两个都在发生，只是不在同一层。一边是高校把亿级免费token额度直接发进学生账户，一边是OpenAI的掌门人亲口承认，一道数学证明就烧掉量级上千万美元的算力。用AI做科研，正在拉平"入门的资源差"——文献、代码、工具、算力的最低门槛从没这么低；同时也在放大"量产的差距"——在最难的那批问题上，算力、工程和验证流水线正向少数机构集中。决定谁占先机的，已经不只是卡数，而是谁能定义科研成果的验证与署名规则。
拉平的一边：token成了新的校园公共设施
过去做文献批量解析、数据清洗、调试智能体，要自己掏钱买API，现在学校直接兜底。中科大6月中旬就把"每天1亿个AI词元"的福利写进了宣传里，不是学分、不是奖学金，而是直接充进学生账户。 校内平台的"词元计划"每天给学生免费开放1亿token额度，相当于几十到一百元。微博知乎
使用端的渗透同样在加速：10月下旬的一份调查报告显示，逾九成受访博士生每周数次或每天使用AI开展科研工作。 工具端同样在塌方，The AI Scientist早在2024年就把机器学习科研的完整生命周期跑通，每篇论文成本大约15美元。界面新闻知乎
但拉平是有前提的。上万师生共用一个算力池，如果大量无意义调用挤占真正做科研开发的资源，动态限流几乎必然到来，这是热榜高赞回答里反复出现的提醒。 免费token池本质是机构补贴出来的公共品，不是市场自动滴落的好处——拉平的幅度，取决于学校愿不愿意、有没有钱持续供。知乎
集中的一边：一道题一千万美元，拼的是"量产"能力
10月中旬，OpenAI直接把722篇数学文稿扔上了GitHub，搞出372个成果家族，号称每个结果平均相当于ChatGPT Pro思考三个小时的计算量。 10月29日上线的播客里，被问到9月那份纳维-斯托克斯证明花了多少算力，奥特曼脱口而出：量级一千万美元，可能还多一点。 主持人追问整条数学线是否花了几亿美元、做出来的远多于发表的，他点头承认——已公开的700多份只是产出的一部分。知乎哔哩哔哩
差距不止在钱。Trillium Labs联合创始人Nathan Lambert转述过一个让他印象很深的场面：在OpenAI，一名普通研究员随时可以调用约5000张H100等效算力，而中国实验室人才多、算力缺。 对科研形态的变化，有知乎用户的总结足够冷峻：在可形式化验证的领域，科研正在越来越像比特币挖矿，算力即科研能力，Token即搜索预算，论文只是搜索结果的压缩表示。 另一个被大量赞同的判断指向组织层面：AI科研十年内变成了资本密集型的行当，算力、数据、工程人力全都向少数课题组集中。哔哩哔哩知乎知乎
国内的答案是把算力本身当基建来补课。10月17日至20日的第二十二届CCF全国高性能计算学术大会上，我国首个全国产十万卡AI超集群"曙光8000"真机正式亮相，走超算与智算原生融合路线。 同场展示的攻坚点也更具体：机器学习力场训练中，单个epoch耗时从约206秒降至约130秒，性能基本与国际主流加速卡持平。 用海光信息科研业务负责人的话说，科研人员的时间应该花在科学问题上，而不是折腾环境上——国产科研算力要过的，正是从"能提供计算"到"能支撑科研"的门槛。微博知乎
真正的分水岭：验证与署名，而不是卡数
过去一周最激烈的争论，恰恰不是比谁的卡多。10月末，《知识分子》《赛先生》举办"AI对数学家到底意味着什么"论坛，菲尔兹奖得主、芝加哥大学教授邓煜在主旨演讲中批评某些AI公司双标，拒绝公布证明思维链。 他的原话一针见血：你不能只在你蒸馏全人类知识时支持蒸馏。 模型靠全人类公开发的论文喂大，转头却以商业机密为由把证明过程挡在门外——这已经不是算力问题，而是规则问题。微博微博
OpenAI自己宣称解决了纳维-斯托克斯千禧难题，克雷研究所到现在没认。 它月底又宣布证明四维杨–米尔斯理论的存在性，话题随即引爆讨论，但证明材料的公开程度始终成谜。哔哩哔哩知乎
规则的缺口就摆在那里：AI烧着千万美元的算力，用甲的思路帮乙做出证明，功劳记谁头上？期刊和会议拿什么审查AI产出的正确性与原创性？有研究者已经给出更糟的预判：论文全发GitHub、AI写的AI审稿，人类的期刊体系完全崩溃只用了一年。 这些规则若长期空着，发布方就会顺手拿走定义权——拉平的是产能，固化的是署名。知乎
反过来看，巨头暂时也没吃掉最值钱的那一环。Anthropic近期的一项评测把已有论文、代码、数据和模型交给AI，限定12小时、8张H200的预算让它自主改进25个真实科研任务，最好的模型平均也只提升10.4%，结论被概括为"自动工程，而非自动科研"。 调参、改架构、做特征工程可以外包给算力，但提出新问题、设计验证、解释结果，眼下仍在人手里。知乎
所以这道选择题的答案是分层的：入门层在拉平，量产层在集中，胜负手在制度层。接下来值得盯三个信号。其一，OpenAI式科研工厂的单题成本会不会像奥特曼押注的那样，一年后降到百分之一——算力平价真正下沉到头部问题的那天，拉平才会碰到现在最硬的那块天花板。 其二，高校的token池会不会从个别学校的福利变成常态化的公共算力供给。其三，数学界和AI界能否赶在下一批"证明"批量发布之前，搭起AI成果的引用与贡献追溯机制。哪件事先发生，天平就倾向哪一边。哔哩哔哩
