2026年11月10日上午，中国科学院物理研究所M236会议室举行了一场题为“AI—Novum Organum vs. Superstitio Nova”的学术报告暨专题辩论会。题目取自弗朗西斯·培根1620年的名著《新工具》（Novum Organum），问的是：大语言模型究竟是一件新工具，还是一种新迷信？

一、报告：生成廉价之后，核验成为核心能力

物理所周毅研究员的报告题为“Scope, Verification, and Scientific Judgment in AI-Assisted Physics”（AI辅助物理研究中的适用范围、验证与科学判断）。

报告从培根说起。培根认为，心智和双手一样需要工具，而工具的作用有两种：启发理解，或者警示理解。大语言模型极擅长前者：它能为一个问题列出多套方案，写出推导和代码，一个下午就能起草一篇文稿。后者却是另一回事。生成变得廉价，看似合理、实则缺乏依据的结果也随之泛滥；真正稀缺的，是判断哪些结果值得相信的能力。

报告的素材来自周毅2026年3月至10月与AI合作的一组项目。周毅特别说明，这是一份选择性的个人记录，而非生产率研究；其中几个项目的对话记录已经公开。报告从中选取了三类案例，每一类对应一种警示：

•I. 精确不等于物理：4e电荷超导。AI比较了不同的理论路线，并审查了整条逻辑链。一个精确可解的母哈密顿量，最终被认定只是基准模型，而不是该物相本身；结论转而建立在受控展开之上。

•II. 能运行不等于正确：从论文到程序、从高斯态到MPS。AI承担了分析、制定规范、审阅和编码，还编写了测试。在用AI智能体把多体物理论文变成程序的过程中，明确的规范消除了一个瓶颈，却又暴露出另一个，整个工作流程不得不随之修改。

•III. 拟合不等于解释：滑移电荷密度波、KTaO₃界面。AI负责代码、润色、一致性检查，以及文献综合和批判性审阅。在滑移电荷密度波的工作中，一个数值从初稿到发表始终没变，它的含义却变了：从“对样品的推断”，变成了“数据所限定范围内的一个代表值”。

三类案例出错的环节各不相同，纠错的办法却有共同的结构。周毅把它归纳为一个核验流程：人提出问题、设定初始判据；AI辅助生成候选；人针对具体候选写出规范、划定结论边界；AI辅助完成推导、代码、分析和写作；人进行独立审核并设置停止关卡，不通过就退回修改或直接否决；最后才形成可问责的科学结论。上面三个案例，恰好分别在“规范与边界”“独立审核”“可问责结论”这三步出现转折。

流程之外，还要做七项对抗性检验：量纲、极限、对称性、守恒、独立基准、收敛和不确定度。每一项检验都在寻找否决的理由，但没有哪一项能单独说明问题。周毅强调，AI的输出只是候选，不是证据；几个AI系统意见一致，也不构成独立的证据。

同样的标准也适用于评价AI本身。如果一家大型AI实验室宣布“解决了10个大问题”，却不说这是在一万次失败之后取得的，我们又能从中学到什么？一个证明可以就事论事地检验，关于AI成功率的断言却需要分母，也需要一份他人可以检查的记录。周毅的记录里同样有失败，比如不成功的模型运行，以及一个没能推广的工作流程。这份记录也有局限：它没有测量生成和核验各花了多少时间，也没有统计AI辅助的探索有多少次收敛到了一个优雅却无用的框架上。

报告最后提出两个开放问题。第一，AI辅助普及之后，物理学的方法、分工、价值标准和奖励体系将如何改变？物理或许与数学不同，因为物理的候选结论必须接受物理可实现性和实验的约束。第二，当AI能胜任许多初级任务，研究生培养该如何保住从新手成长为独立研究者的那条路？哪些环节应当亲手完成，哪些可以借助AI，学生又如何逐步承担起判断的责任？

报告的结论是：在生成廉价的时代，物理学家的任务是提出问题、验证答案。

二、辩论

报告结束后，专题辩论随即开始，辩题为“这是最好的时代，还是最坏的时代”。正方为物理所量子计算研究中心的武琰涛、张士欣、张玉祥，反方为物理所凝聚态理论与材料计算实验室的王磊、孙孝奇、郭浩宇，中国科学院理论物理研究所的张潘担任裁判。辩论持续约一小时，很快从正反交锋变成了全场讨论，在场的观众和同学也纷纷加入。以下按话题整理。

｜拉近与顶尖学者的距离：平权，还是同质化｜

正方从一段亲身经历讲起。一位辩手刚开始做科研时，在一个自己毫无基础的数学问题上有了猜想，为此在图书馆泡了整整半年，最后才得到一个不到半页纸的证明。如今有了AI，这段路被大大缩短，普通研究者与陶哲轩之间的距离也被拉近了。

反方却认为，这恰恰说明我们正处在最坏的时代：大家对标的是同一批模型，水平向模型看齐，研究内容也向模型擅长的问题集中。公司公布的只是成功案例这个“分子”，大量失败的“分母”留在了公司内部；在同行压力下，人们会不自觉地涌向同一类问题。反方还回应了报告的开头：培根代表的是文艺复兴以来从神到人的人文主义，而今天似乎又在从人走向某种新的“神”。

正方回应说，不报告失败、一拥而上追热门，学术界向来如此；AI并没有改变问题的性质，只是让它来得更快。反方继续追问：普通研究者和头部学者手里的算力、token并不一样多；即便一样多，当人人都在用最好的模型时，个人去做一件事的动力又从何而来？

｜劳动的价值与分配｜

反方辩手把视角从科研产出转向社会。在这位辩手看来，劳动不只是收入来源，也是普通人的议价能力；当一份工作随时可以被替代，这种能力随之削弱，知识和学位也在贬值。如果生产力提高带来的收益不能合理分配，社会可能滑向“赛博朋克”式的结局，学术界也难以幸免。这一观点引发了热烈讨论，话题一度延伸到劳动保障和社会分配。随后，一位正方辩手把话题拉了回来：与其诡辩，不如讨论在这个受冲击的时代，怎样才能做出更好的科研。

｜找到自己的生态位：个人与大公司｜

正方接着亮出了自认为最有力的论点。这位辩手从事多体数值计算，目标是定量预测实验。这个问题之难，在于复杂度随体系规模指数增长，而不在于智力高低。有了AI之后，团队近几个月开发出新算法，处理了长程相互作用、动力学等过去算不了的问题，“以前五年做的事，现在半年就能做完”。这类问题大公司不会来做，因为机会成本太高。当智力不再稀缺，最重要的是判断什么问题值得做，以及一个人的抱负（ambition）和意志（will）。

同样做计算的一位反方辩手不以为然：把某个模型算得再大、再准，也可能早已与现实世界脱钩。AlphaFold解决蛋白质折叠问题，靠的并不是计算模拟，而是数据驱动的建模。高温超导、核聚变这类有现实需求的问题，大公司一定会做，而且会“不择手段”；在上万个智能体和海量token面前，个人的抱负可能微不足道。另一位反方辩手补充说，想进入一个新方向时去问AI，得到的往往是一份同质化的问题清单，或者被告知这些早已有人做过；一些刚冒头的好奇心，可能就这样被AI过早地“扼杀”了。

另一位正方辩手的回应是：与其泛泛地争论AI有多强，不如先看清它能做什么、不能做什么。这场讨论恰恰缺少对AI能力的清晰刻画，大家不自觉地把它想象成了无所不能的存在。正如报告所讲，要选好题目，关键是弄清AI的局限在哪里；只有对AI来说也难的题目，才真正稀缺，个人的生态位也在这里。有人追问：这里说的局限，是现在的AI，还是下个月的AI？这位辩手坦言，人只能跟着AI一起成长，而这也正是这个时代残酷的一面：过去一个人可以在一个领域深耕一二十年，现在刚学会一门技术，这座矿可能就已经挖完了，转换方向的周期会越来越短。

｜个人功劳消失之后｜

第三位正方辩手则点出了讨论中的一个隐含假设：为什么成果非得由“我们”做出来？这位辩手认为，学术界将不再有属于个人的功劳（credit），就像没有人关心一张桌子是谁做的，个人英雄主义的时代已经结束。但这并不妨碍它是最好的时代。人类不必是宇宙的中心，也不必是最聪明的存在，正如从地心说走向日心说。我们大可放下对名利的执念，做一名NBA球场边的观众。立刻有人回应：那是因为你还有资源支撑。

｜冲浪式科研与登山式科研｜

反方从一次暑期学校的经历谈起。学生们要在几天内借助AI工具完成研究项目，最后参加评奖。起初大家还挑自己感兴趣的题目，但在求胜的压力下，很快就放手让智能体自动运行，自己只管点“accept”。到了结束时，他们发现自己什么也没学会，也失去了评判自身结果的能力；而要从大量结果中挑出真正好的工作，本身也很困难。反方借用“冲浪式科研”来形容这种状态：在智能体能力的前沿把问题扫一遍，能收什么就收什么。与之相对的，是“登山式科研”。短期的压力把人推向前者，个人很难抵抗。

正方认为这个比喻很深刻，却不同意其结论：登山途中每爬一两百米，依然可以发表文章；同行看得出谁在冲浪，坚持下去终会有回报。也有人说得更直接：当大家都知道文章可以由AI生成，冲浪一个月发几十篇文章，连世俗意义上的价值都换不来，这种模式很快就会消失。周毅也谈了自己的看法：研究是一条很长的链条，最终会留下个人独特的印记，这正是做研究的乐趣所在；AI加快了这个过程，也可能把这种印记磨平。

｜理论的焦虑，实验的乐观｜

场上辩论双方都是理论和计算方向的研究者，实验同事的加入带来了不同的视角。一位实验物理同事认为理论家过于焦虑，并提醒说，把“算出实验结果”当作目标未必合适，因为实验结果本身也会出错。在这位同事看来，理论结果很容易被证伪，实验结果却很难被质疑；实验家的悲观情绪，主要是从理论家那里传导过来的，如果理论家的求知热情受挫，实验也会受到影响。

反方辩手也分享了一个观察：数学家和理论物理学家最悲观，贴近实验的唯象研究者最兴奋，做多体数值计算的人心情复杂，实验家则普遍乐观。似乎离“容易验证、反馈迅速”的领域越远，处境就越好。周毅则把当下比作《奥德赛》所描写的青铜时代的终结：旧的个人英雄主义逐渐退场，新时代的到来总伴随着一部分人的沉落，但基本的人性仍在。

｜下一代怎么培养｜

讨论最后转向学生培养。一位反方辩手先做了一个有趣的归纳：正方一位辩手说还能找到暂未被注意的问题，一位说人的价值趋于零，还有一位说要先看AI能做什么、再去找稀缺性。三位其实都默认了人的价值在下降，“从人文主义的角度看，他们都是反方”。这位辩手担心的是：同一个课题，导师与AI合作可能一周就能完成，学生与AI合作需要半年，学生独立完成则要三四年。出于现实考虑，导师可能干脆不带学生；而学生缺少亲手走完全程的训练，培养效果如何，谁也说不准。

另一位反方辩手认为，带学生的方法必须更新。本科生已经在用AI，有了想法马上就能动手检验。博士阶段最核心的训练，是把一件事做完、在难题上长期坚持，这种品质无论有没有AI都不可或缺。有发言者补充：如果把博士培养的目标定为学会完整地做一个科研问题，而不是发表文章，就像做有标准答案的课后习题一样，很多担忧就可以化解。随即有人反对：学生只要想留在学术界，没有文章几乎寸步难行，“快乐教育”并不现实。反方则认为，下一代科研人员会更少、更精英，也更像通才，理论和实验都能拿得下，选拔他们的机制也会大不一样。

｜听众发言与投票｜

最后，一位同学发言认为，“AI之神降临”更多是硅谷的一种信念，未必是现实：AI能否递归地自我改进、能否持续学习、会不会在某处卡住，都还是未知数。短期内这会是一个痛苦的时代，但变革之后，仍会迎来一个更好的时代。学生应当大胆使用新工具，打破固有的思维定式，同时也要谨慎检查AI生成的内容。

中午十二点，讨论在“人要吃饭，AI要充电”的笑声中落幕。现场举手表决，正方获胜，奖品是三个印有OpenAI标志的杯垫。

三、共识与待议问题

正反双方在结论上各执一词，在以下几点上却相当接近。

｜共识｜

•判断比生成更稀缺。选什么问题、信哪个结果，是研究者最核心的能力。这与报告的结论一致。

•“冲浪”与“登山”之分确实存在。双方都认同这个比喻，分歧只在于登山式研究能否得到应有的回报。

•先看清AI的局限。无论乐观还是悲观，都应建立在对AI当前能力的具体了解之上，而不是把它想象成无所不能。

•学生要完整地做完一件事。在难题上长期坚持、对自己的结果保持判断力，有没有AI都同样重要；AI生成的内容必须仔细核查。

｜待议问题｜

1.当大量工作由AI完成，个人的功劳和署名还存在吗？论文作为评价单位还有意义吗？

2.博士生培养的目标，是否应从“发表文章”转向“学会完整地做一个问题”？在现行评价体系下能否做到？

3.个人和小团队在哪些问题上仍比大公司有优势？这种优势能维持多久？

4.AI提高了生产力，收益如何分配？普通研究者的议价能力从何而来？

5.为什么实验家比理论家更乐观？容易验证的领域是否注定最先受到冲击？

四、结语

投票分出了胜负，讨论却没有给出答案；正反双方心里，其实怀着同一种紧迫感。培根在《新工具》中提醒人们警惕心智中的“偶像”；四百多年后，物理所的研究者们讨论的是：如何不让一件强大的新工具，变成一种新的迷信。这样的讨论，还会继续。