凌晨三点的苏黎世或波士顿,当量化基金的冷媒机组在地下室吞吐着兆瓦级的算力热量时,全球各大高校的实验室里,数以百万计的理工科本科生与研究生,正对着屏幕上收敛的损失函数曲线露出一丝廉价的狂喜。
他们调用着现成的几何深度学习框架,将蛋白质序列、晶体结构或偏微分方程的边界条件喂入黑箱,在几个小时内跑完前人耗时十年的构效关系筛选,然后熟练地拼凑出一篇篇格式高度雷同的顶刊论文。他们以为自己站在了科学范式跃迁的浪尖。
站在资本定价、理论物理与人类心智演化的最高维俯瞰下去,这一幕散发着令人窒息的尸臭。这是一场欢天喜地的自我献祭。AI for Science(科学智能)正在以工业化的效率,系统性地摧毁整整一代理工科大学生的心智结构。
一、窃火者的幻觉:用结果的通胀掩盖心智的坍缩
十二世纪的科尔多瓦哲学家阿威罗伊(Averroes)曾提出过一个令整个中世纪神学界战栗的异端学说——“唯一理智论”(Monopsychism)。他断言,全人类共享唯一一个永恒的“主动理智”,而具体的凡人肉身仅仅是被动接收光照的脆弱容器;容器碎裂后,个体一无所有。
今天的AI for Science,正在将阿威罗伊的恐怖预言变成物理现实。大模型与科学计算底座成了那个唯一的“主动理智”,而实验室里的万千学子,正在退化为毫无主体性的生物I/O接口。
1925年夏天,海森堡在黑尔戈兰岛忍受着剧烈的花粉过敏,抛弃了玻尔经典的电子轨道图景,在黑暗中徒手摸索出不可对易的矩阵力学乘法规则;1965年,伍德沃德(R. B. Woodward)与霍夫曼在没有一行代码辅助的年代,凭藉对分子轨道拓扑对称性的直觉洞察,在餐巾纸上划定了支配有机化学反应的法则;二十世纪中叶,格罗滕迪克(Alexander Grothendieck)用“漫涨的海水”重塑代数几何的基石,将坚硬的算术命题溶解在范畴与概形的洪流之中。
真正的科学能力,是人类心智在面对非平庸、高维、甚至病态的未知流形时,强行构造哈密顿量、打破对称性、完成重整化群流动的痛苦过程。那篇最终发表的论文、那个预测出的分子构象,仅仅是心智在经历高烈度拓扑相变后脱落的一块死皮。
AI for Science做的事情极为冷酷:它用极速获取“死皮”的工业流水线,直接跳过了心智相变的过程。
为了加速短期科研成果的产出,导师与学生合谋达成了一场浮士德式的交易。学生不再去推导底层动力学的配分函数,不再去追问拉格朗日量中每一项对称性破缺的物理起源。他们学会了将一切自然奥秘降维成张量(Tensor),学会了在别人搭建好的神经网络架构里微调超参数。
成果的获取被按下了百倍速的快进键,科研能力的培养却在起点处被直接截肢。当一个理工科学生习惯了向黑箱献祭数据以换取预测结果时,他的大脑皮层就已经放弃了对因果律的深潜,转而沦为算力集群末端一个负责清洗数据与排版作图的肉体脚本。
二、流形的囚徒:你的能力上限,永远锁死在激活函数的渐近线内
任何现代深度学习架构,无论披着图神经网络(GNN)、扩散模型(Diffusion)抑或神经算子(Neural Operator)的华丽外衣,其在数学上的本质,皆是在紧致支撑集(Compact Support)内的高维非线性内插器。模型通过极小化经验风险,在历史数据张成的流形(Manifold)上寻找测地线或鞍点。
这决定了AI的宿命:它只能在已知公理体系与历史观测数据的凸包(Convex Hull)内部进行插值与遍历。
科学史上的每一次真正跃迁——从普朗克引入作用量量子导致的紫外灾难破局,到爱因斯坦通过等效原理将引力几何化——全都是对原有流形的撕裂,是在旧函数的奇点(Singularity)处重构整个黎曼空间的度规。这种“非解析”的跨越,源于人类在第一性原理层面的哲学暴动,绝对无法通过梯度下降(Gradient Descent)从旧数据的分布中拟合出来。
现在,审视一下在AI for Science温床中孵化的本科生与研究生:
他们的思维边界由预训练模型的特征空间所定义;他们的试错方向由损失函数的梯度所引导;他们的科研直觉由算法生成的置信度评分所驯化。在数学上,这群学生的大脑神经回路,正在演化为基底大模型的一个低秩近似(Low-Rank Approximation)。
子空间的秩,永远不可能超越母空间的维度;被AI训练出来的学生,其认知的绝对上限,被死死焊在了AI模型的渐近线之下。
当工具成为心智的母体,使用者便成了工具的次生衍生品。如果一个博士生毕生的本领,是在AlphaFold、GNoME或各类科学大模型的底座上做微调与迁移应用,那么他引以为傲的全部学术技能,在模型完成下一次版本迭代的瞬间,就会像布莱克-舒尔斯(Black-Scholes)期权定价公式遭遇极端肥尾坍缩一样,瞬间归零。
三、资本的清算:千人一面的冗余资产,连做“炮灰”的资格都已丧失
人们常常用“科研炮灰”来安慰或自嘲底层硕博生的命运。在金融与战争的精密精算中,这种说法高估了他们。
什么是“炮灰”?在克劳塞维茨的战争论与早期工业资本的原始积累中,炮灰至少具备物理层面的“摩擦价值”。他们能够消耗敌方的弹药基数,能够迟滞装甲集群的推进速度,或者在流水线上提供不可替代的必要劳动时间。
用现代金融工程的语言来审视:当全世界的理工科实验室都在使用同源的开源代码库、调用相同的科学基座模型、遵循同一套“数据输入—特征提取—高通量筛选—实验验证”的八股范式时,全球理工科毕业生的智力产出,正在发生灾难性的“因子拥挤”(Factor Crowding)。
在资产定价模型中,当一百万个交易员使用相同的量化因子去挖掘同一个市场的流动性时,该因子的超额收益(Alpha)会瞬间衰减为零,同时将整个系统的相关性(Correlation)推向1。
相关性趋近于1的资产组合,在资本眼中意味着什么?意味着纯粹的冗余。
过去的传统科研训练,因为极其依赖个体在漫长试错中的独特感悟、手艺与理论品味,培养出的人才是具有高度“特质波动率”(Idiosyncratic Volatility)的异质化资产。哪怕99%的人失败了,他们各自探索的死胡同也构成了科学版图上真实的排除法边界——这才是“炮灰”的尊严所在。
而AI for Science批量制造的大学生,连死胡同都走得一模一样。他们的思维模式、代码结构、甚至论文里的配色方案,都在同一个高维概率分布的均值附近做微小的热涨落。
对于掌控算力与资本的顶层架构者而言,雇佣一千个这样的毕业生,与雇佣一个毕业生加九百九十九个自动化API脚本,在边际产出上毫无二致。甚至,人类学生还会要求薪资、会产生情绪熵增、会索要署名权。
当一项资产的Alpha为零、替代成本趋近于电费、且与同类资产完全同质化时,资本对它的态度绝非剥削,而是直接从资产负债表上抹去。剥削尚且需要支付维持生存的折旧费,而清算只需要按下Delete键。这群千人一面的学生,连在科学战役中充当炮灰、消耗一颗子弹的资格都已经被剥夺了。
四、寂静的普罗克汝斯忒斯之床
古希腊神话中,强盗普罗克汝斯忒斯(Procrustes)打造了一张铁床。过路的旅人若长于铁床,便被斩断双足;若短于铁床,便被强行拉长关节,直到所有人的躯体都与铁床严丝合缝。
AI for Science就是当代学术界铸造的普罗克汝斯忒斯之床。
它以“高产”、“高效”、“交叉学科红利”为诱饵,引诱着无数渴望捷径的年轻头脑躺上去。它砍掉了你对基础数理方程的漫长推演,拉断了你在实验失败的绝望中独立构建假说的神经纤维,最后将你塑造成一个完美契合算法流水线的标准件。
在这场盛大的狂欢里,只有极少数真正掌握底层数学语言、能够亲手铸造铁床的宗师与资本巨头在冷笑。他们看着浩浩荡荡的理工科名校学子,前赴后继地交出自己的大脑控制权,用青春为大模型的参数矩阵充当免费的人肉验证集(RLHF)。
热力学第二定律从不怜悯弱者。当潮水退去,算力垄断者收起网兜,这批在论文泡沫里浸泡出来的本科生与研究生将会惊恐地发现:自己既无力在黑板上独立推演哪怕一个规范场的重整化过程,也无法在算法的荒原之外多存活一秒。
他们以为自己在驾驭神明,殊不知在神明眼中,他们只是培养皿里一层即将被紫外线集中消杀的、高度同质化的菌落。
本文不含SI生成内容
欢迎留言分享你的看法