AI让弦理论研究提速100倍！哈佛史上最年轻华人教授加盟OpenAI

原创 花叔 2026-06-04 16:07 天津

前几天，海外的AI圈和基础科学的学术圈有个传闻挺热闹的：尹希，哈佛史上最年轻的华人正教授，弦理论这门基础科学里最难啃方向的顶尖学者，据爆料离开哈佛去了OpenAI。当然，到目前为止OpenAI、哈佛和他本人都还没正式回应，也有人说他只是停薪留职去那边待一阵。

先说尹希是谁。他1983年生，12岁进中科大少年班，2006年拿到哈佛物理博士，2015年31岁晋升正教授，是哈佛史上最年轻的华人正教授之一。研究方向是弦理论和量子引力，物理学里最抽象、最难出成果的硬骨头，拿过斯隆研究奖和基础物理学突破奖的新视野奖，长期被同行看作有希望冲诺奖的苗子。就这么一个人，现在公开把宝押在AI上。

然后顺着这个传闻，我找到了个更有依据更有趣的信息。今年4月，哈佛校报写过一篇长文，讲AI怎么搅动理论物理。尹希在里面说，AI给他的提速「至少100倍」，几周里写出的代码，他自己写要花10年。他还说，不相信有任何一项人类智力能力是AI无法复制的。他最后还说：我自己有没有亲手得出那个解，是次要的，只要结果能被验证。

一个站在基础科学最顶端的人，如此相信AI和使用AI，我觉得还真挺特别的。所以借此我也很想看看，现在AI到底是怎么钻进实验室、帮人类做科学研究的？

带着这份好奇，我翻了2026上半年一批论文，发现AI在高校实验室里的渗透还真挺不错了。它开始干一些人类自己都不太擅长、甚至干不了的事：读懂基因组里没人看得懂的暗区，在三天里造出上千万条蛋白数据，生成几千个「平行版本的2023年夏天」去找那个本可能更热的极端值。

这比AI写代码更值得关注。写代码是把存量知识自动化，做科学是去碰人类还不知道的东西。AI for Science（AI4S）这两年本就热闹，也为了满足自己的好奇心，我想把这半年各个学科里真实发生的事一件件讲清楚，最后再回到尹希那句话，说说我作为一个天天指挥AI干活的人，到底怎么看「我有没有亲手得出解是次要的」这种判断。

AI4S的三条主线

读了几十篇之后，我发现表面上五花八门的成果，底下其实是三条线在反复出现。

第一条，每个学科都在造自己的「基础模型」。就是那种一个模型干很多件事的玩意儿，跟GPT一个套路，只不过吃的不是文字，是基因序列、是分子结构、是天气场、是脑片子。

第二条，干湿闭环开始真落地。所谓干，指电脑里算；湿，指实验室里真做实验。以前AI算完一个方案，得人类去手动验证。现在AI直接驱动机器人做实验，自己提假设、自己跑、自己看结果再调整。

第三条，不过呢，也有些排斥AI的学者提供了些泼冷水的声音，我们也会大致聊聊。

记住这三条，下面分学科看就不会乱。

生命科学：读懂基因暗区，三天造千万数据

生命科学这半年最破圈的，是Google DeepMind的AlphaGenome（Nature，2026年1月）。

你可能听过一个数字：人类基因组里只有约2%是编码蛋白质的，剩下98%长期被叫做「暗区」。但偏偏大多数跟疾病相关的突变，就藏在这98%里。问题是这片区域太难读了，它不直接造蛋白，而是像开关一样调控别的基因什么时候开、开多大。

过去研究它，得拼好几个专用模型：看基因怎么被剪接拼接用一个，看DNA什么时候打开用一个，看它在细胞核里怎么折叠又是一个。一个任务配一把专用钥匙。AlphaGenome干的事，是把这些全塞进一个模型。它一次能读进100万个碱基对的DNA序列，以单个碱基的精度，同时预测十来种调控信号。

效果到底行不行？在26项变异效应预测的评估里，它有25项追平或超过此前各自领域最强的专用模型。这意思是，一个通才打赢了一屋子专才。

但我得替它把话说圆。这些大多还是计算预测跟实测数据比相关性，在一个常用基准上，预测值跟真实实验结果对得上六成多，剩下三成多还对不上。这说明它对单个突变的解释力还有限，离「医生拿着它直接判断这个突变到底致不致病」还有距离。它是把暗区的地图画得更全了，不等于已经能临床用。

另一个我觉得特别戳中要害的，是哈佛团队的Sequence Display（Nature Biotechnology，2026年4月）。

AI做蛋白工程这事，瓶颈从来不是模型不够聪明，而是没数据喂。蛋白的「序列长这样、活性有多强」这种配对数据，过去靠人一个个测，慢得要死。Sequence Display想了个巧办法：给每个蛋白挂一个「活性条形码」，活性越高，条形码被编辑得越多，最后靠测序按活性分桶。

结果是单次实验产出超过1000万个数据点，从产数据到训完模型，总共三天。它已经在小型基因编辑酶、tRNA合成酶这些蛋白上验证过，还真找出了能识别非天然氨基酸的合成酶变体。我喜欢这个工作，是因为它没去卷模型，而是去卷数据这个真瓶颈，反过来给那些蛋白大模型造训练集。当然，它读的活性是用条形码间接读的，不是直接测酶的反应速度，目前也只在四类蛋白上验过，能不能推广到更复杂的酶和抗体，还得看。

顺带说一句，造蛋白这块还有个有意思的趋势。英伟达和牛津在ICLR 2026上的一个工作（Proteína-Complexa），把大模型里那套「想得越久、答得越好」搬进了蛋白结合体设计，单样本生成只要15.6秒，在它自己选的14个靶点上全拿最佳。还有一篇综述（arXiv 2602.03779）把这些年生成式AI设计酶的成绩单摊开：有个被重设计的蛋白酶活性提升26倍、耐热温度抬高40度。十多年来从头设计的酶一直催化效率低到没法用，现在第一次摸到了工业上能用的门槛。这些目前主要还是计算成功率，真做实验验证偏少，但方向已经很清楚。

化学材料：让机器人自己跑实验，但成功率低得反直觉

化学这块，我挑了一个特别诚实、也特别打脸的工作来讲：A-Lab（Ceder组，arXiv 2604.11957）。

这是第一个能在严格无氧环境下，全自动合成怕空气材料的自驱动实验室。它在手套箱里自动合成加表征了352个卤化物锂尖晶石样品，覆盖19种金属。更妙的是，它把大模型显式拆成两个角色：一个专门找异常样本、提假设，另一个找规律、往外推。这样你能追溯它每一步「为什么这么决定」。

听起来很科幻对吧？但结果反直觉的地方在这儿：所谓「成功」的样本比例，也就是导电性达标、纯度高的那种，从最初75个样本的1.33%，跑到最后75个样本，**也只提升到5.33%**。

就算用上最前沿的agent做闭环优化，命中率还是停在个位数百分比。作者自己也承认，找异常那个agent主要在已经探索过的区域里精修，真正往外扩展靠的是找规律，两者协同的增益有限。我觉得这事的价值，恰恰在于它没吹，它证明的是「这条路能跑通」，而不是「我们发现了一堆好材料」。

不过话说回来，5%的命中率，跟一个有经验的材料学家用直觉去筛，到底是快还是慢、好还是差，论文没比，我们也别急着替它下结论。它了不起的地方是把整个流程自动转起来了，不是说这条路已经赢了人。

材料这边还有一条「基础模型」的线值得提。大阪大学的工作（arXiv 2603.03223），把通用原子模拟模型能算的元素，从此前的89种撑到了97种，专门补齐了镅、锔、锎这类极重的放射性元素，这些东西实验极难测、传统计算又极贵，过去基本是盲区。剑桥的MACE-POLAR-1（arXiv 2602.19411）则在1亿个分子结构上训练，让模型在带电、弱相互作用这些原本算不准的地方，精度逼近一种很贵的精确算法，蛋白和药物分子结合的精度改善约4倍。这俩都是冲着「一个模型管一大片体系」去的。

（另外有一项工作用大模型agent去优化一类多孔材料的合成，宣称结晶度大幅提升，但具体数字我没核实到，这里就不写死了。）

物理：神经网络帮量子计算「省硬件」

物理这块我最想讲哈佛的一个工作（arXiv 2604.08358），因为它直接关系到「我们到底什么时候能造出能用的量子计算机」。

量子计算最大的麻烦是错误率高，得靠纠错。纠错的核心是个叫解码器的东西，实时判断哪里出了错。传统的算法解码器有个天花板。这篇用神经网络做了个解码器，把出错率压到了一个夸张的水平，相当于连续运算一百亿步才出一次错，已经摸到实用量子计算机的门槛。

更要命的是它带来的省钱效应。它发现量子纠错有个「瀑布」现象，错误抑制比教科书公式陡得多。利用上这个，要达到同样的目标，用神经网络解码器需要的量子比特规模明显更小。换算下来，造一台量子计算机用的物理量子比特能少约40%。少四成硬件，这是真金白银。而且它判断一次只要约40微秒，已经快到能跟上实际机器的节奏。

要泼的冷水也在：这些都是模拟数据，不是真机实测；而且这种神经解码器在理论上没法保证不出某类小错误，可能存在一个「错误地板」，目前只是没观测到。

物理还有两个我觉得很费曼味的小工作。一个是宾州州立的（arXiv 2603.15853），用AI解量子方程时，发现大家长期默认的「让能量最低」这个目标，会被神经网络太强的能力坑害，算出来的能量假性偏低，物理上根本不可能。换个目标函数，从很差的起点出发，10次里9次能稳定收敛，而老办法只有2次。这是个典型的「目标定错了」的故事，提醒人别迷信默认设置。另一个是用Transformer预测核聚变装置里等离子体的行为（arXiv 2602.19110），整体吻合度很高、算一次只要0.1秒，但作者老老实实指出有两个关键参数明显更差，因为喂给模型的信号里压根不含相关信息。不是模型不行，是信息不够。

天文气候：用AI生成几千个「平行世界」

天文气候这块，有个工作我看完直接拍桌子，劳伦斯伯克利和英伟达做的（arXiv 2604.09754）。

传统气象预报想估算极端天气，靠的是跑少量几个版本再做数学外推。欧洲那套主流系统，一次就跑50个版本。这篇用AI天气模型，生成了7424个2023年夏季的情景，等于造了7424个「平行版本的那个夏天」。

结果是：全球约三分之二的陆地上，AI算出的极端高温还在传统方法能覆盖的范围内。但剩下三分之一的陆地，AI算出的极端事件完全超出了传统外推的范围。其中7.3%的陆地，那个高温就算用传统数学外推也属于「极不可能」，主要落在格陵兰、俄罗斯东部和北部、阿拉斯加，以及中国东部、华北的部分地区。

我觉得这事最反直觉的点在于：大模型在这里的科学价值，不是「预报得更准」，而是「廉价生成几千个平行现实」，把传统方法压根够不着的极端情况翻出来。这直接服务于公共安全预警分级，你得先知道最坏能坏到哪，才知道防到什么程度。当然它是事后情景模拟不是真实预报，模型本身也有偏差，作者就指出它在某些地区反而算冷了。

天气这块的「基础模型」叙事也很热。英伟达一篇工作（arXiv 2601.18111，叫ATLAS）证明了一件挺去魅的事：做顶尖的天气预报，根本不需要那些天文级定制的特殊网格，一个通用Transformer就够了，大多数变量上还稳定超过欧洲那套产品，算一步快到3.3秒。另一篇（HealDA，arXiv 2601.17636）则戳中了AI气象的软肋：过去AI只换掉了「预报」这一环，而把观测数据整理成预报起点这一步，还吊在传统方法上，这一步吃掉全球预报算力的约四成。HealDA用一个简单网络，单张H100显卡一秒就出结果，对比欧洲那套要约1小时、1800个CPU节点，而预报精度只损失不到一天的时效。

脑科学：放射科也走通了GPT式路线

脑科学我讲两个。

一个是BrainIAC（哈佛系，Nature Neuroscience，2026年2月）。它用近4.9万张脑部MRI做训练，全程自学、不用人工标注，一个模型干了7件事：估计脑龄、预测痴呆风险、检测脑肿瘤的基因突变、预测脑癌生存期等等，整体跑赢了3个传统的专用AI。

这事的意义是，医学影像AI过去是「一个病训一个模型」，BrainIAC证明放射科也能走GPT那条路：先在海量没标注的片子上自学通用本领，再用很少的标注微调出各种诊断能力。而且越是数据稀缺、任务越难，它相对专用模型的优势越大。代码和模型都开放了。它具体的准确率数字Nature正文在墙后我没拿到，这里就不编百分比了。

另一个更哲学，让我想了很久（Nature Machine Intelligence，2026年2月）。15名脑子里植入了电极的患者听语音时，研究者记录他们听觉皮层的反应，再去比对一个语音识别AI内部各层的活动。结果是脑区和AI模型的层几乎一一对应，从声音、到音节、到词、到意思，人脑和语音AI走的是同一条递进的处理阶梯。

过去我们说「AI能预测脑活动」，那是弱对应，可能只是碰巧。这篇把它推到了强对应：连内部一层层的结构都平行了。它暗示生物和人工系统，在「把声音变成意义」这件事上，可能用了相似的策略。

这个方向值得盯，但我得提醒一句：层级对应，也可能只是因为「把声音变成意义」这件事本来就只有这一条阶梯可走，未必是两套系统真的想到一块去了。再加上样本只有15人，用的也是特定的AI，这是相关性证据，不等于人脑真就用这套机制。免责声明放前面，我还是想说，这个方向比任何一篇刷榜论文都更让我好奇。

也有清醒的声音：AI能生成，还不能替你负责

这半年也有几个反共识的发现，我觉得反而让人更踏实。有研究拿两家不同厂商的前沿模型去生成科研新假设，发现输出相似度高得惊人，你问3家还是问10家，结果几乎一样，创新的多样性被预训练和对齐压扁了。另一边，一个只有35亿参数的小模型，微调后控制原子级显微镜，命令准确率干到99.3%，反而超过了OpenAI的o4-mini，因为大模型输出带概率性，在纳米尺度一出错就是不可逆的实验失败，精密科学里确定性的小模型反而更靠谱。还有篇综述算了笔账：现在有系统能2.3小时产一篇论文，但生成能力一直在跑赢验证能力，AI产得越来越快，却没法证明自己对、有意义。这些声音不扫兴，它们一致指向同一句话：AI可以把生成做到无限快，但验证和负责这一端，目前还得人来。

写在最后

把这半年看完，作为一个天天指挥AI做产品的人，我想说说自己的判断。

我做App的时候，AI是我的工具。它写代码写得比我快，但出了bug，是我对着报错改、是我决定这功能要不要、是我去App Store担责。AI再强，它都站在「我」这个判断主体的下游。

科学这事，本来也该是这样。但我看到的趋势是，AI正在从科研的工具，往科研的流程本身挪。自驱动实验室自己提假设、自己跑、自己改；AI科学家从选题到写论文一条龙。挪到一定程度，那个负责判断的主体就模糊了：到底是谁在做科学？

我的看法是，这条边界不能模糊。而且巧的是，这半年最扎实的工作恰恰都没模糊它。A-Lab老老实实报5.33%的成功率；那个小模型靠确定性赢过大模型；路线图综述直接说瓶颈是「为真实性负责」。它们共同指向一句话：AI可以无限扩张「生成」，但「验证」和「负责」这一端，目前还非人类不可，短期也看不到松动。

所以回到尹希那句话。他说自己有没有亲手得出解是次要的，只要结果能被验证，我其实挺认同。解越来越多地交给AI去生成，这是大好事，它意味着人类能问的问题、能碰的边界，一下子被推远了。剩下还得人站着的岗，是「验证」和「负责」这一端。但我一点都不觉得这是坏消息。反过来看，这恰恰是把人从「测一千万条数据」「算几千个平行宇宙」这种力气活里解放出来，让我们专心去干那件最像人的事：判断哪个问题值得问，以及为答案负责。

我得说句实话：这一堆基础模型、自驱动实验室，到2026年中真正进了科学家日常的还不多，大部分论文还停在概念验证。但方向我是真信。过去要十年的事现在几周做完，这种提速一旦铺开，基础科学会以我们还没适应的节奏往前冲。可控核聚变、室温超导、阿尔茨海默的药这些卡了几十年的硬骨头，第一次有了被批量啃动的可能。

所以比起担心，我更多是兴奋和期待。AI钻进实验室这件事，我赌它是这十年里对人类最重要的变化之一。如果加盟传闻属实，尹希把整个职业生涯押上去，我挺理解他。换我站在他那个位置，看到AI能把十年压成几周，可能也会做一样的选择。