企业官网建设流程全解析

📋 目录

• 🎯 开场：为什么"Coding Agent 是最成功的商业闭环"
• 🔍 一个必须先分清的术语：AI4S ≠ AI4AI ≠ RSI
• ⚡ 为什么是现在：两个前提同时成熟
• 🔬 AI 在科研里的两个角色，别搞混
• 🧪 A-Lab 的硬数据：自动化实验室到底能走多远
• 🔍 实验选择：一个搜索问题
• 🚧 三个真正的卡点
• 🏢 三大实验室的路线差异
• 🏗️ 验证瓶颈这个判断，对企业落地同样成立
• 📋 一个可以直接用的判断清单
• 🎯 写在最后

🎯 开场：为什么"Coding Agent 是最成功的商业闭环"

这期《硅谷101》的切入角度很特别。

主持人问曹原：AI for Science 这几步里，技术上最难的是哪一步？

他几乎没犹豫：verification（验证）。

但他的论证方式是从反方向来的——从 coding 讲起。

曹原的逻辑是这样的：Coding agent 之所以是目前 AI 里最成功的商业闭环、唯一产生指数级增长的形态，是因为它能闭环。

程序员写完一段程序，马上能知道对不对。不用等，不用外部方裁定。就在那个反馈瞬间，用户才敢把整个任务外包给 AI。

科学做不到这一点。科学的验证在物理世界里。

然后是这期访谈里最锋利的一句判断：

如果理想情况下每分钟能拿到一次实验验证，AI4S 就退化成了一个数据生成问题——模型可以无限生成假设、即时验证、即时更新。

所以卡住科学的不是"AI 不够聪明"，而是反馈太慢、太贵。

核心逻辑：科学不是"更复杂"，而是反馈更贵。

🔍 一个必须先分清的术语：AI4S ≠ AI4AI ≠ RSI

这期节目里曹原把三个常被混用的词做了极清晰的区分，值得单独列出来，因为很多行业讨论就是从概念混淆开始的：

这个区分为什么重要？因为RSI 是方法，不是目标。很多公司说"我们在做递归式自我改进"，实际上只是在描述一个技术手段，而不是在描述一个可交付的价值。

而 AI4S 和 AI4AI 的区分则决定了商业路径：AI4AI 的客户是模型厂商自己，AI4S 的客户是药企、材料企业、能源公司。后者的销售周期、决策链条、验证要求都完全不同。

⚡ 为什么是现在：两个前提同时成熟

曹原认为 2026 年的爆发有两个前提同时到位：

第一，大模型在数学和编程上的推理能力已经过验证。

第二，agent harness 体系成熟。所谓 harness，就是把工作流一步步串起来的"挽具"——包括记忆管理、工具调用、失败迭代这些基础设施。

这两项能力迁移到科学问题上，模型就可以做三件事：

用曹原自己的话说：“现在就是一个天时地利人和，该到了我们用 AI for Science 的时候了。”

不过要补一句：这个领域并非突然出现。在爆发之前已经有缓慢铺垫——AlphaFold、RoseTTAFold 这一系列模型已经是先行者。

🔬 AI 在科研里的两个角色，别搞混

曹原把 AI 在科研中的角色分成两类，这个区分很实用：

而他反复强调一个限制：问题定义仍必须由人给出。

“AI 目前还做不到说自己有这个品位去找出合适的问题。”

他能做的，是把问题结构化——辅助搜索文献、整理假设。

什么样的问题适合交给 AI？

曹原给的三个判据非常干脆：

1. 可计算
2. 能被干净地建模
3. 能被快速验证

AlphaFold 是典型：输入氨基酸序列，输出三维结构，问题定义明确且验证相对容易。

反过来说，"新药到底有没有效"就不满足第三条——不到最后环节很难真正知道效果；核聚变装置设计的实验代价可能极高。

为什么生物制药跑在最前面

这一点值得单独讲，因为答案可能和大多数人想的不一样。

曹原说得很直接：“传统上，生物技术、生命科学和药物发现就是一个巨大的市场——这跟 AI 没关系。”

也就是说，生物制药领先不是因为 AI 更适合它，而是因为它本身就足够值钱：新药研发动辄数年、成本数亿美元，AI 无论加速哪个中间环节还是降低失败成本，价值都巨大。

“做大容易，做小难”这个判断在这里也成立——材料科学的价值链太碎，你很难用一个标准化流程把 AI 创造的价值整体捞出来。

🧪 A-Lab 的硬数据：自动化实验室到底能走多远

曹原提到的具体参照是 Google DeepMind 与劳伦斯伯克利国家实验室合作的 A-Lab：

17 天内执行了 353 次实验，57 个目标材料中合成出 36 个。

他指出自动化实验室当前的瓶颈在机器人的操作精度与速度。

相比之下，in silico（数字模拟）因为容易衡量进步，进展远快于物理侧。

这个对比很值得记住：我们能可靠度量"进展"的那一侧（模拟）发展快，不能可靠度量进展的那一侧（湿实验）发展慢。而"能不能可靠度量进展"这件事本身，就是科学的核心难题。

他给出的理想测试是一个假设性标准：如果一分钟能拿到一次实验验证，AI4S 就退化成一个数据生成问题。

🔍 实验选择：一个搜索问题

这期节目里有一段技术密度很高的分析，值得完整拆出来。

曹原把"下一个实验做什么"本质上定义为一个搜索问题：

• 每个候选方案是搜索树上的一个节点
• 模型用一个价值函数（value function，即"直觉分"）评估节点的潜在回报
• 再叠加**"这条路径已经被采样多少次"的惩罚**
• 在exploitation（深耕当前最好方案）与exploration（探索不确定但可能突破的方案）之间取得平衡

他的类比是：这与后训练中的强化学习机制一致。

这个框架的价值在于——它把"科研选题"这件看起来很玄的事，翻译成了一个有工程解的问题。而 RL 里关于探索-利用平衡的那套方法论，是可以直接借用的。

但紧接着他给了另一条更本质的判断，关于表征（representation）：

“如果你没法测量，就没法表征。”

以及一条对做工程的人更有用的原则——表征取决于模型在架构中的位置：

🚧 三个真正的卡点

卡点一：验证（最大瓶颈）

回到开头的判断。曹原的原话：

“最难，对于 AI for Science，肯定是 verification。它是一个瓶颈，一旦这个瓶颈被打破了，你就可以很快地迭代。”

他的论证里有一个我觉得很关键的层次划分：

coding agent 为什么成功？因为验证是即时的——写完马上知道对错。

科学为什么不行？药物是否有效可能要等上市才知道，核聚变装置的实验成本高到无法反复试错。

AI4S 的迭代速度完全取決于验证速度。

卡点二：因果与元递归

因果建模有悠久的历史（Judea Pearl、Do-Calculus），但曹原认为语言模型目前"不可靠"：它对因果的理解依赖于输入的措辞与语序，因为训练资料只涵盖最常见的表述方式。一旦换一种说法、或引入反事实干预（“如果把某个变量调高会怎样”），模型就可能出错。

出路之一是他认同 Yann LeCun 的判断——需要世界模型，让模型的理解独立于语言表征。

他还补充了闭环里常被忽略的一环——元递归（meta-recursive）：

模型不仅自己要改进自己的假设，还要改进自己的工作流本身——包括何时更新自己的代码、如何调整 agent harness。

这一条对做 Agent 平台的人特别有参考价值：它意味着"改 prompt"和"改架构"是两种不同层级的迭代，而后者才是真正的杠杆。

卡点三：概念抽象（“最后一英里”）

这是曹原认为更深的那道坎。他给出的判断相当直接：

当前模型擅长在既有知识、定义、定理内部搜索，但难以像顶尖科学家那样抽象出新的数学对象、定义和理论。

他称这种概念抽象能力是 AGI 的"最后一英里"，甚至补充说——可能不一定在图灵可计算的范围内。

商业化的判断是分层的：

他还引用了诺奖得主、CRISPR 基因编辑科学家 Jennifer Doudna 的话作为佐证：

“我们也用 AI，但是从 AI 给我们的 proposal 里面，没有一个是我们之前不知道的。”

曹原的转述是：目前 AI 的"发现"多半是在既有知识空间里做排列组合。要同时满足"有创新性"与"可行"，是当前模型能力上一个尚未解决的挑战。

⚠️ 需要说明的是：Doudna 这句话是节目转引，本文中未找到她的原始出处或上下文。请把它当作访谈观点的转述，而不是她完整的正式表态。

顺带说一个值得警惕的信号

曹原提到一个当下的现象：数学界已经从"证明稀缺"进入了"证明过剩"的时代——收集未解问题的网站上，每个问题下面堆了几十个 AI 生成的解法，但没有人类专家愿意去验证它们。

他补的那半句更难：一个正确的结果，不自动是一个值得拥有的正确结果。即使自动验证说它成立，仍然要有人理解它、判断它。因为人携带价值判断。

这些问题里可能已经有答案了。缺的只是人类去检查的时间、精力和能力。

这段话的现实意义可能比技术讨论更大：AI 生成能力的提升速度，已经超过了人类验证能力的提升速度。这个剪刀差会在越来越多的领域出现。

🏢 三大实验室的路线差异

节目把 Google、OpenAI、Anthropic 的 AI4S 布局做了对比。这部分对想理解行业格局的人有用：

OpenAI 这条线最值得单独说，因为它最激进也最值得警惕。

原本负责 AI4S 的负责人Kevin Weil 在 2026 年 4、5 月间离职，之后 AI4S 的努力被并入 Codex 团队——等于赌"通用 GPT 模型 + agent 自然会解决科学问题"。但同期 OpenAI 正在扩张广告、硬件、企业版多条产品线。

曹原的判断是：“战略和管理的优先顺序会是问题。”

还有一个细节值得记：Astra 模型在论文中声称解决了 10 个前沿数学问题，但科学界对此有争议——这涉及数学可靠性的问题。

而 Anthropic 的John Jumper（AlphaFold 共同发明人、诺奖得主）加入，被外界看作 Anthropic 终于要补上垂直生物医药模型这块拼图。

不过要注意：这些"布局"的描述反映的是访谈时点（2026 年 8 月）的情况，不是长期定论。半年后再看，优先级很可能又变了。

🏗️ 验证瓶颈这个判断，对企业落地同样成立

聊到这儿可以往企业侧推一步了。

曹原这个"验证决定迭代速度"的框架，跟企业做 AI 落地是同一个结构。我把对照关系列出来：

最有价值的一条：找到你的"湿实验"

如果把这期访谈压缩成一句可执行的话，就是：你那条业务线的迭代速度，不取决于你用多强的模型，而取决于你的验证要等多久。

这不是抽象判断，是可以直接算的。举两个对照：

同一个模型、同样的 Agent，迭代速度差两个数量级。差别不在模型能力，在于验证的成本。

这个判断一旦接受，投入方向就变了：

• ❌ 不是"换一个更强的模型"
• ✅ 而是"怎么把这条线的反馈周期从三天压到三小时"——哪怕只是先建立一个能自动出报表的流程

再说一遍边界

SPARK 融合平台在这套逻辑里的位置，是把"数据从哪来、怎么对齐、谁能看到"变成可执行、可追溯的流程——iPaaS 接数据，治理中心把质量校验和口径统一前置到入库之前，全域守卫划权限边界。

而**“多快算一次有效验证”"什么结果算成功"这两个判断，平台做不了。** 这恰恰是曹原说的那类问题——问题定义必须由人给出。

平台能做的是：当专家定义了标准之后，让这个标准被一致地执行，且每一步都留得下痕迹。

标准由专家定，执行和追溯由平台保——这条边界和前四篇讲的完全一致。

📋 一个可以直接用的判断清单

先量出你的验证周期。不是模型响应时间，是"从做出一个改动到能判断它对不对"的完整时间。这个数字决定了你的迭代速度上限。

别在瓶颈上投资。如果反馈要等三天，把模型从 Opus 换到本地小模型不会有任何帮助。要投的是缩短反馈周期。

区分"能不能被快速验证"。曹原的三条判据——可计算、可干净建模、可快速验证——可以直接拿来筛项目。三个都不满足的，别指望 AI 闭环。

警惕离线指标。离线跑得漂亮而线上失真，科研里的对应就是"in silico 进展快于湿实验"。因为前者容易被优化到失真，后者才是真相。

看项目是在"搜索既有知识"还是在"创造概念"。前者 AI 已经很强了（可以商业化），后者还需要二三十年。别把两者的进展速度混为一谈。

留探索预算。如果你的系统只在已知场景里做局部最优，指标会很好看但能力不长进。这在 RL 里是探索-利用问题，在业务里是同一回事。

🎯 写在最后

这期访谈最让我反复想的是那个"Coding Agent 是最成功的商业闭环"的观察。

因为它揭示了一个大部分人忽略的因果链：不是 coding 任务更容易，而是 coding 任务的验证成本足够低。

低到用户愿意把整个任务外包。低到模型可以在几分钟内知道自己错在哪、然后立刻改。

而科学没有这个便利。这不是因为科学"更复杂"，而是因为科学要穿过物理世界那一层。

曹原把这个层次讲得很直白：宇宙的基本元素是信息、物质和能量。AI 做数学、做编码都活在信息层；即使 AI 做科学——提出假设、跑模拟——仍然是信息。但要做科学，你必须到达物质层。你必须跑湿实验。

一家公司的一条业务线，跑动的速度不是你的模型有多快，是你的验证有多快、多贵。

这个判断有一个很实际的推论：你最该投资的地方，可能不是模型能力，而是"让验证变便宜"。

自动化实验室、更好的表征、更便宜的材料——这些方向看起来都很"科研"，但它们解决的是同一个问题：如何把反馈周期从几个月压到几分钟。

而这跟前四篇讲的东西都指向同一个方向：技术能不能落地，取决于反馈回路的长度，不取决于技术演示的漂亮程度。

触手可及的那个按钮、真实的那一次点击、线上那一条真实的数据、SCI 论文里那一次同行评议——反馈回路越短，迭代越快。这个朴素得近乎无聊的规律，在这五个不同的话题里重复出现了五次。

参考资料

• 《硅谷 101》对话前 DeepMind 曹原：AI for Science 爆发，一个新时代到来了（2026-08-15 上线，片长 109 分钟）
• Silicon Valley 101 Episode 262 官方页面
• A-Lab（Google DeepMind 与劳伦斯伯克利国家实验室合作）实验数据
• Intismeran autogene 三期数据见本系列第4 篇
• 受访者观点为节目口述；文中标注的存疑处（Jennifer Doudna 引语）已说明为访谈转引，未找到原始出处