90后发Nature，高中生进ICML：AI正在折叠科研

假如你吃了个鸡蛋觉得不错，何必认识那只下蛋的母鸡？钱钟书这句名言，在今年外滩大会有了AI版本：当你读到一篇好文章，解决了疑问，也学到了东西，它究竟是人写的还是AI写的，还重要吗？

提出这个问题的是北京大学博士生吉嘉铭，上届蚂蚁InTech奖得主。他还预测：学术Conference一定会消失。同一舞台上，三院院士Michael I. Jordan也聊到学术会议，但视角不同。他说，今天的会议和论文越来越多，不必要求篇篇顶尖，就像高中管弦乐队，演奏不完美也不妨碍练习有价值。至于AI，他泼了冷水：要真正像人类一样理解世界还差得远，重要问题之一是如何处理不确定性。

这是2026年InTech青年先锋论坛的片段。今年蚂蚁InTech奖收到全球10个国家和地区、50余所高校青年学者申报，数量较首届激增近四倍。获奖者中，有人还没拿到长聘就开始创业，有人以“90后”身份成为Nature论文独立第一作者，有人做的开源项目已跑在数十万张GPU上。

生成式AI让产业界与学术界边界更模糊。香港大学助理教授李弘扬创办源策未来，给人形机器人造具身大脑；南洋理工大学副教授刘子纬创办Roepedia，瞄准具身数据和基础设施；清华大学副教授章明星参与孵化趋境科技，关注训练和推理成本。三人方向不同，做的都是AI下一阶段绕不过去的底层问题。

李弘扬提到，今天做预训练，数据、算力和工程资源需求可能达过去几十倍甚至上百倍，公司能快速组织资源与人才。章明星发现，传统科研项目节奏很难跟上大模型迭代。刘子纬说，物理世界的数据不能坐在实验室里下载，需要研究者走进产业持续采集。研究正在变成大型工程，一些开放研究开始向公司迁移。但高校仍适合小而精、资源需求有限的问题，以及技术路线未收敛的长期探索。

想同时做教授和创业者，代价具体。张宏江说，如果研究者想创业，他首先会问：你准备好离开学术岗位全身心投入了吗？创业失败常见原因之一是低估市场挑战、高估技术优势。李弘扬建议，刚进高校的年轻老师不必急着创业，先做几年科研再决定。刘子纬提醒，别把今天的热闹当成常态。Jordan则补充：即使公司没成功，理解了市场、学会了经营，这段经历仍有价值。

科研在变，教育也一样。Jordan认为博士培养模式变化不大，本科教育可能迎来巨变。马炜杰成为Nature论文一作前，论文修改不下100次。他说AI帮节省写作时间，但夸张表述仍需自己识别，方法为何有效、实验能否支撑结论，仍需反复论证。吉嘉铭用AI调研已有工作，寻找尚未被充分考虑的方向。倪赞林把AI用于读论文、讨论想法和写代码。香港高三学生苏庭灏高二就拿到ICML 2026论文录用，约80%知识来自自学，20%来自课堂。

徐贲概括：AI正在改变“学科资本的稀缺性”。过去博闻强记珍贵，因为复制成本极高；现在文献综述、概念梳理、知识检索正被AI变成低成本认知基础设施。吉嘉铭说，北大内部交流中，大家几乎不再把“直接开始读论文”当第一步，而是先问大模型。刘子纬说，一些“为了发论文训练出来的技能”以后可能没那么值钱。

竞争重心正在移动。徐贲指出，能否在不同领域间建立有效连接变得更加重要。Jordan建议，数学不能丢，擅长数学的学生还要学经济学和社会科学。其他获奖者将人类研究者价值锁定在Taste、Judgment、Agency、Storytelling，即从亲手完成所有任务，转向定义问题、判断结果、组织资源。马炜杰说，AI学到的Taste大概率来自既有共识，而真正重要的新问题往往发生在共识还没形成的时候。

和今年几位获奖者聊下来，他们一致认为在AI领域，中国年轻科研人员已越来越靠近全球最前沿。一些国内顶尖实验室，人才密度、工程能力、对新方向的判断都不输海外一线团队。优秀科学家越来越多之后，真正稀缺的，反而是允许聪明人去做那些暂时无法证明正确的事情。

刘子纬讲了十多年前的故事。2013、2014年左右，计算机视觉正从手工特征向深度学习切换。导师汤晓鸥判断到变化，推动团队转向深度学习并提供GPU资源。团队从收集数据、人工标注做起，其中一项成果是后来影响很大的CelebA，包含超过20万张人脸图像和大量属性标注。但CelebA的真正价值，并非论文发表那天就能判断。随着越来越多研究者使用，其影响不断放大，直到2024年，团队获得PAMI Mark Everingham Prize。原创研究的价值，经常需要时间才能显现。