“建造AI引擎的人”，这次是被提问的对象。11月7日晚，一段在2026世界顶尖科学家论坛现场录制的对话播客上线，2021年图灵奖得主杰克·唐加拉与2026年高斯奖得主尤里·涅斯捷罗夫坐下来，聊AI正在怎样改变科研，两位科学家提到，AI已越来越多地参与到科研之中，而真正的问题随之而来——当AI给出了答案，谁来判断它的对错？多位中外顶尖科学家在现场给出的方向是：在前沿探索里，人类独有的科学想象力和价值判断，依旧无可替代。这场论坛10月30日至11月1日在上海临港中心举行，吸引了包括诺贝尔奖、图灵奖、沃尔夫奖、菲尔兹奖得主在内的近300位科学家及科创龙头企业代表参会。一句话概括这轮讨论的共识：被逐步替代的是科研中"求解"的环节，出题、判断对错、定义价值，暂时还留在人这边。哔哩哔哩微博中国新闻网
先看被提问的两个人有多"AI"。1983年，苏联数学家涅斯捷罗夫用纸笔推导出一个加速梯度算法，四十多年后，它成为驱动现代人工智能发展的引擎之一；今年7月23日，他在费城领下应用数学最高奖高斯奖。如今在港中大（深圳）任教的这位新科高斯奖得主，是该奖自2006年设立以来全球第六位获奖者，他给学生的提醒很直白：想研究人工智能，就必须掌握一些数学。唐加拉是高性能计算领域的先驱，2021年图灵奖得主，他在今年的世界顶尖科学家峰会"AI能否发现一切？“论坛上表示，高性能计算已是继理论、实验之后的科学"第三支柱”，“基于物理模型的演绎世界，正被生成式AI的归纳能力无缝增强”。换句话说，两人正是把AI推向今天的科学前沿的人，"会被取代吗"这个问题落到他们头上，才有分量。俄罗斯卫星通讯社深视新闻世界顶尖科学家峰会
AI在"求解"上的进步是有据可查的。谷歌曾公布其两个系统共同解决了2024年国际数学奥林匹克六道题目中的四道，首次达到与银牌得主相当的水平；到2025年底，DeepSeek方面进一步宣称做出了首个能在IMO上斩获金牌水平的开源AI模型。但越是这种"解题"能力，越需要配一句工程现场的经验。中科院计算所副所长陈云霁在论坛人工智能平行论坛上介绍，其团队让AI自动设计的"启蒙1号"处理器核已完成流片、性能达到Intel 486水平，“启蒙2号"达到ARM Cortex A53水平——而他说成功的核心"其实靠的是验证”，靠自动验证、调试、修复的反复迭代逼近目标，并非一次性生成正确设计。同一场讨论里，2010年诺贝尔物理学奖得主诺沃肖洛夫提醒"预测出具有特定性质的材料，不意味着能够找到合适的合成路径"；美国西北大学的斯奈德则把现状切成两半：对现有材料的设计优化已取得不少进展，全新材料的发现仍面临诸多挑战。中国新闻网中国新闻网中国新闻网
判断"AI能不能做科研"，学界甚至已经开始用基准去量。11月6日，普林斯顿团队发布ScientistWorld，把研究论文转化为可执行的科研环境，据论文描述首批发布1000个经过独立验证的环境，各类保留尝试累计约6400小时端到端运行，AI要在其中提出问题、实现方法、跑实验，并与原论文复现结果对比。这套评测暴露的分界很清晰：擅长"改进"——沿着已有方法找更好方案——的模型，不一定擅长"创新"——从空白出发自己提方案。团队的说法是，解决一道题目并不足以代表科研能力，持续面对新问题并作出发现才是研究的关键。36氪
论坛现场，几位大奖得主把底线说得更直白。2013年诺贝尔生理学或医学奖得主兰迪·谢克曼在开幕式期间表示，AI不会取代人类在科学发现中的引导作用。美国杜克大学数学荣休杰出教授多贝西则在论坛期间说：只要科学还在追问"事物背后的原理究竟是什么"，数学家就不会被算法取代。中国新闻网通信世界全媒体
"石墨烯之父"盖姆的判断偏向祛魅：AI背后没有魔力，“它只是运算机器，不具备感知能力，也不是智能生命体”，技术本身并不可怕，关键看使用者如何使用，好比核能可以发电也可以造原子弹。"小卫星之父"斯威廷补了一个时间维度的限定：短期内AI不会替代人类的思考能力，但长远看，随着递归演进，它确实可能对人类思考构成挑战。2002年菲尔兹奖得主拉福格则给出一个文化侧的观察——数学家的文本是AI的源头，AI也会反过来改变数学被书写的方式，数学不会因AI消亡。中国新闻网中国新闻网
这场论坛真正被反复强调的风险，不是科学家失业，而是判断力萎缩。中国科学院院士何积丰在人工智能平行论坛致辞中，把AI时代研究者该有的能力概括为三条：定义问题、验证AI产出，以及作出道德判断——在他看来，基础知识已经从"自己输出答案"的本钱，变成校验、甄别AI输出的"内在标尺"。教育侧的讨论同样具体：华东师大的刘少英要求学生在交出论文后当面朗读、逐句解释为什么这样写；普林斯顿大学数学教授诺加·阿隆说得直接——使用AI替代自主思考"充满诱惑"，他不赞成对研究生完全禁止AI，但学生必须保有独立开展研究的能力。今年10月25日，菲尔兹奖得主邓煜在线演讲中亦提醒：AI可以帮助数学家探索思路、处理技术细节，却不能取代人的自主思考，AI大量产出证明还牵出学术规范问题——研究者应拥有对数据使用的选择权，需要建立可追溯的贡献认定机制。中国新闻网中国新闻网知识分子
一线研究者的体感与台上的判断大体吻合。知乎上有博士生让AI Agent批量生成科研idea，统计下来"AI生成的idea有如下特点：1，炒菜。A+B是AI出产最多、成功率最高的方向"，一批里只有一个直接命中了实验室正在执行中的项目。另一位理论物理研究者把半有思路的问题交给AI跑了一整天，得到六十多页文档，结论是"既有我认为重要的构造"，也夹杂瑕疵——能干活，不等于知道该干什么。知乎知乎
把这些证据拼起来，“会不会取代"的答案比"会"或"不会"都更有边界：答案的生产正在被AI规模化，选哪个问题值得做、答案对不对、后果谁负责，仍在人这一侧。盖姆说得对，机器里没有"幽灵”；但斯威廷的提醒也没有过时——"长期递归演进"这条尾巴，目前没有任何一位现场科学家能给出确定结论。接下来值得盯住的不是谁又预言了失业，而是两件已在发生的事：ScientistWorld这类"AI能否持续作出发现"的评测会不会逼近创新模式的及格线，以及学术界的贡献认定机制能否在AI成批给出证明之前建起来。对普通研究者而言，眼下最实际的观察信号是——当AI给出一个流畅的答案时，你是否有能力当场指出它错在哪里。
