你以为的科研，是白大褂、烧杯、一个下午摇上百次瓶子的机械劳动；你以为的AI，是代码、参数、屏幕上一串串跳动的loss曲线。这两个95后偏不认这套——一个从化学瓶子里”爬”出来，一个从物理公式里”跳”进去，硬生生把”摇瓶子”和”调参数”焊成了一条全自动流水线。2026年7月，他们让机器不眠不休跑了120小时、吞下135道科研题，全程没让真人插手。这不是科幻，这是给”AI到底能不能替你做科研”打的第一份实打实的卷子。
AI4S到底是个啥？别被吓退
先说人话。过去三十年，科学家做研究基本靠三样东西：脑子想、动手做、算盘算。化学家摇瓶子，物理家做实验，算得慢就靠手算或者老式计算机。而”AI4S”这四个字母，拆开看就是 AI for Science——用现在最火的大模型、深度学习那套东西，去帮科学家做科研。
我干了25年IT，见过太多”给传统行业套个AI标签”的噱头。但AI4S不太一样，它不是给科研”贴金”，是实打实地要替科学家啃那些最硬、最闷、最耗人的骨头。比如一个反应能不能发生、产率能有多高——以前靠化学家一代代人试错，试到头秃。现在想让AI帮你试，难就难在：你得先让机器”看懂”分子长啥样、化学键怎么断、原子怎么凑。
一个”叛”出化学，一个”跳”出物理，怎么凑成一对儿
先看徐丽成。华理应用化学本科，绩点靠前，本想着”卷绩点”也没什么新鲜劲儿了，大二就偷偷自学Python想转AI，结果”不得其门而入”。直到大四保研到浙大，误打误撞进了一个几乎没人愿意去的”机器学习for化学”组——大家都怕计算机。他当了那个吃螃蟹的人。
第一年干的事特别朴实：从几百篇文献里，一条条扒反应数据。一年半，上万条烯烃不对称氢化的数据，疫情期间居家又补了几千条。这个数据集到现在还是全球最大的结构化不对称催化反应数据集，发在了化学顶刊《德国应用化学》上。说白了，这是他拿到的AI4S世界的”入场券”——有数据、有AI底子、还有化学直觉。
再看安俊逸。南大物理系出身，那地方全是各省最高分的”神人”，雄心勃勃。但物理这行残酷——低垂的果实被人摘光了，剩下的全是啃了十年都啃不动的硬骨头。兴趣在晦涩的理论里一点点摊薄，他做出了南大物理系学生最常见的选择：转向计算机。2016年何恺明的ResNet一火，他就跟上了。
但安俊逸心里始终有个坎：改模型改模型，把物理机理塞进网络里，到底对实际有啥用？感觉”很虚”。直到他做3D点云——那些乱七八糟的散点，在旋转等变的公式下，第一次展现出物理学家痴迷的”对称之美”。他找到了锚点。再后来，上智院屈超一句话点醒他：分子、原子，本质上也是三维空间里的点云，而且比激光雷达的点更”听话”——没噪声、信息固定，但要引入的物理先验复杂得多。安俊逸一听，”这简直是开天辟地的巨斧”。
翻”土包”：科研里最憋屈的八个月
科研这事儿，没有一帆风顺的。徐丽成想做”过渡态预测”——化学反应里，分子要碰撞得先翻过一个”能垒”，像翻一个小土包，翻过去反应才发生。以前这事儿极难：优化算法都往能量最低处走，可过渡态偏偏要”往上走”。以前得靠化学家手搓出接近真实的初始结构，极度依赖老师傅经验。
徐丽成想做到端到端：画板上画个2D结构，直接生成3D。结果这个”土包”，他翻了八个月都没翻过去，模型生成的结构始终是一团乱麻。“如果第一个工作就是这个、卡八个月，我肯定扛不住。好在之前那个工作很顺，至少证明了自己。”
有意思的是，救他的正是安俊逸嘴边的一个词——高阶等变图神经网络。安俊逸之前在”燧人”模型里用过这个，保证分子空间物理约束不变的前提下，拉高模型的表达能力。徐丽成随手一试，效果出奇地好，结构一下子有序了。这篇以UniTS为名的成果，发在了Nature Communications上。
安俊逸那边也有一座”土包”。他做分子基座模型，微观表征怎么用于理解宏观表现——也就是怎么建模玻尔兹曼分布——这是个横亘全世界科研工作者前的难题。他试过各种结构把微观压缩到宏观，都搞砸了。直到2025年底”突然开窍”：“微观如果一步压缩不进宏观，那能不能用diffusion做渐进式压缩？宏观表征可以做diffusion的条件，我一直只把diffusion当成生成模型。”引入之后，2026年初再测评，模型直接解决宏观任务，还比竞品跨了一大截。”那天晚上我三四点才睡，纯兴奋。”