） — 经济学概念，指非竞争（一人使用不妨碍他人使用）且非排他（无法阻止他人使用）的物品；私营部门倾向投资不足，如 TCP/IP、ImageNet、PDB。

AlphaFold / PDB / CASP — AlphaFold 是 DeepMind 的蛋白质结构预测系统；PDB（Protein Data Bank）是其训练数据集；CASP 是评估蛋白质结构预测的基准竞赛。

Focused Research Organization（FRO，聚焦研究组织） — 由 Sam Rodriguez 与 Adam Marblestone 提出的研究模式：有限期、配 CEO、20–30 名专业科学家工程师的研究型非营利组织，承接学术界与初创公司都难以完成的项目。

ImageNet / AlexNet / Common Crawl — ImageNet 是 Fei-Fei Li 主导的 1400 万张图像数据库；AlexNet 是引爆深度学习的算法；Common Crawl 是抓取全网内容的数据集，为大语言模型提供基础。

DPI / LP / GP — 投资基金术语：DPI 衡量已分配给出资人的回报倍数；LP 为有限合伙人（出资方），GP 为普通合伙人（基金管理方）。

AI for Math 基金 — Renaissance 与 XTX Markets 合作的基金，支持将 AI 用于数学，相关工作含 Lei Li、Leon 等人及 Lean 形式化数学的 FRO。

背景补充

Tom Kalil（生于 1963 年）是横跨政府、慈善与学术界三十余年的科技创新政策专家，毕业于威斯康星大学麦迪逊分校与塔夫茨大学。他在白宫为 Clinton 与 Obama 两任总统设计并启动了数十项科技计划，包括 400 亿美元的国家纳米技术计划、脑计划（BRAIN Initiative）以及激励奖金（incentive prize）立法。离开白宫后任 Eric Schmidt 旗下 Schmidt Futures 首席创新官，协助创立 Convergent Research 与 FRO 模式；2024 年 5 月创办 Renaissance Philanthropy，旨在连接富有出资人与科学家/创新者，资助风投与政府常错过的高社会回报项目，创始捐赠来自 Eric 与 Wendy Schmidt。

适合谁看

适合关注科研资助机制、慈善与影响力投资的出资人与基金管理者，以及从事 AI for Science、希望理解数据集与基准等「公共物品」如何决定突破的科研工作者与政策制定者。