在1941年发表的小说《巴别塔图书馆》里，博尔赫斯刻画过一座由无数六边形房间组成的图书馆，里面收藏着所有可能的字符组合，真理和预言都在其中某处。悖论在于，无限的文本里，真正重要的书反而遍寻不到。不知道是不是受此影响，刘慈欣的《朝闻道》也描摹过一个类似的思想实验。如果你是学者，给你一个机会获取自己研究领域那些谜题的答案，但代价是献祭自己，你愿意做这个选择吗？

要我说，作家们的想象力还是太丰富了，仅靠推演便预知，若干年后，我们将置身于一个不断生成答案的未来。

博尔赫斯试图揭示的是，知识的存在和知识的可获得之间，隔着一道无法靠堆积数量跨过的墙。有无限多的知识，但人类的带宽有限，有可能都接收和理解吗？如果不理解，这些知识还有意义吗？刘慈欣则进一步追问，知识的意义究竟在于求知的过程，还是现成的答案？如果说知识是宇宙的法则，宇宙和人生的意义又是什么？

我同事张楠写过一篇《陶教授忧天》，论的也是这些道理。所以，当我坐在一个当红AI4S创业者面前时，除了关心他的学术、业务和融资，我忍不住抛出的问题是，这些在推进的科学研究会造成陶哲轩说的那种学科危机吗？

本期BlueHour嘉宾杨灵，是北大机器学习研究中心助理教授，长期与普林斯顿王梦迪教授合作，在大模型推理、强化学习和多模态扩散模型等领域都有成果。他由鄂维南院士引进回国任教，后者是最早在国内提出AI4S （AI for Science）概念的人。

杨灵的另一重身份，是AI4S基础设施公司未明新域（PhAI Labs）联合创始人。在他的定义里，AI4S 远远超过一开始大家定义的范畴：不光希望 AI 帮助人类理解，还要自己理解，提出新假说、自己验证、自己迭代。首当其冲的科学是数学，现在大模型已经开始在一些前沿数学问题上追平人类数学家。他相信，在其他科学问题上，迟早也会有这样的突破。

关于那个问题，他的答案是，“AI会提出很多假说，但还是需要跟人碰撞。而且就算假说是对的，也不一定有价值，taste很难被形式化定义。”至于为什么学术品味难以通过一套标准来定义，我想，大概率是因为任何标准都得用语言来描述，而任何描述都很难囊括情境里的所有因素。恰恰是那些人类不能用语言表述的，才是关窍所在。用最通俗的话讲，为什么我们懂很多道理，却过不好这一生呢？

未明新域成立仅3个月，营收4000万，来自头部机构的两轮融资已经close。密集的融资节奏，说明资本市场对这个概念正在下注的阶段。

这场对话里我印象最深的细节，是杨灵回忆自己创业的决定性瞬间。在一场活动上，当他发现大家人手一个公司时，大受震撼。“大家都能做，那我为什么要等后面呢？”仅花半天时间，他便决定不再等待所谓更合适的时机，投身科学家创业的浪潮。他有信念，也敏锐地抓住机会。当然，AI4S还是一个非常前沿，需要长时间验证的领域，所以杨灵给这家公司起名“未明新域”。在我眼里，刚踏上创业这条路的他是银辉色的，身上闪着光芒。

我们在中关村科学城的活动现场录制了这期BlueHour，希望你喜欢。

“让模型从本科生跨越到硕博生”

刘燕秋：我最近刚好看了某个 FA 做的调研，在 1000 多位投资人当中，大概有接近一半的人，在看或是已经看过 AI for Science 相关的项目。这个数据能说明，现在 AI for Science 是一张“明牌”，是资本市场的一个共识。另一方面，大公司的动态也非常积极。比如在海外，DeepMind 拆分出来的 Isomorphic Labs 在进行新一轮融资，媒体披露的估值最高可能达到 500 亿美元。国内的话，也有字节拆出来的那家公司，刚出来也已经是独角兽级别了。与此同时呢，对大众来说，AI for Science 这个概念其实听起来还挺抽象的。至少它不像机器人和具身智能这类主题，更容易被普通人感知到。

所以今天也很荣幸邀请到杨老师一起探讨。AI for Science 到底是什么？为什么在现阶段变得重要？以及你们到底在干一件什么样的事情？

咱们先从一个有意思的小话题开场。正好我刚看了一篇文章，说硅谷有一些年轻的 AI 研究员突然开始抽烟了，因为他们判断 AI 很快就要攻克癌症难题了。我不知道你怎么看：现在情况已经这么乐观了吗？

杨灵：这我觉得更多还是一个玩笑，说明大家现在对 AI for Science 比较关注。要说攻克癌症，这是一个长期话题，它代表的是，AI for Science 真正能够在各个科学领域被广泛应用、被深度使用。目前 AI for Science 其实还处于一个相对比较初级的阶段。不管是做广泛意义上的科学计算模型，还是和各个下游领域做垂类科学模型，都还很初级。它更多还是科学家的辅助工具，并没有真正意义上代替人类科学家做更多事情。但也正是因为还比较初级，所以才值得做。

刘燕秋：我第一次听说 AI for Science 这个词，是在一个创新药沙龙上。现在国内 AI for Science 相关的上市公司，像晶泰和英矽智能，更多也是和AI 制药公司。但我理解 AI for Science 应该不止于此吧。你能不能聊一聊，你眼中的 AI for Science 到底是什么？它应该怎样相对准确地定义？

杨灵：您提到的这两个企业，其实我们都有聊过。像晶泰，包括他们的一些研究团队，我们当时也探讨过成立联合研究院这些事情。他们现在的 AI for Science，更多意义上是针对不同垂直领域做专属模型。比如分子生成这块，他们可能用扩散模型；对一些序列模型，他们可能用 Transformer 这样的大语言模型范式。所以他们现在的很多 AI for Science，其实是垂类小模型，去做相应领域的专有任务。

对我来说，AI for Science是由大语言模型为代表的通用智能走向科学智能的一次跨越。这样的跨越，中间代表的不光是模型范式的创新，还包括从数据、训练范式、部署层面、应用层面、agent 层面等各个不同层面，都要进行新的跨越，来实现 AI for Science。所以它比之前理解的 AI for Science 概念要更大一层，是一个更强的通用智能。我们公司其实就是基于这样一个洞察成立的。

刘燕秋：你觉得现在大家都同意你的定义吗？还是说这个领域也会像“世界模型”一样，存在一个各说各话的问题？

杨灵：大家是同意的。但问题在于，做这个事情很难。你要有通用的科学研究能力、探索能力，又要有领域的深入挖掘能力。同时拥有这两部分能力，其实非常困难。从更实际的层面说，其实就是因为他们没有数据。科学这块不像 Coding 或 Math，你可以自己造数据，而且中间过程可以形式化验证——自己造数据、自己验证自己，这样就有大量训练数据让模型能力进一步增强。但科学这块就是：你知道就是知道，不知道就是不知道。如果你没有相应的数据，很难完成这个领域的研究。所以现在做 AI for Science 的人，大部分卡点就在数据上。

再进一步是模型能力：有了这份数据，你就一定有 AI for Science 能力吗？也不一定。AI for Science 其实有两方面，既要懂 AI，又要懂 Science。所以我们公司是三个人，是因为我们既要有 AI 能力，又要有 Science 能力。我看到很多纯 AI 的人，或者纯 Science 的人来做 AI for Science，体感不太一样。AI 的人想的是：我怎样去尽可能泛化地解决科学问题。但往往一些具体科学问题很难被泛化，每个领域都有自己专门的问题、专门的范式、专门的操作，很难统一泛化。做 Science 的人想的是：我怎样更具体地解决问题。那从一开始他要做大模型，可能就变成做小模型，甚至不用做模型，用传统方法就能解决领域内的问题。但这样带来的问题是，很难做别的领域的科学问题。

刘燕秋：这其实还是两种挺不一样的视角：一种是从 AI 出发的视角，一种是从产业出发的视角。你们几个合伙人之间会不会有一些碰撞？

杨灵：我们天天都在碰撞。比如我们的 CEO 是科学背景，我是 AI 背景。他会从具体科学问题是否有意义、这个问题是否被广泛认为很重要来看；我看的视角可能是，这个科学问题是否能被规模化，是否能被模型大量了解、训到模型里面去，以及场景够不够复杂。

刘燕秋：所以都是一个谁说服谁的过程？

杨灵：相互说服吧，最后会达到一个平衡。一开始大家都会比较极端，后面慢慢彼此靠近，达到某一个平衡点。我觉得一个 AI for Science 做得好不好的抽象概念，其实就是评判点找得好不好。

刘燕秋：这还蛮有意思。依据你刚才讲的对 AI for Science 的界定，它和最近比较热的 RSI、AI 自进化、持续学习这些概念，是不是有一定重合性？

杨灵：有相当大的重合性。首先，科学本身的研究过程就是一个 RSI 的过程。举个简单例子，我们做一个科学问题时，首先发现问题；发现问题之后做文献调研，找到一个角度；然后开始设计干实验；干实验之后设计湿实验；再通过实验操作得到反馈；这些反馈会回到一开始提出问题、提出假设的过程——我们一开始提出的假设是否正确？经过事实验证之后，应该回过头看看假设是不是对的。这个过程其实就是 RSI 的过程。

更具体地说，我们前两天刚发布了一个叫 Discovery RSI 的模型。这个模型是在提假设这块做了一些新尝试：有点类似于针对某类科学问题，把思维扩散过程变成一个树枝分叉的过程。思维经过不同路径，会产生不一样的结果、不一样的假说。哪个假说、哪条路径是对的，我们就把这部分路径保留下来，作为下一个思考的起点，或者作为参考。这样我们就能让思维扩展过程越来越准确、越来越收敛，趋于一个相对准确的思考过程。这就是我们在假设层面做的 RSI。这个过程证明了 RSI 在科学问题上的一些突破，并且在相应 benchmark 上也验证了这个方向在大模型时代有新的机会。我们评测了 Claude 和 GPT 的最新模型，发现它们在相应科学领域提出的假说，仅有 2% 左右会被后续研究验证，而我们 27B 的模型能达到 6% 的精度。

刘燕秋：刚才讲的是你们做的模型。我想先理解一下，其实你刚刚介绍了传统科学研究有哪些步骤，你们这个模型改进的主要是假设这一步，我理解的对吗？

杨灵：对。公司成立一开始时，我们就给出了一个范式定义，叫 Discovery Foundation Model，也就是科学发现基座模型的新范式，提出了很多 framework 层面的构想，正在逐步实现。刚刚说的假设模型，是第一部分。后续我们希望接着假说部分，完成调研、干实验、湿实验，以及最后的闭环。也就是说，我们会逐步模块化实现一开始定义的 Discovery Foundation Model 范式。

最后把这些模块部分的定义合到一起，变成一个真正的科学基座模型。这是我们的短期路径和长期规划。

刘燕秋：你们是怎么假设这条路线合理的？它可以拆成一个一个模块，最后把模块整合成一个东西，它就会是通用的。但人脑其实不是这么运作的，是吗？

杨灵：其实有点类似。比如人从婴儿时期成长，其实是在不断学习各种技能：一开始学会爬，后面学会走路，再学会和世界交互。某部分能力都是逐步实现的，最后才有机地变成一个人的 AGI 能力。所以我觉得科学发现也是这样。它由很多种能力组成，我们要让模型从科学视角、科学场景上，逐步先实现不同模块的能力，最后才有可能合并成一个更广泛意义上的科学驱动模型。

从另外一个角度说，我们定义自己是科学基础设施公司，那为什么我们要做模型？因为大部分基模公司其实不懂科学。举个例子，他们找我们下订单时，可能需求都是大模型生成的，也就是他们都不知道自己要什么。从实际使用角度来说，大家对科学这种高精尖领域，其实大家都做不好。从我生活视角看，我之前去医院，看到医生都在用豆包问问题。

所以我们不光给基模公司提供数据，也提供视角：告诉你 AI for Science 应该怎么做。我们不光做数据、infra、环境本身，还要做基模。拿到数据之后，我告诉你应该怎么训，怎么样才能把科学能力内化到模型里面。所以我们做的是一整条链、一整个链条的事情。

刘燕秋：我还有一个小问题。依据你刚才讲的，RSI 是一种方法，可以应用在你们这个领域里。但也有一些公司专门以 RSI 作为概念。你们和这一类公司的区别是什么？

杨灵：我认为 RSI 应该是一种能力，是每家公司都应该有的能力。不管是在迭代自己的模型、迭代 workflow，还是迭代产品上面，它都应该是一种能力本身，而不是一个方向。

刘燕秋：RSI 自己很难构成一门单独的生意，可以这么理解吗？

杨灵：对。它其实是算法的一个分支，更多是每家公司都应该有这块能力，这样才能保证一直迭代、一直突破。每家公司实现 RSI 的路径都不一样：有可能从 infra 层面，有可能从数据层面，也有可能从其他模型角度去做。如果单独变成一个公司的研究方向，我其实不太明白这个东西要做什么。

刘燕秋：那据你们了解，现在有哪些基模公司在科学方面发力？

杨灵：从国外看，像 Anthropic 和 OpenAI，都在广泛收购生物医药公司。很明显，他们想拿到这部分内部干湿闭环的数据，帮助提升基模在 Science 上的能力。国内的话，以字节为首，会快速 follow 上，也去做这方面的需求定制。

刘燕秋：目前看来其实还是一个跟进海外的状态。

杨灵：对。从 Coding 这种层面看，大家还有几个月的代差。那怎样能超过他们、赶超他们，也是目前很多基模厂商的目标。基本上是他们有什么，我们就要做什么，不能输。

刘燕秋：国内是不是更多还是像字节这种大厂在发力？那些基模公司在这方面的投入，现在应该不是重点。

杨灵：这涉及大家进度的问题。要先做好基础通用能力，再去做更前沿的部分。有的公司已经具备了，具备之后就去追更前沿的部分。这是不同公司的策略问题，不好评价。

刘燕秋：你们在做的这件事情，你认为它和所谓智能的最终目标有关吗？

杨灵：对。智能上限，其实就是要能在 Science 角度做突破。那就是 AGI 到顶了。举个例子，从人来看：人从出生到考上大学，这个阶段其实是大部分基模在干的事情——让模型从聊天都不会，到现在能帮你做文档、做 PPT，做各种白领工作。

下一个阶段是什么？其实是本科之后开始读硕博，甚至成为科学家、成为领域专家。这块能力需要比较好的科学研究能力，也就是各个基模厂商下一阶段要追求的目标：让模型从本科生跨越到硕博生，甚至变成领域专家。可以这样类比。

刘燕秋：理解。其实不管 AI for Science 还是 RSI，都不算新概念了。刚开场我也提到，现在 AI for Science 是资本市场上很火的概念。从资本视角，我其实挺能理解的，资本永远都要找市场新热点，可能现在热点从上一波具身、世界模型，转到了 AI for Science。我想知道，从你们从业者的视角看，为什么 AI for Science 在目前这个阶段成为一个共识？

杨灵：之前 AI for Science 没有像现在这么大规模铺开，是因为当时模型能力受限。当时的大语言模型不足以支撑 AI for Science 这么大的体量，所以大家还是更专注垂类模型。现在随着基模能力提升，整个 AI4S 领域来到了一个新的起点：这部分通用能力已经能帮助 AI4S 实现质的飞跃。所以我觉得到了这个时间段，能去做这个事情了。

刘燕秋：我看你演讲稿里用了这么一句话， “research is the next coding”。

杨灵：对。Coding 也是，之前大模型改代码肯定也改，但改得不够好。为什么从去年开始，coding 一下变成最重要的一部分？就是因为基模能力到达一定程度，coding 紧接着变成一个可以实现的部分，所以带来一系列突破和应用。

我觉得 AI for Science 现在也到了关键时间点。因为 coding 跟 Science 也有比较深的联系。我们前段时间做的 Science IDE 工作，其实就是把各种不同学科的科学代码库转化成可验证环境，让大模型在里面探索、学习。用这部分科学环境训练出来的模型，我们在科学上的提升，反而还给 Coding 带来了一部分提升。

每个阶段大家关注的能力其实相互耦合。比如聊天和 Coding 在某些方面结合，Coding 和 Science 也有某些关联，一个阶段接一个阶段。现在我觉得已经到了这样一个阶段：Coding 已经成熟，聊天已经成熟，通用能力已经成熟，现在就要去做 AI for Science。

我们跟晶泰的一些研究员聊，他们内部之前做过一些小模型，后来拿了 Claude 最新版本，在某个场景上尝试，发现 Claude 在没有任何外部帮助的情况下，回答准确率已经超过他们专门做的小模型能力了。所以其实到了这个时间了。

刘燕秋：技术每进展到一个阶段，就会解锁一些新的应用场景。所以对于晶泰这些公司来说，他们现在的态度是什么？打不过就加入吗？

杨灵：对，他们需要在 AI 能力上面做一些增强。

秦岭山下、跨学科研究、十年实习生

刘燕秋：能不能讲一讲你的成长历程，为什么会对人工智能这个学科感兴趣，以及为什么是你来做这件事情？

杨灵：我本硕其实学的是电子信息，Coding和计算机当时是必修课。一开始我就觉得挺有意思，能用另外一种语言做一系列事情，能够控制计算机上的很多软件，控制各个 agent 做不同事情。那时我就想，如果电脑能控制各种事情，那就很省力。因为我本身比较懒。

2017、2018 年，AI 当时兴起的是人脸识别和目标检测，中间一段时间 AI 没有大爆发，大家甚至一度觉得 AI 不行了。一直到 ChatGPT、Stable Diffusion 出来之后，大家又觉得大模型也许是下一个未来。但当时还有一波声音，觉得它可能跟人脸识别一样，不能持续热下去。从 2023 年到现在，可以看到越来越热，而且影响力远远超乎想象。从一开始深入了解计算机行业，到现在全身心做这个事情，我其实也是被 AI 的发展推着走。它让我看到一次又一次的惊喜和突破，所以我决定加入进来。

为什么我觉得我可以做这个事情？因为 AI4S 需要复合视角，我的整体发展路径和背景支撑这样的经历。我博士阶段跟北大各个基础学科的人有过合作，包括我刚刚说的垂直领域小模型我都做过，不管是扩散模型还是语言模型。包括在普林斯顿读博后，我们也跟不同基础学科的人合作，比如普林斯顿那边的量子、数学，以及跨学校跟斯坦福医学院做自动化实验室研究。到现在我回到北大，在前沿交叉学科研究院的国际机器学习中心，这个中心承担的就是和北大各个基础学科之间的跨学科研究。这一系列经历和定位，就把我定在了 AI for Science 这个方向上。

而且我有这个信念。在 AI4S 这块，信念很重要：你觉得它是否真的值得研究，以及你想做成什么样。

刘燕秋：听起来也是浪潮和各种机缘把你推到了现在这个位置。

杨灵：是的。

刘燕秋：你本硕也是在北大吗？

杨灵：我本硕是在西北工业大学，在秦岭山下。

刘燕秋：你是西北人吗？为什么会去西北工业大学读？

杨灵：我是南方人，因为当时我高考填志愿，在咨询现场，有各个学校在那边摆台介绍自己。当时一个老师拉着我说，我们学校这边有个本硕连读，到时候不用考硕士，可以直接一路读到硕士毕业。我想那挺好，因为我们家比较重视孩子教育，那就一直读下去也挺好，就报了。结果第一天就到了秦岭山下，确实是个做研究的好地方，一直待了 7 年。

中间跟北大这边一些老师有接触，本科第四年就来北京实习，商汤和旷视我都实习过，做人脸识别。我觉得 AI 这块能做很多前沿的事情，就被吸引了。硕士毕业之后，我到北大读博，之后一直跟工业界保持紧密的关系，字节、阿里和腾讯这些研究院基本我都实习过。特别是字节，后面在 Seed 团队实习了一年半，接触过很多模型预训练和后训练的事情。后面我慢慢锁定了最后方向，希望在大模型领域有一些新突破。再后来遇到公司另外两位创始人，大家一拍即合，觉得 AI4S 是下一个非常重要的命题，就决定做这个事情。

刘燕秋：你在 Seed 实习时主要做过哪些工作？

杨灵：当时还是围绕推理：数学推理、代码推理、debug，一些现在大家比较关注的场景，还有 agent。围绕这些方向做训练、后训练层面研究，以及强化学习系统方面研究。

刘燕秋：你当时会觉得，加入像字节这样的大厂做研究员是一个好选择吗？

杨灵：这得根据个人性格来看。可能我本身不喜欢被控制，喜欢主导自己的事情。包括在字节 Seed 实习时，我的 leader 也比较尊重我，不会给我加太多约束。所以在 Seed 那段时间挺好，既能充分享受团队的大量资源，也能充分跟他们的场景结合探索，做出了一些挺有意思的工作。如果变成正式员工，对岗位的定义可能就要偏向完成既定任务。那当然也挺好，但可能不符合我对未来工作的预期，我可能更希望做一些探索性的事情。

刘燕秋：但 Seed 在字节里的定位，不就是偏向自由探索的地方吗？

杨灵：是，但它的探索还是要服务于公司目标。毕竟它要去追国外大厂，比如 Claude 的最前沿能力。

刘燕秋：除了字节，你还待过哪几家大厂？对这家公司有什么观察？

杨灵：我基本都待过，当时有点像“街溜子”一样。阿里待过，腾讯也待过，还待过一些初创公司，比如一家做传感器的企业。因为从本科大四，到读硕士、读博，中间一直在实习，相当于实习 10 年，老牌实习生了，现在终于有正式工作了。

刘燕秋：所以那时候你其实已经展现出“不想在一个既定体系里工作”的特质。

杨灵：对，也是在不断实习过程中发现自己不想被定义，想做一些自己能够控制的事情。

刘燕秋：更早之前有过创业的想法吗？

杨灵：其实没有。因为那时候不像现在信息交互这么频繁。比如我们组里前天还有个斯坦福本科生居然要到国内实习。我问他为什么，他说他需要广泛接触不同领域学者，给自己更多信息输入。这个视角在我读本科那会儿完全没有。当时我们想的是怎样过每一门考试，怎样赶快进入下一阶段，从来没想过要尽可能了解外边的信息。

刘燕秋：那你到处实习的这个思路已经非常前瞻了啊。

杨灵：对。我主要是受室友影响。他后来去港中文读 PhD，港中文跟商汤关系密切，他本科时直接被老师安排到商汤实习。他经常会回来——回村的时候会跟我们说外面的世界是什么样的、他们在做什么。当时我就被吸引了。对我来说，如果没有他，我可能也不是在山里，可能就是正常发展。

刘燕秋：室友让你对外面的世界产生了向往。

杨灵：对。那时候不像现在这样有小红书等等各种信息获取渠道。

刘燕秋：后来你回国的时候，有没有一个抉择的过程？我看简介里有一句话说，鄂院士把你重点引进回国。所以能不能展开讲讲这句话，你当时回国是一个什么样的过程？

杨灵：我在普林斯顿就听过鄂老师，因为他之前也在普林斯顿任教过，所以神往已久。他本身也是 AI for Science 概念在国内的提出者。当时其实没有选择，聊完之后就非常坚决要加入，直接就回来了。

刘燕秋：我也去看了一下你的学术成果，当然只了解一些皮毛。大语言模型和扩散模型都是你研究过的对象，也就是现在智能涌现的两个主要路径，你都有涉猎。这些和你现在做的事情有什么关联吗？

杨灵：有关联。扩散模型一开始是 Stable Diffusion 带起来的。因为我之前做人脸识别，也做过 GNN，当时在想下一个点在哪里。看到 Stable Diffusion 居然能生成这么逼真的图，我就想验证和尝试一下。

扩散模型这块我探索了很多，主要 focus 在多模态生成上：怎样让生成的多模态场景更符合真实物理世界，更符合输入 prompt 的要求。做了一段时间研究后，大语言模型出来了，我发现它比扩散模型更具生产力。因为当时扩散模型更多还在图像和视频这些偏娱乐场景；大语言模型带来的影响是各行各业的，是更广泛意义上的智能。所以当时分了一条线出来做这块，但扩散模型依然接着做。做着做着，Google DeepMind 出了一个工作叫 Gemini Diffusion，相当于用扩散模型的方式做语言模型。它其实是一个叠加视角：怎样让扩散模型的并行生成加速语言模型的生成能力、生成速率。我们当时紧接着 follow 上，并在此基础上拓展到多模态，开源了全球首个多模态扩散语言模型。这个模型推出后下载量已经有几百万次，一度登上模型下载量榜首。

我觉得这种新范式对我来说挺有意思：不光要 follow 主流路径，还要做一些新探索。因为往往下个阶段的主流研究，可能就在这次不经意的探索之间。

刘燕秋：那像你之前做过的这些研究，扩散模型也好，语言模型也好，还有强化学习相关的，是怎么融合到你现在做的事情里的？

杨灵：因为我现在做 AI for Science，它需要把不同领域的理解拉到一起。扩散模型之前在分子领域、结构化领域是比较主流的模型范式；大模型在序列建模上，在部分科学领域仍是绝对主导；强化学习则是让湿实验的反馈作用到模型本身。我之前研究的部分，在 AI4S 这块还远远不够用，依然要拓展更多能力、更多范式，才能把 AI4S 这个复杂命题做好。

刘燕秋：这属于前人没有走过的路？

杨灵：是的。现在 AI4S 其实远远超过一开始大家定义的范畴。大家一开始可能只希望 AI 能理解科学。现在更多定义是：不光希望 AI 帮助人类理解，还要自己理解，还要提出新假说、自己验证、自己迭代。首当其冲的科学是数学，现在大模型已经开始在一些前沿数学问题上追平人类数学家。在其他科学问题上，迟早也会有这样的突破。

AI4S 行业图谱：数据是引擎

刘燕秋：OK，现在进入创业环节，聊一些具体细节。做创业这个决定，你花了多长时间？

杨灵：花了半天。公司 6 月份成立，一开始是他们两个人，后面我决定加入。7月份之前，我在教职确定之前想的是，后面我要创业，但想的是先进高校，培养学生，发现可造之材，一起做这个事情。后来我参加了一些活动，发现大家人手一个公司。大家都能做，那我为什么要等后面呢？前后也就半天时间。正好那一天前后教职通知下来了，那就直接开干，别等了。

刘燕秋：把实验室里的一堆科学成果转化成一个创业公司，你觉得自己现在处于哪个阶段？

杨灵：在疯狂转化。因为之前做过很多研究，不管是 CEO 那边的科学层面，还是我们这边模型算法层面，现在都要快速结合和转化。我们要让 AI for Science 领域看到，这部分研究应该有什么可能性。从 9 月到现在，我们已经发布了大概五六篇工作。每篇工作不管从数据集、模型层面还是应用层面来看，都做了一些定义。应用层面做了一个工具叫 ScienceBuddy，面向 Science 做了一个工具流，能帮助科学家、做研究的人使用它，帮助自己的研究过程。模型层面，前段时间刚发布 Discovery RSI 模型，体现模型能力，看科学能力怎样内化到模型。数据集层面定义了 ScienceIDE，也就是科学层面的 SWE，让大模型写代码时兼顾对不同科学领域的理解。我们从不同维度都做了一些开源。

刘燕秋：为了让大家更便于理解你们的业务，如果给你定义的 AI for Science画一个行业图谱，上下游都是什么环节？你们公司处在行业什么环节？

杨灵：上游其实是 AI 基模厂商，主要负责提升模型智能上限。下游其实是各个药厂或垂直领域厂商，重要的是怎样把 AI 能力赋予到所研究的领域，做实际探索和产出。我们处在他们中间。

对上，我们提供提升智能上限的基础设施，不管是科学数据、科学环境，还是科学 verifier，帮助他们做更好的模型训练、模型供给，满足提升智能上限的需求。

对下，我们希望帮助他们做 AI 转型。从一开始，各个小领域一个小模型，一个公司可能有几百个小模型；我们做的是怎样用一个统一的大模型，帮你把各个领域冗余流程整合，并统一提升你们各个领域能力。

刘燕秋：之前看你们公司介绍，定义是 AI for Science 的基础设施。我脑海第一反应是：已经有很多公司在做基础设施了。但我听下来，你的基础设施和我理解的不是一个意思。我理解的基础设施，可能是之前那波做 AI infra 的，像无问芯穹、硅基流动这批公司，往上连接模型，往下连接芯片，做中间层。你们做的还是针对 Science 领域的基础设施，对吧？

杨灵：对。Science 跟通用 AI 还是不太一样，所以科学这块应该有它自己的基础设施。科学基础设施最重要的是数据，但我们不希望止步于数据，因为数据只是燃料。我们还需要知道，有了数据之后该怎么走。所以沿着数据这块，我们逐步搭建了环境，逐步训练了自己的 verifier，以及未来可能的 simulator，和最终的 unified 科学驱动模型。这是一整条链路。

刘燕秋：数据这一块今年特别热，我们也写过一篇文章专门探讨。之前投资人都不看数据，今年突然开始看，是因为出现了一批提供高质量数据集的公司。所以你们的数据集和前一波提供数据的公司，有什么本质不同吗？

杨灵：前一波数据公司更多还是靠人力标注，缺少对专精领域的理解。而且之前模型的要求也不一样。现在大模型已经有如此强大能力，它要什么样的数据才能进一步提升能力？这是数据定义的来源。我们现在的基模缺什么？缺长程能力，甚至超长程，比如 100 步、上千步的 agent 调用能力拓展。这种超长程的科学轨迹数据，其实是现在所有基模厂商都需要的。

怎么去定义超长程？怎么用各种不同领域实际场景收集数据、加工数据？模型拿到这些数据后，怎样把能力内化到模型里？这些都需要重新探索。所以我们在提供数据本身时，会有一套后训练流程。先定义当前不同基模厂商的能力缺陷，在科学领域不同维度、不同方向上的能力缺陷；定义好之后，灵敏地根据他的缺陷调整训练分布，并加工相应需要的科学长程轨迹数据；再通过后训练手段，让这批数据被训到模型里，实现真正能力提升。这一整套下来，我们才会把数据最终输出。

刘燕秋：相当于你们提供的是定制化服务。

杨灵：对，就是 model for data。我们不光做数据本身，还要有相应模型后训练策略，让这些厂商知道数据是否真的有用。不然单纯标注一个数据，他们拿过去不一定知道怎么内化到模型里。所以我们要走遍这个流程，告诉你应该怎样做。

刘燕秋：你们成立 4 个月营收已经 4000 万，这 4000 万主要通过数据这块带来的吗？

杨灵：是的。后面可能还会有一些产品或模型层面的订购或订单，现在已经正在谈，跟一些医院、实验室，定制化做一些东西。

刘燕秋：一方面，你们的数据从哪里收集？另一方面，需要数据的公司，对数据采购形成了一套自己的标准吗？

杨灵：数据这块，我们建造了自己的专家金字塔。科学数据首先要定义质量高不高；不懂科学的人定义不了，所以要有专家库做这个事情。专家来自全球各地、各院校的顶级专家，为我们判断当前这批数据整体质量、方向是否有问题。这是数据层面一开始的工作。有了定位之后，中间进行 AI native 的加工。这是我们数据大概的整个过程。有了完整体系化构造之后，我们才会有模型后训练流程，判断这批数据是否真的高质量，是否真能提升模型能力。

大厂或下订单的客户怎么定义质量？他们会用自己的模型评测，也会用训练手段看这批数据是否真能为模型能力带来提升。我们一开始做数据时就考虑到了这个问题，所以整体流程上还是比较快的，因为我们已经判断这批数据应该能提升，才去交付。

刘燕秋：数据，相当于是你们切入科学这个市场的切口。但数据这个生意本身门槛似乎没那么高，今年有个公司特别火叫 UniPad，就是几个大模型厂实习生做的。

杨灵：我们的数据和 Coding 这块不一样。Coding 数据，所有写代码的人都能判断质量高不高；科学这块不一样，我们判断不了，得有不同领域科学家判断。

刘燕秋：所以你们的科学数据从哪里来？从科研学者做实验的过程中收集来的？

杨灵：这只是一部分。另一部分我们可以自己造问题，让它筛选。还有一些其他角度：论文、书籍，我们去挖掘问题，或者创造新问题。只要有一个问题或假说，就相当于有个开始，有个 query，后面轨迹数据自然而然可以造出来。造出来之后再筛选和加工，就会形成高质量数据。

刘燕秋：所谓的科学仿真环境，就是给它一个强化学习的环境对吧？我有点学杂了，这个是不是有点类似于李飞飞对世界模型定义里的“仿真器”？

杨灵：对，但这只是一部分。仿真器是说能不能真实建模世界。科学数据的问题在于，建模出来的东西你不知道对不对。科学 最难的是verification ：同样一个解答，今天看是对的，几十年后看可能就是不对的。所以这是另外一个难题，怎样构造有效的 verification 系统。

刘燕秋：所以一个有效的验证系统是怎么构成的？

杨灵：从数据开始。我们一边收数据、加工数据，一边做自己内部的评测系统，更灵敏地定位不同基模的问题，针对性做数据分布和后训练，得到自己的模型，再纳入评测系统。内部有个循环的过程。随着做的订单越来越多，收集的数据越来越多，内部系统也会越来越完善，这个飞轮会转得越来越快。

刘燕秋：所以理论上，这也是一个 RSI 的过程。关于验证系统，我还是想再了解一下，对人类来说，有科学共同体概念，可以由人类组成审稿机制。对 AI 科学家来说，它的评阅机制，你刚才提到的是模型的一部分？

杨灵：我们现在做的 verification 还是 domain by domain，每个 domain 做这样一个事情。但我相信领域之间是共通的。后面真正理想的科学验证系统，一定是一个跨 domain 的、并且 domain 之间互相增益的系统。但这个事情非常难，需要把知识收集起来，并让验证系统真正敏锐判断出数据或模型错误的地方。所以我们正在积累 verification 系统的搭建。一旦搭建起来，模型层面和实验层面都会有更好迭代。

刘燕秋：所以这个环节以后不需要人类参与？

杨灵：现在还是半自动。最后一旦转起来就不需要人类参与，人类可能时不时监督一下，或者进行纠偏。

刘燕秋：Anthropic和OpenAI 也是你们客户。你觉得目前中美在 AI for Science 上，走出了不同技术路径或不同范式吗？以往很多领域可能还是美国有阶段性领先，现在 AI for Science 是什么情况？

杨灵：AI for Science 领域，我觉得国内还是非常有机会。国内产学研结合非常紧密。从我在国外这段时间看，国内高校、企业、研究机构几方力量目前结合得非常紧密。AI4S 是靠不同领域的人和知识汇聚的方向，我觉得中国大有可为。美国其实也不断从国家层面发布 AI4S 整体战略，所以也很重视。但他们一些高校体制，以及整体法律层面，可能在一定程度上限制整体结合。在国内，目前结合还是非常好。我觉得 AI for Science 目前的问题在落地，落地就需要强调工程师思维。工程师思维这块，中国明显更强一点。

刘燕秋：现在 AI for Science 领域的难点在于落地，而不完全是科研研发层面的问题。

杨灵：对。科学其实就是不断验证假说，如果假说验证得越来越快，迭代效率会越来越快，就有可能发现新科学结论。所以这一定程度上限制了当前 AI for Science 的发展。当务之急就是把这个 loop 转得越来越快。我觉得这块中国速度值得信任。

刘燕秋：现在 AI for Science 是一级市场当红炸子鸡。你的体感是什么？包括你们跟投资人交流，他们对你们有什么质疑？

杨灵：大家目前还是比较看好科学基础设施，尤其数据这块价值。但要说质疑，唯一质疑可能就是：大部分人对 Science 的理解程度还是不一样。这涉及你对科学本身到底有多少了解。

刘燕秋：你说对 Science 理解深度不一致，具体指什么？

杨灵：就是我们的数据在基模和下游当中到底是什么定位，到底要带来什么样能力提升。如果没有做过技术本身，确实很难理解。

刘燕秋：他们可能会觉得你们的数据和其他公司提供的数据，也没有那么大差异化。

杨灵：对，比如刚才说的 UniPad，Coding 数据和 Science 数据肯定还是不太一样。

AI 能取代人类科学家吗？

刘燕秋：我最近看到陶哲轩转发了一个人类数学协会的联合声明，呼吁全球数学家停止和 OpenAI 这样的公司合作。这事挺有意思：一是他之前态度还是大力支持，觉得 AI 用于数学研究挺好，结果很短时间态度 180 度转变；二是他做了一个思想实验：即便 AI 找到能通过三期临床试验的癌症药物，但如果人类不理解 AI 的作用机制，就不知道 AI 是不是作弊了。就是说，现在通过 AI 大量生成的结果和答案太多了，反而可能给人造成困惑。我们要的可能不光是一个结果，而是一个可理解的推理过程——他用的词是“可理解的推理过程”。我不知道你怎么思考这个问题，你觉得你们推进的研究会造成陶哲轩说的那种学科危机吗？

杨灵：要辩证看待。确实，AI 现在生成大量虚假、无效语料，可能对我们平时做事过程造成干扰，这是坏的一面；好的一面是我们确实需要用它加速科学发现，这是好的一面。他这个观点跟我刚刚说的某一方面一致：我们需要有一个非常好的验证器，验证哪些是好的、哪些是坏的，这样才能更好控制 AI，而不是被 AI 利用。

刘燕秋：我理解他说的也不只是好和坏的问题，而是以人能不能理解这个东西作为标准。它有可能是好的，但如果不被人理解……

杨灵：对。所以我说的验证器，本身也不是机械地判断对错。对要给出对的理由，错要给出错的理由。

刘燕秋：你们现在推进过程中，有碰到过类似的来自科学家群体的质疑吗？

杨灵：这还是太过前沿了。不管投资人还是我们自己，都还没到这个阶段。数学这块从科学发展上确实走得太快，其他领域还远远没到达这个阶段。

刘燕秋：为什么数学领域可以走得这么快？因为它不涉及湿实验这种需要在物理世界验证的部分？

杨灵：不光是物理层面，而是能不能被形式化验证。数学对错相对比较好判断，验证系统相对直接。科学很多验证一方面要人做，甚至后面要专门模型做，这整套验证系统导致了数学和其他领域之间发展的差异。

刘燕秋：你的身份很有意思。你现在白天是北大教授，教学生做科研；晚上是公司联合创始人，又要教 AI 怎么做科研。抛开宏大抽象讨论，从个人体感来说，你觉得这两个身份之间有冲突感吗？

杨灵：我觉得还好。本身在学校做的研究，确实需要场景验证，证明可用性，不然有一种飘在天上的感觉。所以我现在尽可能把两边统一到一起，用一件事情的不同视角来看我做事情的过程。相对还是比较自洽。

刘燕秋：怎么用不同的视角去看？

杨灵：做同样一件事情，从高校看，我需要知道这个问题从学术上说有没有长期研究意义。目前看来有意义，因为它带来的不光是模型、场景，更多是 AI for Science 这个大领域到底有哪些新问题值得研究。从公司层面，就是这个事情到底有没有实际价值，能不能带来实际影响力。从目前发布的技术报告看，大家对我们路线、公司产品还是有一定期待和关注。从这两个视角看，我都相对满意。

刘燕秋：目前这个领域技术的验证也要通过 benchmark 来体现？

杨灵：对，而且这个 benchmark 甚至可能都得自己造。比如刚发布的 Discovery RSI，我们拉了国内国外，像哈佛医学院一些比较 senior 的教授，带着 PhD 给我们标数据、标 rubrics、标验证系统，判断我们到底做得对不对。让老教授做这种事情其实非常困难，但他们愿意做，因为他们觉得这事非常有意思、很有价值。

刘燕秋：如果未来有一天 AI 真能独立提出比较成功的假设，人类科学家还能干什么？只剩下执行？

杨灵：首先，假说它可能会提出很多，但还是需要跟人碰撞。比如我们这次模型在 benchmark 上能超过 Claude 和 GPT，但跟比较 senior 的教授比，其实还差挺多。而且就算你是对的，也不一定有价值，这种 test 很难被形式化定义。

一些尖端科学家一直会有存在的必要性。我希望未来AI更多是一个非常好的科学合作伙伴：在你需要时给你的短板帮助，在你的长处跟你讨论，你也可以给他反馈。更多是一个伙伴的概念，还远远谈不上取代。另外中间一些过程还是需要人类把控，不然它会走向极端。

刘燕秋：还是需要像老教授这样的角色评估，即使假设是对的，也要看它有没有价值，是不是符合社会的公序良俗。现在很多人讨论所谓具身的 GPT 时刻，你觉得 AI for Science 的 GPT 时刻还有多远？

杨灵：还很远。单从收数据来说，一个实验数据短则一两个月，长则可能几年都有可能。第一批数据都没收上，更谈不上训到模型里。AI4S 的 GPT 时刻，我目前来看至少三五年。科学领域实在太大，不同学科真实反馈数据，再到模型迭代，还有很长路要走。甚至到最后大家价值观的碰撞、科学和AI两边领域的人是否真能结合，都是很现实的问题。

刘燕秋：AI 制药尤其是个很漫长的周期，不光前期的假设和研发，还要一期期的临床实验，再到最后商业化，可能长达十几年。你们定义 Science，除了医疗和生物医药这部分，还有其他领域吗？

杨灵：其他比如地球科学、物理化学等等。这涉及市场、研究群体和数据来源问题。AI 比较适合在研究人力量比较多的领域开展，这样才能规模化。一些其他学科如果没有巨量数据和来源，一开始探索会有瓶颈。所以目前还是 focus 在几个领域。

刘燕秋：投了你们的投资人，他们能接受这么长时间链条的验证吗？

杨灵：我们整个发展路线也是很长期规划，每个阶段都会有相应 milestone。从数据、infra，到后面模型，每个阶段兑现相应的事情。投资人还是比较认可。

刘燕秋：不是一开始就要拿一个大结果，而是过程中不断积累一些阶段性的小结果。

杨灵：对。我不是一开始就说要做终极 AI for Science，直接把饼画到最后，那很少有人接受。我们相对务实，每个阶段有每个阶段的定义，逐步实现。这是我们的策略。

刘燕秋：创业到现在有什么感受？这件事跟你一开始设想的有什么不一样吗？

杨灵：比我想象的要更刺激一点，要更激进一点。

刘燕秋：刺激和激进在哪里？

杨灵：比我想象中跑得要快，也比我想象中做得更多。整个过程中产出了很多我意想不到的东西。

刘燕秋：时间差不多了。感谢中关村科学城邀请，杨老师的公司也是在海淀注册，欢迎大家都来我们海淀开公司。顺便说一句，我觉得你们公司的中文名字取得挺好，未名新域。这个名字是谁取的？

杨灵：我取的。因为我觉得做 AI for Science，就是要一直面对新领域的问题，很多问题一开始是不知道的。所以我希望把这样的使命放在公司名字上，就取了“未名新域”这个名字。

刘燕秋：顾名思义，一看大概就知道你们的使命是什么。