9月20日至21日，由上海物理智能与机器人研究院主办的 PAIR Conference 2026 在上海举行。会议以“下一代物理智能前沿”为主题，汇聚高校、科研机构及产业界专家，围绕智算系统、智能载体、科学发现及计算范式等方向展开深入探讨。
在“下一代科学发现”专题论坛上，圆桌讨论聚焦核心议题：“模型结果如何成为可信科学证据”。清华大学信息国家研究中心副研究员郭雨晨主持对话，邀请清华大学药学院副教授张数一、复旦大学研究员鲍峰、复旦大学青年研究员张宏亮以及律动造物CEO谢童，共同探讨 AI 进入科研环节后的验证、复现与适用边界问题。
随着 AI for Science 从证明“能做”向追求“可信”过渡，预测速度与实验验证速度之间的巨大落差，正成为决定该领域成果含金量的关键变量。
图 | （左起）郭雨晨、鲍峰、张数一、谢童与张宏亮进行圆桌讨论（来源：PAIR）
预测很快，验证太慢：不同领域的成本梯度
圆桌讨论首先分析了各领域 AI 预测的验证成本。四位嘉宾的回答构成了一个由低到高的成本梯度，揭示了不同学科面临的核心挑战。
生物与蛋白质设计：高通量优势明显
复旦大学鲍峰指出，机器学习在图像识别等领域的成功依赖于充足的数据和成熟的训练/验证/测试集划分机制。但在许多科学场景下，这一前提并不成立。以 AI 虚拟细胞为例，人类细胞约有2万个基因，而现有最佳数据仅覆盖百余种扰动基因。在此数据基础上训练的模型，难以保证对其余基因的预测可靠性。因此，鲍峰建议对模型结果保持怀疑，通过预实验和预分析提高最终成功概率。
清华大学张数一认为，蛋白质设计领域已突破计算瓶颈，关键在于功能验证的反馈速度。得益于 DNA 合成和蛋白表达成本的降低，小试管即可容纳 $10^{10}$ 量级的序列。相比小分子化学合成牵一发而动全身的高成本，蛋白质设计具备天然的高通量优势。若能搭建承接海量变体筛选的自动化平台，并将演化数据反哺 AI，生命科学有望率先跑通“设计—验证—再设计”的闭环。
材料科学：从“算得快”到“做得出”
材料领域的验证复杂度更高。谢童提到，尽管 DeepMind 的 GNoME 和 LBNL 的 A-Lab 曾引发关注，但计算预测与实验室实际可用材料之间仍存在巨大差距。UCSB 团队研究指出，许多预测仅是已知化合物的简单延伸，缺乏新颖性和实用性。
不过，实验通量的提升带来了转机。谢童表示，其实验室样品制备能力已从每周8个提升至每天250多个。高通量实验允许研究者尝试分布之外的未知材料，即便失败，数据对模型改进也极具价值。
核能材料：极端环境下的高昂验证
聚变堆、裂变堆材料的验证成本最高。张宏亮指出，该类材料需在强辐照、高温、强腐蚀等多场耦合环境下服役，一次考核周期以年计。因此，模型必须提供清晰的不确定性分析和适用边界（如温度、辐照剂量范围）。只有当预测符合物理规律且边界与实际工况吻合时，才值得投入昂贵的实验资源。在此领域，模型验证实质上是对模型进行的压力测试。
谁来检验“检验”？重构实验验证流程
确定候选目标后，如何设计可靠的实验成为另一大难题。A-Lab 曾因自动化分析缺陷导致“新材料”结论被质疑并最终更正，这一案例警示：若同一套 AI 系统既负责生成又负责判定，盲区将在两端同时出现。
验证原则：独立性与预设标准
谢童提出 AI 实验设计的三条原则：
1. 验证标准前置：在实验前确定成功标准，独立于结果，避免事后定义。
2. 模型分离：验证器与生成器应为两个独立运行的模型，避免自我印证。
3. 跨平台复现：鉴于材料性能受环境影响大，需通过多地点、多平台实验探明失败根源。
分级筛选与场景贴近
张宏亮团队采用分级验证策略：先通过干实验（相图计算、第一性原理等）将候选从上万组缩减至几百组；再进行低成本湿实验筛选至几十组；最后才进入极端环境测试。此外，通过耦合与解耦实验明确各因素单独及共同作用的影响，从而压缩目标区间，控制成本。
张数一强调验证场景应贴近最终用途。例如在生物制造中，直接在细胞内测产量而非体外测活性，虽链条长但更真实。鲍峰则建议重新编排实验流程，将关键中间结果前置，让模型尽早获取反馈，用廉价计算换取昂贵实验轮次的减少。
面对偏差：重新定义“失败”与有效证据
实验中模型预测与实际结果不符是常态。张宏亮估计其工作中约95%的情况存在偏差。谢童将失败原因分为执行层、表征层、智能体层和模型层四个层级，由易到难排查。张数一则提出，从 AI 视角看，“失败”数据往往位于模型薄弱区，具有极高的训练价值。例如，早期蛋白质设计的“幻觉”现象已被转化为一种新型设计方法，通过生成多样起始点筛选优化，效果优于单一路径。
警惕“基准测试”陷阱
针对如何判断模型有效性，嘉宾们指出了当前基准测试（benchmark）的局限性。鲍峰以 AlphaFold 为例，虽然其在结构预测上精度极高，但由于药物研发所需的功能数据缺乏类似 PDB 的大规模公共数据库积累，AlphaFold 至今未能显著加速新药获批进程。这表明，限定场景下的优异表现不能自然推广至更广泛的应用场景。
科学发现的三大要素
谢童提出，证明 AI 做出真正科学发现需满足三个条件：
1. 独立性：由独立于开发者的一方完成验证。
2. 前瞻性：先预测后实验，“先画靶再射箭”。
3. 外推性：有效结果需落在已知空间之外。
只有同时满足这三点，递归自我改进（RSI）和自主科学发现才可能实现。
结语：建立新科研体系的标准
讨论最后，郭雨晨总结指出，AI 生成结果的能力已领先于判断结果可信度的规则。谁来做验证、验证条件、学科门槛差异及成本承担等问题，正从学术讨论转变为科研管理和产业决策必须面对的现实。建立与新科研体系配套的标准，已成为行业发展的迫切需求。
注：封面/首图由 AI 辅助生成