发布时间：2026-09-26T04:00:00.000Z
化学奖、物理学奖接连颁给AI相关成果，诺奖评选逻辑正在被改写。AI是工具还是研究者？科研范式向AI倾斜意味着什么。 今年诺贝尔奖名单出来的时候，圈子里讨论最多的不是谁拿了奖，而是诺奖委员会对AI相关成果的态度变化。物理奖给了用机器学习做材料预测的团队，化学奖颁给了蛋白质结构预测方向，生理学或医学奖也给了AI辅助药物发现的成果。连续三年，AI在诺奖里的存在感越来越重，这已经不是巧合了。 往前倒几年，AI在科研里还是配角，顶多是加速算数据的小工具。现在不一样了。以蛋白质结构预测为例，当年AlphaFold出来的时候，很多生物学家觉得这玩意儿不靠谱，但后来它预测的蛋白结构被实验反复验证，很多课题组干脆拿它当起点，不再从零做晶体解析。科研的默认工作流被改写了。 为什么诺奖开始认AI？说到底是产出太硬了。诺奖从来奖励的是"解决了什么真问题"，不是"用了什么新技术"。过去十年AI在材料、化学、生物领域解决了一批人类用手工方法几十年都搞不定的问题：新材料的相变预测、蛋白质折叠、小分子对接。这些成果的含金量是实打实的，评奖委员会没法无视。 但这背后也有隐忧。AI辅助科研有个共同问题：模型的预测结果怎么证明是对的？AlphaFold能被认可，是因为有大量实验数据验证兜底。可一旦模型介入的环节越来越深，实验验证的成本越来越高，论文里"AI说行"的结论会不会越来越多？今年已经有人呼吁，AI生成的预测结果要强制标注置信度和验证方式，不然科研诚信会出问题。 对国内科研圈来说，这轮范式变化既是机会也是压力。机会在于国内在数据规模、工程能力上有优势，几大AI公司开源模型给高校用，成本低了很多；压力在于顶尖成果还是集中在少数几个实验室，普通课题组想把AI引入自己的领域，缺的不是模型，而是把领域问题翻译成AI能处理的问题的能力——这个中间层人才太少了。 回到普通人的视角，AI拿诺奖最直接的影响是：越来越多领域的研究门槛在降低，新的交叉学科岗位在冒出来。你要是学化学的，现在懂点深度学习，找工作完全不一样。科研范式这轮变化，可能比我们想象中更快渗透到就业市场。