专家解读诺奖：AI目前还仍未真正影响到物理学，短期看AI是一种“泡沫”｜钛媒体AGI

北京时间10月9日下午，瑞典皇家科学院决定将2024年诺贝尔化学奖授予三位科学家。其中，丹米斯·哈萨比斯（Demis Hassabis）和约翰·乔普（John M. Jumper）两位诺奖得主来自谷歌DeepMind公司，利用 AI 模型AlphaFold2，以超过90%的正确率通过氨基酸序列预测人类所知的2亿种蛋白质结构。

无独有偶。早前一天8日，2024年诺贝尔物理学奖也颁给了 AI 领域的两位科学家：美国普林斯顿大学教授约翰·霍普菲尔德 (John J. Hopfield)和加拿大多伦多大学教授杰弗里·辛顿（Geoffrey E. Hinton），表彰他们通过人工神经网络实现机器学习的基础性发现和发明。

很显然，今年成为诺贝尔奖的“AI 年”，物理学奖与化学奖都颁给了AI相关的工作。那么，这是否意味着，AI已经能够取代科学家的工作？本届得主为何获得化学奖而非生理学或医学奖？对于AI泡沫，尤其是 AI 软件的产业回报低于预期，AI 从技术到应用并产生正向利润的距离还有多远？

对此，钛媒体App与英矽智能（InSilico Medicine）创始人、CEO Alex Zhavoronkov，北电数智首席科学家窦德景教授等多位学者进行独家对话交流。

AlphaFold获诺奖是意料之中，但AI还仍未真正影响到物理学

如何解读今年诺贝尔奖的“AI 年”？对此，北京智源人工智能研究院创始理事长、美国工程院外籍院士张宏江在向钛媒体App展示的一段视频中表示，AI对于科学研究、物理研究其实有非常大的作用，此次两位获奖实至名归。“我认为这是对于AI它未来潜力的一个非常好的认可。我相信未来物理也和 AI 密不可分。”

“Hinton 2006 年利用 RBM 做 DNN 自监督预训练，成功训练深度神经网络，可以说是这轮 AI 革命的先声，Hopfield 网络为 RBM 奠定了基础。”张宏江称，两个人其实跟物理有非常紧密的联系。另外，非常重要的是，诺奖给到网络机器学习领域，实际上是对于以神经网络为基础的 AI 或者机器学习的重要性的一个认可和期待。

哈佛大学理论物理学家马特·斯特拉斯勒表示，“Hopfield和Hinton的研究是跨学科的，融合了物理学、数学、计算机科学和神经科学。从这个意义上说，它属于所有这些领域。”

北电数智首席科学家窦德景教授对钛媒体App表示，首先，今年化学诺奖颁发给DeepMind 哈萨比斯和乔普，他们“在蛋白质结构预测方面的贡献”确实功不可没，用AlphaFold 高准确度，低成本地预测了以前生物科学家长期以来费时费力才能得到的蛋白质复杂结构，推动了生物科学研究模式的变革；而物理诺奖颁给 AI 领域，代表了整个科学界对 AI 贡献的认可。从ChatGPT诞生后，AI飞速发展了两年，并且一直在提速。虽然还没有实现很大的商业变现，但对各行各业已经产生了很多影响，尤其对科学界的影响力也不小。这次的物理学奖颁给Hopfield和Hinton，表彰他们推动利用人工神经网络进行机器学习的基础性发现和发明，其核心主要是把物理学的基本原理应用到了 AI 神经网络领域。

不过，窦德景认为，“AI对物理学本身的贡献还不足够明显。”

他介绍，过往AI对物理学界产生一个贡献是在2017年，天文学家用计算机视觉技术帮助处理得到人类首张黑洞照片。 虽然近两年火热的大模型技术的进步也依赖于数学、统计学、信息学和物理学等基础学科，当诺奖物理学奖颁发给Hinton时他本人也很吃惊，没想到会发生。

窦德景对钛媒体App强调，“总结来说，数学、统计学、物理学、信息学都是计算机科学基础，这些基础理论帮助了计算机科学和AI的发展，也是AI的基础，但反过来，AI目前还仍未真正影响到物理学的基本原理、并帮到物理学的发展。以后，随着不断发现的新的物质和理论，我们预计AI和物理学以及其他基础学科的互动会更加频繁。除了物理学和化学以外，生物医学等的诺贝尔奖也可能表彰AI学者的贡献。”

英矽智能创始人、CEO Alex Zhavoronkov对钛媒体App表示，AI对科学技术产生了深远的影响，并将改变人类生活的方方面面。

“我认为诺贝尔委员会认识到了这一点，并且必须突破界限才能认识到这一深刻的变化。”Alex表示，今年的奖项有很多不寻常的事实。首先，AI 主要是数学。约翰·麦卡锡（John McCarthy）、艾伦·图灵（Alan Turing）、马文·明斯基（Marvin Minsky）、艾伦·纽厄尔（Allen Newell）、赫伯特·西蒙（Herbert A. Simon）、纳撒尼尔·罗切斯特（Nathaniel Rochester）、克劳德·香农（Claude Shannon）大多是数学家和工程师。当诺贝尔奖首次推出时，还没有计算机科学或人工智能作为一门独立的学科。因此对于深度神经网络，他们不得不将 AI 归类为物理学，而AlphaFold 获得诺贝尔奖是意料之中的事。

在Alex看来，诺贝尔奖将激励更多的人，而神经网络对行业的价值是巨大的。

“许多非常简单的任务已经被 AI 接管。即使在 Insilico，我们也用 AI 取代了许多注释、写作甚至编码工作，并且不得不重新培训和提高许多准备数据的员工的技能。经济效益尚未显现，但确实存在。而且，没有什么比药物发现的影响更深远的了。自2019年筹集第一轮大规模融资以来，仅Insilico一家就成功提名了 19 个临床前候选药物，将 9 个项目推向临床，并通过了一项 II 期试验。通常，大型制药公司每年会提名 5-7 个临床前候选药物，并且拥有更多的资源。想想看——有了 AI，一家公司在药物发现方面的能力就比世界上大多数发达国家都要强。很少有人发现过新药。大多数国家从未提名过 PCC。但多亏了 AI 和中国的力量，无需花费几十年时间培训当地科学家，你可以真正感受到 AI 对这个行业的影响。但就像互联网或社交网络一样——赢家很少，也许是 2-3 家。”Alex表示。

上海交通大学化学化工学院长聘教轨副教授沈琦对外表示，随着AI的出现，蛋白质预测的准确率和效率都得到了前所未有的提高，解决了困扰化学家多年的重大科学难题，并成为广大科研人员手中的得力工具，获奖实至名归。

实际上，自1901年首次颁发诺奖以来，诺贝尔奖经常强调研究对社会的影响，并奖励实用发明，而不仅仅是纯科学。在这方面，今年的奖项并不罕见，比如有时，它们会颁发给非常出色的工程项目。其中包括激光和PCR领域。

据了解，2024年诺贝尔物理学奖、化学奖将均分单奖总额1100万瑞典克朗（约合人民币744.46万元）的奖金。

“短期看 AI 是一种泡沫”

尽管今年诺奖已经公布完毕，但对于“生成式 AI 热潮是否已经形成泡沫”这个话题一直存在争议。

据Gartner技术周期显示，AI 已经度过了过度预期的高峰，将进入幻灭的低谷。报告预测，到2025年，30%的当前 AI 项目将在概念验证后被放弃，同时，许多 AI 项目将由于数据质量差、风险控制不足、商业价值不明确或成本不断上升而失败。

Gartner指出，实施生成式 AI 项目可能耗资数百万美元，并产生巨大的持续成本。例如，推出新一代 AI 虚拟助手的成本可能为500万-650万美元，每位用户每年的经常性预算支出为8000至11000美元。

对此，Alex告诉钛媒体App，从短期来看，AI 就像许多其他科技泡沫一样，它（生成式 AI）是一个泡沫。许多低质量的公司获得了资金，甚至一些较低级别的大学教授也获得了新创业公司的资金，现在正在努力创造产品或收入。

窦德景对钛媒体App表示，“我们认为，现在的AI还没能够帮助企业实现经济盈利，虽然现在一些软件公司用copilot来自动编程，能够节省程序员的时间和一些成本，但是还做不到，用AI完全替代程序员。另外，AI现在回报低于预期，也因为大模型行业的运行成本太高，训练一个模型需要花几个月的时间，以及几千上万张卡，就算有盈利模式，成本分摊下来也需要非常长的回本时间。”

在窦德景看来，就像当年搜索引擎的出现，给大家更好获得信息的渠道，但当时也在思索变现回报模式，后来是依靠广告才开启了盈利模式。目前，还没有在 AI 领域看到类似广告这样的盈利模式。未来是不是OpenAI能在自己平台上打广告实现盈利，目前来看不明确，毕竟大模型公司的用户日活量远远低于谷歌等搜索引擎，还需要有一个像广告这样的盈利模式。

不过，从资本到企业自身，市场正在转变，大模型领域的企业们正加速应用落地，努力获得收入。

据窦德景介绍，作为一家 AI 原生的国有企业，北电数智在当前算力资源的竞争格局下，解决如何有效利用现有多元算力资源，提升AI产业的核心竞争力的同时，降低企业使用AI算力的门槛并助力AI产业发展。

具体来说，北电数智正在通过以混元适配的核心技术，更高效地利用国产芯片处理不同类型的数据，同时确保数据的安全性和模型的性能，推动国产芯片实现从“可用”到“好用”转变。同时，AI的广泛应用，不仅技术本身需要创新，流程、系统和组织也需要创新；另外，北电数智正在构筑 AI 时代的生产线，推动基础设施发展，除了算力层协同国产芯片协同作战，模型层对主流的基座模型和开源模型提供普适性支持，数据层打造可信数据空间，同时打造敏感行业的垂类模型矩阵；其次，每个星火·智算也都配以展览展示、路演空间、实验室，及开闭门研讨会等，加速产业发展，让AI可用的同时加速AI时代到来。

Alex表示，目前在 AI 领域，只有少数初创公司能够实现规模和工业能力——OpenAI 在推理方面做得很好，Insilico在药物发现方面做得很好，但像谷歌、微软、亚马逊、Meta这样的大公司掌握着主流工业应用的所有钥匙。从非常积极的一面来看，在药物研发方面，我们看到Insilico推动一种完全由 AI 生成的药物的首个 II 期临床研究已经完成，“我很自豪这是在中国完成的，如果我们幸运的话，它可能是世界上第一种获批的 AI 药物”。

根据英矽智能今年6月向港交所提交的财报信息显示，英矽智能2021年、2022年收入分别为471.3万美元和3014.7万美元，主要来自医药研发的服务。未来，Insilico将会扩展 AI、房地产和医疗保健的结合，Alex指出公司正在与一些领先的房地产公司合作。

据行业研究数据显示，2017-2021年，全球医药研发支出由1652亿美元增至2179亿美元，期间复合增长率为7.9%。预计到2022年-2026年，支出规模将从2421亿美元增至3130亿美元，期间复合增长率为6.9%。

“我认为成功的50%归功于非常强大的生成式 AI，50%归功于中国高质量的人才、能力和职业道德。我认为，我们将在 AI 领域看到的下一波最大的生产力浪潮将在中国。”Alex表示。

（本文首发于钛媒体App，作者｜林志佳，编辑｜胡润峰）