2025 年 11 月 21 日，OpenAI 官方播客更新到第10期。這一次的主題是：AI 如何改變科學研究。OpenAI for Science 負責人Kevin Weil 在節目中說：也許人們感受到 AGI 最深刻的方式，會是通過科學。他們給自己定的目標：把未來 25 年的科學研究，壓縮到 5 年內完成。這不是說說而已。黑洞物理學家、核聚變專家、免疫學家已經在用 GPT-5 改變自己的研究方式。驗證路徑從幾個月壓縮到幾小時，文獻檢索能跨語言、跨學科找到概念聯絡，推導公式可以平行探索十幾條路徑。科研加速，已經開始了。第一節｜25年壓縮到5年，OpenAI要幹什麼？在第 10 期官方播客裡，Kevin Weil 這次談的不是新功能，而是一個新問題：能不能幫助科學家們，把科研工作大幅壓縮？為此，OpenAI 專門成立了一個團隊，由 Kevin 從首席產品官轉任負責人，目標是用AI模型加速科學發現。他們不是在用 AI 寫論文，而是改變了一個前提：假如你是科學家，給你一個模型，這個模型讀過你所在領域幾乎所有文獻，而且可以在 20 分鐘內跑完你原本需要 6 個月才能驗證的路徑，科研會變成什麼樣？Kevin說，在真實的科研場景裡，這種加速每天都在發生。核心改變是：AI 讓科學家能嘗試更多可能。不是替你做判斷，而是讓更多原本不敢嘗試的方向變得可驗證。科學家的時間，正在被 AI 重構。第二節｜黑洞物理學家、核聚變專家：他們為什麼信了？Alex Lupsasca，不只是 OpenAI 的研究科學家，還是范德堡大學的物理學教授，主攻方向是黑洞理論。起初，他跟很多科研同行一樣，對 ChatGPT 保持距離。“它挺有趣，但我以為至少還得好多年，才能真正幫到我的研究。我是個懷疑者，直到我看到它做出了連我自己都做不到的事。”他說的那一刻，就是他把一個求解脈衝星磁場的偏微分方程，輸給了GPT-5。這個方程，他自己推了好幾天都沒推出來。模型不僅識別了結構，還用 11 分鐘找出一條1950年代挪威數學期刊裡的冷門恆等式，並給出完整推導。雖然最終結果因為一個多餘的係數出錯了，但主幹是對的。用 Alex 的話說，這就像一個天才研究生，會在最後的 LaTeX 算式裡打錯一個負號，但推理鏈是完整的。這樣的轉變不止發生在 Alex 身上。Kevin 本來以為要去勞倫斯利弗莫爾國家實驗室推銷 GPT-5，結果核聚變專家 Brian Spears 剛坐下就打開筆記本開始演示：我用你們的模型，從本科題開始，一路問到了 20 年經驗的研究問題，它都能回答。最後一個問題，GPT-5 甚至說：“我沒有權限訪問你們的模擬工具，但如果你有，你應該從那開始。”這已經不只是程式設計助手了。它能理解不同領域的專業知識，看懂物理模擬，還能給出研究層面的建議。這類故事指向一個共同的拐點：科學家開始把 GPT-5 當作一個真正的合作者，而不只是工具。真正改變他們認知的，是那些原本不會去問的問題，現在可以問了。比如文獻檢索。Alex在研究一個黑洞方程時，發現結果裡有一個三階導數項，這種情況極少見。他將公式貼給 GPT-5 問：“這是什麼？”模型回覆：“這是共形橋方程（Conformal Bridge Equation）。”然後給出了論文線索。他完全沒聽過。這種場景在反覆上演：有人在研究高維最佳化，明知道應該有人做過，但找不到。GPT-5 用概念推理，找出了一篇埋在德語博士論文裡的研究，不同學科、不同術語，但解決的是同一個問題。Kevin說：“你今天必須在科學裡高度專業化。但專業化的代價是，你就不瞭解其他相關領域了。GPT 是那個讀過幾乎所有領域論文、精力無限、沒有情緒的合作者。”一位數學家對他說：我最近一篇論文，有個方向不是我擅長的，原本打算放棄。但現在我決定回頭深入，因為我覺得 GPT-5 能幫我入門。用 Alex 的話說：你平常研究只敢試一條路。現在有個合作者，能幫你同時試十條路。那條可能通，那條有風險，都給你標出來。你自己決定往那走。第三節｜ GPT-5怎麼參與科研？兩種核心能力那麼，GPT-5作為合作者，具體是怎麼參與科研的？OpenAI 論文裡總結了兩種典型能力。第一種能力：“腳手架式”協作OpenAI把這種模式叫做 Scaffolding（腳手架式協作）。具體怎麼做？人類科學家只提供一個任務目標。GPT-5 會嘗試生成 10 到 20 條不同的路徑，裡面包含不同公式、變換、思路假設。人類在過程中做的事情，是標記錯誤、指出那條邏輯斷了，而不是給出正確路線。Kevin 強調，這和提示詞寫得好不好完全是兩件事。最有效的方式是讓模型自己探索，你只指出那裡錯了，它就會調整。幾輪下來，它能找出你根本想不到的解法。Alex 在研究黑洞對稱性的時候，就採用了這個方法。比如：他先給GPT-5一道簡單題練手（在平直空間下的簡化方程），模型思考了9分鐘，給出了完整的對稱性分析，精確寫出了3個生成元。 再給它複雜版的真實問題，它花了18 分鐘，推匯出了他自己用特殊技巧才搞定的結果。第二種能力：驗證輔助GPT-5 並不是說了就一定對，它也會自信地給出錯誤結果，甚至會犯很簡單的符號錯誤。正因為如此，OpenAI 在GPT-5 科研應用中專門設計了一個機制：驗證通道（Verification pipeline）。核心機制是人負責找錯，AI 負責改錯：GPT-5 給出推理草案；人類研究者不必手動重做，而是標記可能有誤的推導步驟；GPT-5 會在此基礎上重新演繹、解釋或重構過程；有時還會自動生成程式碼，來模擬驗證假設。這種方式最早在蛋白工程、T細胞模擬的實驗中用過：GPT-5 生成的實驗設計，後來在實驗室中復現效果一致。腳手架式協作和驗證輔助這兩種能力，關鍵不在於你的提示詞寫得多好，而在於你的科研流程能不能把它們用起來。第四節｜誰會最先吃到紅利？那麼，這種新型協作會遇到什麼問題？Kevin 提出了一個關鍵概念：低通過率問題。很多前沿科研問題，GPT-5 是有能力解決的，但可能要試上 20 次才成功一次。如果你只試了3次，沒成功，就會以為模型還不行。其實它能行，只是你沒給它機會。OpenAI 論文裡明確寫道：GPT-5不是高度可信系統，仍會出錯。但它適合探索空間大、驗證成本低的科研流程。最適合用的，是那些模型成功率很低但不是零的問題。這意味著試錯成本被改寫了。OpenAI 的 13個案例顯示：GPT-5 已經能把研究路徑大幅壓縮。誰會最先吃到紅利？第一類：AI基礎設施與模型提供者OpenAI、Google DeepMind、Anthropic等模型廠商；AWS、Azure、CoreWeave  等 GPU 雲端運算服務商。他們是科研計算力+智能代理的底座，正在定義下一代科研工具的基礎語言。第二類：高科研密度行業玩家藥企、生物公司、新材料研發、新能源系統設計者。他們原本受限於驗證周期、試驗成本，如今得以提前試錯、平行探索。GPT-5能給出假設、文獻依據、模擬程式碼，讓科學家在正式實驗前完成預演驗證。第三類：AI科學工具創業者這是一條還沒被捲爆的新賽道：聚焦科學研究場景的 AI 產品，比如蛋白建模、科研協作平台、圖表生成、公式分析器、科研文獻智能檢索。這類工具，不是Copilot，而是Lab Partner。他們會抓住這一波實驗室 SaaS 的機會。結語｜科學的下半場Kevin Weil 有個判斷：也許人們最先真正感受到 AGI 的，不是寫作、不是辦公、不是消費，而是科學。Alex Lupsasca 的感受更直接：它不是完美的，但它是目前最值得我投入時間的合作者。這不是對未來的預言，而是 2025 年正在發生的事。在 GPT-5 出現以前，科學家判斷一條路徑要不要做，往往靠經驗、直覺，以及資源有限的賭注。現在，可以在十條路徑中試一遍、刪八條，再沿著剩下的兩條向前走。OpenAI 沒有試圖把 GPT-5 做成萬能科學家。他們要做的，是讓模型與人一起，在認知邊界上試錯。科學研究從象牙塔被拉入產業主戰場。模型廠商、藥企、材料公司、AI科學工具創業者，正在成為這一波加速的受益者。時間軸被改寫，紅利已經在分配。 (AI 深度研究員)

上周在咖啡廳寫報告時，鄰座的中年女士對著手機備忘錄嘆氣："明明剛存進通訊錄的號碼，怎麼轉眼就找不到了？"這樣的場景，每天都在城市的各個角落上演。學生苦惱於背不完的知識點，上班族抱怨記不住客戶需求，就連退休的老人也會對著剛放下的老花鏡犯迷糊。當我們把這些困擾歸咎於"大腦沒開發好"時，卻很少有人意識到，那個流傳甚廣的"人類大腦僅開發不到10%"的說法，其實早已被神經科學界證偽了。在電影《超體》中，斯嘉麗·約翰遜飾演的角色因藥物激發大腦潛能，展現出操控物體、超越時空的能力，讓"大腦開發率"的概念再次引發熱議。但早在1998年，《神經科學雜誌》就曾發表過一項覆蓋2000名受試者的fMRI研究。結果顯示，大腦在休息狀態下仍有85%以上的區域保持基礎代謝活動，而在完成複雜任務時，幾乎所有腦區都會根據需求被啟動。2013年，科學家通過瀰散張量成像技術發現，人類大腦的神經連線到網路在日常活動中始終處於動態平衡狀態。所謂"未開發的90%大腦"，不過是早期腦科學研究不充分時產生的誤解。真正的科學事實是：大腦的"開發"並非區域數量的問題，而是神經突觸的連接效率。神經學家在《自然·神經科學》期刊上指出，嬰兒出生時大腦約有50兆個突觸，隨著成長，無用的連接會被逐漸修剪，成年後穩定在約100兆個。這種"用進廢退"的突觸可塑性，才是大腦高效運轉的核心機制。就像電腦硬碟的儲存空間從來不是問題，關鍵在於資料讀取演算法是否最佳化。人類大腦的奧秘，藏在神經元的連接模式裡，而非簡單的"開發比例"。又一個問題來了，既然大腦並非"只用了10%"，那為何我們總感覺記憶不夠用呢？這要從記憶的本質說起。加拿大麥吉爾大學的記憶實驗室曾做過一個有趣的實驗：讓受試者觀看一段包含30個細節的超市監控視訊，20分鐘後測試，平均只能精準回憶6個細節。但核磁共振成像顯示，受試者大腦在觀看視訊時，視覺皮層、海馬體、前額葉等多個區域都處於高強度活動狀態。所以，問題不在於大腦"沒記住"，而在於它"主動選擇了遺忘"。事實上，人類的記憶系統遵循著"適應性遺忘"原則。2016年《科學》雜誌刊登的果蠅實驗表明，當神經元突觸的長期增強效應（LTP）過度活躍時，實驗對象反而會出現記憶混亂。這說明進化賦予我們的記憶機制，本質上是一種風險控制：海馬體作為記憶的"臨時快取區"，會優先處理被標記為重要的資訊。這種機制在原始社會，能幫助人類專注於關鍵資訊，卻在資訊爆炸的現代社會顯得力不從心。更值得注意的是，記憶的提取效率受多重因素影響。當人們處於多工處理狀態時，前額葉皮層的θ波活動會下降30%，導致記憶編碼質量大幅降低。這就是為什麼我們邊刷手機邊記筆記時，往往轉頭就會忘記。大腦並非"記憶體不夠"，而是在同時處理多個任務時，主動降低了某些資訊的儲存優先順序。就像老式相機在光線不足時會自動犧牲畫質，大腦的"記憶赤字"，很多時候是注意力分配機制的副產品。在東京大學的老齡化研究中心，研究者發現了一個有趣的現象：70歲以上老人對近期事件的記憶衰退明顯，但對青年時期的細節卻異常清晰。這印證了"記憶保真性梯度"理論——大腦會對與自我認同、情感聯結相關的資訊進行優先保護，而將實用性低的短期記憶視為"垃圾資料"定期清理。這種機制在進化史上意義非凡。原始人類需要記住獵物遷徙路線，卻不必記住三天前篝火的火星軌跡。然而，現代人卻不得不記住快遞取件碼、Wi-Fi密碼、各類APP帳號，這些缺乏情感關聯的符號資訊，恰恰是大腦"默認清除"的對象。面對現代社會的資訊過載，大腦的適應機制顯得有些"力不從心"。斯坦福大學的研究顯示，普通人每天會接觸超過34GB的資訊，相當於10萬字的書籍30本，遠超大腦進化設定的處理閾值。當我們抱怨"記憶力變差"時，或許並非大腦功能退化，而是在持續接收違背進化規律的資訊輸入。現代社會的記憶挑戰，或許不是要戰勝遺忘，而是學會與大腦的進化邏輯和解。就像古人用結繩記事、現代人用雲端儲存，人類記憶的進化，從來都是生物本能與技術工具的協同進化。 (寰宇志)

不久前，全球最快的高鐵列車CR450動車組完成了樣車設計並成功下線。眼下，研發團隊正在展開一系列科學試驗和性能驗證，為動車組早日投入商業營運創造條件。 科技日報記者 洪星 攝 在國家鐵道試驗中心，工程師們在為CR450動車組樣車做稱重試驗。CR450動車組營運時速可以達到400公里，但為了減少對軌道的衝擊，在既有線路上跑起來，列車必須減重10%以上。 中國鐵道科學研究院機輛所副研究員陳璨介紹：“就跟人一樣，你要瘦，又要足夠壯。一個是結構變化，一個是材料的變化，逐項逐項去攻克。”

12月9日，上海市科學技術委員會官微“上海科技”發佈消息稱，近日，一位癱瘓四年的患者在復旦大學附屬華山醫院接受腦機介面植入手術。患者術後恢復良好，已能成功完成腦控喝水動作。 市場層面，A股腦機概念股逆勢走強，截至9日收盤，Wind腦機介面指數漲超1%，報1249.14點，相較於今年8月低點，累計漲幅達65.8%。個股方面，塞力醫療、漢王科技強勢漲停，創新醫療、愛朋醫療、三博腦科等個股跟漲。 另外，在剛剛召開的國際腦機介面大會上，清華大學生物醫學工程學院教授洪波分享了其團隊研發的無線微創腦機介面產品NEO的最新進展，洪波稱，“我們的腦機介面裝置明年將開始大規模臨床試驗，計畫入組30至50名患者進行植入，在中國大約10個中心展開。” 重大突破

【導讀】這幾天，越來越多博士發現，自己耗費數年心血的研究成果，竟然被Claude 3輕輕鬆松實現了？化學，物理學，語言學，不斷被Claude 3定向爆破，博士手中的論文沒發表就被它做出來了。科研還存在嗎？ Claude 3，仍在不斷創造奇蹟。 發布還沒幾天，就有越來越多的博士發現，手上還沒發表過的研究成果，居然都被Claude 3給破解了？！ 化學博士發現，自己要做一年實驗的研究，Claude 3兩個小時就給了方案，還比原方案更簡潔，而且成本只花5美分。