挖了诺奖得主，找到编程之外第二战场！Anthropic却把路走窄了

来源：市场资讯

抓住风口，看懂趋势

本期要点：AI for Science，第二个“可验证”的战场

你好，我是王煜全，这里是王煜全要闻评论。

最近，AI编程的仗还没打完，Anthropic又开始了新的战争。只不过，战场从代码编辑器、聊天窗口挪到了实验室和工程测试现场里。

前几天，AlphaFold的共同创造者、和谷歌Deepmind创始人Demis Hassabis一起获得2024年诺贝尔化学奖的大牛John Jumper，宣布离开谷歌DeepMind，正式加入了Anthropic。

左）和John Jumper（右）

科技圈的人才流动非常频繁，这个消息也就没有得到大家的太多关注。

但如果你只是简单认为，这不过是一次科学家的跳槽而已，你可能就忽略了一个关键信号，并可能错过一个即将爆发的大趋势，那就是AI for Science（科研AI）。

而且我们想强调的重要一点是，AI for Science甚至会带动未来AI协作体系的发展，推动整个AI产业的进化。

AI for Science

首先，AI for Science为什么值得押注？

因为这个领域跟AI编程有一个关键相似点，那就是结果可验证。

过去两年，整个AI编程赛道发展得最快，就是因为编程这个场景自带反馈闭环。说白了，代码对了就是能跑，写错了就是过不了测试。

因此，AI的能力能在回路里不断强化，也让编程成为了AI第一个能独自干活的领域。

典型的反例就是AI写文章。

这个领域需求也不小，AI确实也有用，但问题是，AI的文章写好不好，没有客观标准，读者不买账就是失败。

在这种没有明确反馈的场景中，AI的能力很难持续提升。

大家没注意到的是，科学研究和编程很像。

蛋白质结构对不对、分子性质稳不稳定、药物有没有毒性、材料性能能不能达到要求，所有这些环节的结果，最后都可以通过实验数据验证。

比如，AlphaFold已经预测并开放了超过2亿个蛋白质结构，但每一个结构最终都要回到实验里去验证。一款新药能不能成，不仅靠AI预测，还需要临床数据来裁决。一种新材料能不能用，也需要工程测试提供反馈。

因此，AI for Science天然就是一个可验证的领域，任何一个尝试，做错了立刻能被纠正，做对了更可以被复用。AI也能从这些反馈里学到如何自主应对，就能逐渐进化。

亚马逊创始人，贝索斯

而且，不只是Anthropic，看上AI for Science的，还有贝索斯领投并亲自担任了CEO的初创公司Prometheus。

根据官方的宣传，他们在用AI加速材料学、工程和物理世界的研发，特别是喷气引擎、芯片、医疗设备、航天器等这些复杂实体产品的设计与制造。

虽然还没有对外公开任何进展，但Prometheus近期又完成了120亿美元的B轮融资，投后估值高达410亿美元。

Anthropic押注生命科学，Prometheus则专攻材料和工程，看起来方向不同，本质上是同一件事：AI正在离开聊天框和代码库，进入可验证的科学和工程领域。

开放协作

所以，不得不说，继编程之后，Anthropic又押对了新赛道。

只不过，他们很有可能会用错误的方式，也就是用封闭平台来推进AI for Science，从而给后来者留下了超越的机会。

为什么科学领域不能靠封闭体系？

一方面，一个科学任务包含了大量的复杂步骤 ，比如需要阅读文献、把握前沿进展、提出假设、设计实验或模拟的方案、进行测试、收集并分析数据，在得到初步结果后，还要进一步验证或复现，从而找到待改进的问题，再进一步迭代。

可以说，一个科学突破往往要经过几十次、上百次的循环试错。

因此，实现科学突破，不可能靠一个模型一步到位完成，它背后还需要大量不同的Agent来协作，并调用各种工具。

但更核心的原因在于，科学研究所解决的都是最前沿的问题，越是前沿就越意味着没人知道正确答案，必须靠全人类的大规模同步试错才可能把正确方向撞出来。

所以，在AI没出现之前，科学本身就是一个靠开放协作运转的系统。任何一个领域的科学进步，都是全球无数科学家、科研团队共同实现的。

它靠的是别人能不能复现你的结果，结论是否可以证伪，是否可以沿着你的方法继续得出新的发现。一句话来总结就是，科学研究靠的是可复现的协作流程。

可是，如果你是个封闭的系统，你的尝试别人看不到，就不会有人去进行重复验证；一个新的研究思路或研究方法如果别人学不到，就不可能在你的基础上做出新发现。

封闭系统可以短期跑得快，因为调度更高效，决策更一致，而且在高回报的预期下，投资人也会愿意做出更多投入。

但放在科学这种天然靠全球同步进行试错的领域，长期看，封闭无疑也会限制协作范围，压低扩散速度，缺乏后劲。

要知道，Anthropic从成立以来，就没有开源过任何一个模型。反之，哪怕是OpenAI，都开源了两款模型，让开发者可以在本地运行。

谷歌的AlphaFold，更是从一开始就走开源路线，成为了生命科学的基础设施，且所有预测的蛋白质结构全球免费可查，科学家能在这些成果之上继续叠加自己的研究。

我们不是在这儿道德绑架Anthropic，让他们公开自己花重金训练出来的模型。只是想指出，在未来的AI for Science领域，Anthropic大概率也会继续自己的封闭策略，不可能像谷歌那样把核心能力开放出去，给整个科学界的贡献也未必会如大家期待的那么大。

这背后的原因，很大程度上来自于Anthropic的技术精英思维，他们认为最先进的技术应该掌握在自己手里，由自己来造福社会。

且不说他们的理想是否现实，我们更想强调的是，未来的AI世界，很可能不是一个超级大模型拥有所有能力，更可能是各行各业拥有自己的最强AI和Agent系统，并且无数的Agent相互协作，相互学习，进而实现整体的不断进化。

而这离不开一个开放的协作体系。

科学本身就是大规模协作的产物，这里面没那么多利益分配与政治扯皮，最适合作为大规模协作的试验场。如核聚变研究靠全球几十个国家共享数据，人类基因组计划靠六国和欧盟科学家一起联手完成。

所以，我们认为，AI for Science会让大家看到这个开放协作体系的雏形。而Anthropic虽然押对了AI for Science赛道，但他们的打法未必正确。

这也给其他公司提了个醒，你是要把AI锁在自家围墙里，收一收过路费，还是要让它在全球网络里被调用、迭代和放大？

选围墙的企业，其实是在把自己关进孤岛；选网络的企业，看似一定程度上放弃了短期商业化利益，却推动了整个网络的成长，并让自己也随之快速发展，从而成为更大的强者。

以上就是今天的内容，最后，提醒一下，科技特训营十周年了，7月1号我们将上线AI王煜全，特训营也将随之涨价到7999元。但6月15号到30号报名或续费特训营，将额外获赠2个月学时，并同时享受AI王煜全权益。

快快加入科技特训营吧，和我一起，先人一步，领先一路！

王煜全要闻评论，我们明天见。