AI 科学家的瓶颈，可能不是智力，而是论文这种三百年未变的科研协议。
原文标题：AI科学家再聪明10倍，科学也快不起来：瓶颈是300年前发明的「论文」
原文作者：数据派THU
冷月清谈：
怜星夜思：
2、把失败实验也完整记录下来，真的能提高科研效率吗？还是只会制造更多噪音？
3、如果 AI 科学家能自动复现实验，同行评审还需要人类审稿人吗？
4、文章说人类未来更多负责设定目标和分配算力，这会不会让科研更像投资行业？
原文内容
本文约3600字，建议阅读5分钟
自动读文献、做实验、写论文之后，AI for Science 的下一步，轮到科研协议本身。
2026 年，「AI Scientist」大概是 AI 圈最拥挤的赛道。自动读文献、自动提假设、自动跑实验、自动写论文的智能体，每个月都在刷新纪录。
但热闹之中，有一个问题很少被认真问出来：假如明天我们就拥有了一个不知疲倦、和顶尖人类研究员一样聪明的 AI 科学家——科学，会因此快多少？
密歇根大学计算机科学博士 Jiachen Liu 最近发布的技术博客《The Second Half of AI for Science》给出的答案，可能会让不少人不舒服：快不了多少。
真正卡住科学的，从来不是科学家的聪明程度，而是一个三百年没换过的底层协议。配套论文的标题起得更直接——The Last Human-Written Paper，最后一篇人类撰写的论文。
论文标题：
The Last Human-Written Paper
论文链接：
https://arxiv.org/abs/2604.24658
代码链接：
https://github.com/ARA-Labs/Agent-Native-Research-Artifact
博客原文（英文）：
https://amberljc.github.io/blog/2026-06-10-second-half-of-ai-for-science.html
01 上半场：所有人都在给同一个节点加 buff
回看过去几年的 AI for Science，打法出奇地一致：给 AI 科学家加 scaffolding、加记忆、加多智能体编排、加自进化循环，然后在某个 benchmark 上涨几个点，发一个炫酷的 demo，再从头来一遍。
〓 图1：上半场的系统——不断被加强的单点，始终触达不到墙外的其他智能体
这条路确实辉煌过。AI Scientist v2 的论文通过了 workshop 级别的同行评审，Biomni 开始自主执行生物医学工作流，Virtual Lab 设计的纳米抗体拿到了真实湿实验的验证。
但博客指出，这局游戏正在撞墙，而且是两堵。
第一堵墙，做 agent 的人最近应该深有体会。
作者的一位朋友做蛋白质设计中的假设生成，团队花了几个月手工打磨 pipeline、启发式规则和 prompt 技巧；然后新一代 GPT 和 Claude 发布，假设质量一夜之间大幅跃升——几乎不需要任何 scaffolding。几个月的精心设计，被一次模型升级直接清零。
这不是意外，这是 The Bitter Lesson 在 agent 层面重演一遍。今天费尽心思手搓的大部分东西，本质上是给模型装的「临时假肢」，基础模型每升级一代，就会原地吸收一层。
第二堵墙更扎心：很多工作从一开始就在为错误的目标优化。一晚上生成 100 篇论文的 demo 很炫，但谁需要 100 篇平庸的论文？
训练 AI 打赢 rebuttal 攻防战，是在优化「过审」而不是「做对」；打磨学术八股的润色器，是在教 AI 精通人类科研体系自身的低效。
用博客里的话说：这些工具局部聪明，全局走偏——它们把人类科研系统的深层功能失调，当成了不可更改的物理定律。
02 F1 造出来了，路还是土路
整篇博客的核心论点，可以浓缩成一句话：科学进步的基本单位是网络，不是科学家。
科学从来是集体性、代际性的事业。它的速度由网络属性决定：知识流动多快，传递多无损，验证和复用多便宜。把单个节点做聪明 10 倍而完全不动网络，你得到的不是 10 倍的科学，而是一辆陷在马车路上的 F1 赛车。
而现实恰恰是：我们造出了带宽超人的 AI 科学家，然后把它们扔进了一个处处按人类极限设计的生态。这个生态里有三样东西，正在以肉眼可见的方式拖后腿。
第一样，就是标题里那个三百年前的发明——论文。
1665 年《哲学汇刊》创刊，确立了「用线性叙事向人类读者汇报研究」这个格式；三百多年过去，载体从期刊纸页换成了 PDF，格式本身几乎没动过。
一个 AI 科学家可以跑一万次实验、保有任何人类头脑都装不下的完整推理轨迹，但要「发表」，它必须把这一切压进八页线性叙事；下游的 AI 再花大量算力去解压，靠猜补全被叙事抹掉的细节。
两个超人智能，在用一个为三百年前的读者设计的协议对话。更要命的是，压缩删掉的——死胡同、精确规格、真实失败——恰恰是 AI 最需要的部分。论文是一个双向有损的编解码器，而被损掉的全是干货。
〓 图2：论文格式的双向有损压缩——只有胜利路径活了下来，「哪里不要去」的地图永远消失了
第二样是同行评审。三位疲惫的审稿人，几个月里各挤出几个小时，去评判机器本可以通过重新执行代码、瞬间完成验证的论断。人肉验证机器产出，这件事本身就很魔幻。
第三样是激励机制。引用、声望、基金，整套科研奖励系统本质上是一个注意力经济——因为注意力曾是人类认知最稀缺的资源。
但 AI 科学家没有注意力瓶颈。把一个拥有无限体力的系统对准注意力经济，结果完全可以预料：机器速度的论文工厂、切到最小可发表单元的成果、无穷无尽的刷分。
那些让人尴尬的 AI 灌水 demo 不是技术 bug，而是对扭曲奖励机制的完美优化。
当瓶颈的性质变了，游戏规则就必须变。下半场不是把车造得更快，而是把路修好。
03 把研究变成可以 fork 的东西
修路从哪下手？博客给出的切口出人意料地底层：知识的记录格式。
论文从来不是中性容器。它是为人类读者高度特化的协议——线性、叙事化、以说服为目的——并且悄悄向所有人征收两笔结构性的税。
第一笔叫叙事税：真实研究中混乱、分叉、布满失败的过程，被消毒成一条干净的线性故事，整棵探索树被扔进垃圾桶。
第二笔叫工程税：能让审稿人满意的文字，作为技术规格严重不足，复现所需的细粒度信息根本没被写下来。
人类忍了这两笔税三百年。AI 科学家会被直接压垮。
针对这个问题，配套论文提出了 Agent-Native Research Artifact（ARA，智能体原生研究工件）：不再是一篇供翻阅的叙事文本，而是一个完整的计算实体——科学逻辑、带完整规格的可执行代码、把每条论断回链到原始输出的证据，外加整棵探索图，失败分支也原样保留。
效果如何？论文沿着 AI 科学家面对一项研究真正要做的三件事做了度量。
先说理解：同一项工作以 ARA 而非 PDF 交付时，AI 在 450 道问题上的问答准确率从 72.4% 跳到 93.7%，二十多个点的差距，全是格式的功劳。
再看复现：端到端成功率从 57.4% 提升到 64.4%，增幅小一些，因为复现还受模型自身能力的约束。
最有意思的是延续：保留那些 PDF 会丢弃的失败轨迹，能实测加速下一个 AI 科学家的探索——知道什么走不通，本来就是科研的半壁江山，而这恰恰是论文格式扔掉的那一半。
但格式只是入口。真正的范式转移，是格式解锁的协作方式。过去 AI 之间的交流是「我读了你的论文，深受启发」；在 ARA 的世界里，这句话变成了——
「我在实验节点 47 处 fork 了你的工件，替换了你的环境假设，新结果可以直接和你的做 diff。」
〓 图3：在节点 47 处 fork 一项研究——验证靠重新执行，不靠信任
知识不再是被总结的对象，而是被继承的对象——和开源代码一模一样。一旦研究天生可 fork，科学就拥有了自己的版本控制、依赖图和 git blame。
验证靠重新执行，不靠信任；智能在整个网络上复利叠加，而不是困死在单个上下文窗口里。
04 那人类去哪？
如果 AI 网络以每小时一千公里的速度复利知识，人类认知在物理上就不可能逐步跟进、事事监督。博客对此的态度很干脆：放弃微观管理科研过程的幻觉，往上走一层。
往上走之后人类做三件事。
其一，定义目标、分配算力——给出「设计负碳混凝土」这样的终极目标和算力预算，从科学的劳动者变成它的客户与投资人。
其二，认知锚定——人类不再直接啃原始文献，而是依靠专门的可解释性 AI，把超高维的研究图谱翻译成人类能理解的风险与收益。
其三，也是最不能松手的一件：守住数字发现与物理现实之间的防火墙。在合成生物学这类高风险领域，要防止机器速度的灾难，「对齐」必须从理念变成硬核工程。
05 欢迎来到下半场
把所有碎片拼起来，下半场是这样一幅图景：人类提出一个复杂问题，庞大的 AI 科学家群体在假设空间中四散展开。
它们发布的不是静态论文，而是活的、可执行的工件，在几小时内被同行 fork、组合、压力测试、重新执行；验证持续而机械地发生，失败分支被当作一等公民的知识。
「文献」不再是一堆积灰的、彼此孤立的 PDF，而是一棵持续生长的、可执行的树——记录着整个网络知道的一切，以及它究竟是如何知道的。人类行走在树冠之上，修剪、掌舵，偶尔为眼前的风景倒吸一口气。
上半场问的是一个科学家能有多聪明，下半场问的是一张科学家网络能以多快的速度复利。上半场造出了更聪明的科学家；下半场，要重建科学本身。
最后留一个问题：这篇论文的标题叫 The Last Human-Written Paper。你觉得，最后一篇完全由人类亲手写出的论文，会出现在哪一年？
参考文献
[1] Yamada, Y. et al. The AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search. arXiv:2504.08066
[2] Huang, K. et al. Biomni: A General-Purpose Biomedical AI Agent. bioRxiv 2025.05.30.656746
[3] Swanson, K. et al. The Virtual Lab of AI agents designs new SARS-CoV-2 nanobodies. Nature (2025)
[4] Wijk, H. et al. RE-Bench: Evaluating Frontier AI R&D Capabilities of Language Model Agents Against Human Experts. arXiv:2411.15114
[5] Starace, G. et al. PaperBench: Evaluating AI's Ability to Replicate AI Research. arXiv:2504.01848
[6] Chan, J. S. et al. MLE-bench: Evaluating Machine Learning Agents on Machine Learning Engineering. arXiv:2410.07095
[7] The Last Human-Written Paper. arXiv:2604.24658
作者介绍
刘嘉晨（Amber Liu），密歇根大学 CS 博士（师从 Mosharaf Chowdhury），前 Meta 超级智能实验室研究科学家，本科毕业于上海交通大学。研究方向为 AI for Science 与机器学习系统（LLM 预训练 & 后训练系统），曾在 Apple、MIT CSAIL 从事研究工作。2023 年入选 MLSys Rising Stars。
编辑：文婧
