导语：美国特朗普政府近日宣布启动一项名为“Genesis Mission”的庞大科研计划，投入50亿美元推动数百个AI驱动的科学项目，白宫声称其“紧迫性和雄心堪比曼哈顿计划”。与此同时，缺乏科学背景的总统科学顾问Michael Kratsios在国会推销“美国科学的新黄金时代”，强调优先发展人工智能、机器人技术和核能，弱化生命科学。这一系列动作标志着AI工具正从辅助角色跃升为科研核心引擎，也引发了关于科技前沿与科学政策走向的激烈讨论。
从曼哈顿计划到Genesis Mission：AI工具如何改变科研游戏规则？
当白宫将一项50亿美元的科研计划与曼哈顿计划相提并论时，全世界都感受到了震动。曼哈顿计划诞生了原子弹，而Genesis Mission的目标则是利用AI驱动数百个科研项目，从药物发现到气候建模，从材料科学到粒子物理——几乎每一个传统科学领域都将被AI工具重新定义。
事实上，这并非突然之举。过去几年，AI工具在科研中的应用已经呈指数级增长。例如，DeepMind的AlphaFold解决了蛋白质折叠问题，OpenAI的GPT系列模型被用于生成实验假设，而AI画图工具甚至帮助生物学家可视化微观结构。但特朗普政府此次的投入规模前所未有：50亿美元直接拨款，加上配套的税收优惠和监管松绑，旨在让美国在AI Agent技术的研发上保持全球领先。
值得注意的是，Kratsios在国会演讲中明确表示，新黄金时代将“优先那些能快速产生经济效益的技术”，这意味着AI工具不仅仅是科研的工具，更是经济竞争力的战略武器。对于那些还在观望的国家来说，这无疑是一个强烈的信号：谁掌握了AI驱动的科研范式，谁就掌握了未来。
50亿美元投向AI科研：一场豪赌还是必然？
50亿美元，对于全球科研经费来说并非天文数字，但考虑到这笔资金高度聚焦于AI驱动的项目，其杠杆效应可能远超预期。支持者认为，这是美国在AI动态中保持领先的必要投资——中国和欧盟已经在AI基础研究和应用上投入了巨额资金，如果美国不加速，很可能在下一代技术革命中掉队。
然而，批评者指出，这更像是一场政治豪赌。曼哈顿计划有明确的目标（造出原子弹），而Genesis Mission的“数百个AI驱动项目”看起来分散且缺乏顶层设计。更关键的是，AI工具本身仍处于快速发展期，许多算法存在偏见、可解释性差、能耗高等问题。将如此多的科研资源押注在尚未成熟的AI上，可能造成资源浪费。
另一方面，大模型训练的成本正在急剧下降，这使得中小型实验室也能用上先进的AI工具。如果政府能建设共享的AI基础设施——比如超级计算集群和高质量数据集——那么50亿美元就可能撬动十倍以上的民间投资。这正是企业数字化转型中常见的“平台化”思维：政府搭台，企业唱戏。
科学顾问的“非科学”背景：科技精英主义的崛起？
Michael Kratsios，这位被任命为总统科学顾问的人，既没有物理学博士，也没有生物学或化学背景。他曾在硅谷从事风投和创业，擅长技术商业化而非基础研究。这一任命本身就透露了特朗普政府对科学政策的底层逻辑：科学的价值在于应用，而非纯粹的知识探索。
Kratsios在国会推销“新黄金时代”时，强调要“减少官僚主义，让科学家像创业者一样工作”。这听起来很美好，但问题是，基础科学研究往往需要长期投入，且无法预测商业回报。如果所有科研项目都要用AI工具来加速商业化，那么那些需要十年、二十年才能开花结果的基础研究——比如理论物理、进化生物学——很可能被边缘化。
科技精英主义的崛起并非美国的专利，但在这里表现得尤为明显。科学顾问团队中，来自科技公司的高管和工程师比例远高于传统学术机构。他们倾向于相信AI工具箱可以解决一切问题，包括气候变化、能源危机和疾病治疗。但真实世界远比代码复杂，过度依赖AI可能导致“算法偏见”放大或“黑箱决策”失控。
生命科学退潮：AI、机器人、核能成为新宠
特朗普政府此次明确将生命科学排除在优先领域之外，转而聚焦AI、机器人技术和核能。这一决策引发了生物医学界的强烈反弹。毕竟，美国国家卫生研究院（NIH）长期是生命科学研究的最大资助者，而特朗普政府此前曾尝试削减NIH预算。
从技术角度看，AI工具在生命科学中的应用潜力巨大——基因组学、蛋白质设计、药物筛选等领域早已离不开机器学习。但政府的态度是：生命科学应该自己“拥抱AI”，而不是等待政府拨款。换句话说，白宫希望用AI工具倒逼生命科学领域的效率革命。
然而，核能和机器人技术被列为优先领域，则带有明显的产业政策色彩。核能被视为清洁能源的重要组成部分，而机器人技术则直接关系到制造业回流和国防安全。这种“技术优先”的排序，实际上是在为美国的下一个科技前沿铺路——无论是文生图还是自主系统，AI都是底层驱动力。
“新黄金时代”的隐忧：谁为基础研究买单？
如果AI工具真的能大幅提升科研效率，那么基础研究是否还需要独立的资金支持？这是一个根本性的问题。支持者认为，AI可以帮助科学家更快地提出假设、设计实验、分析数据，从而缩短研究周期，降低失败成本。例如，在材料科学中，AI图片生成技术已被用于预测新型晶体结构，大大加速了发现过程。
但隐忧同样明显。首先，AI模型需要大量高质量数据进行训练，而这些数据往往来自过去的基础研究。如果基础研究被削弱，未来的AI模型将面临“数据饥荒”。其次，AI工具擅长的是“优化已知模式”，而非“发现全新范式”。最伟大的科学突破——比如相对论、量子力学——往往来自于对直觉的颠覆，而非对数据的拟合。
Kratsios在国会承诺“不会放弃基础研究”，但预算分配已经说明了一切。生命科学领域的科学家们担心，如果他们不尽快转型为“AI工具使用者”，就可能失去经费支持。这种压力虽然可能催生一批跨界创新，但也可能导致学术界的急功近利。
结论：AI工具驱动的新时代，科研人员该如何应对？
Genesis Mission的宣布，标志着美国科学政策的一个转折点。AI工具不再只是科研人员的“助手”，而是成为了科研范式本身。对于全球科技界来说，这既是机遇也是挑战。
机遇在于，AI工具可以大幅降低科研门槛，让更多中小型团队参与前沿探索。例如，AI工具导航网站上已经汇集了数百种针对不同学科的工具，从文献综述到实验设计，几乎覆盖了科研全流程。挑战在于，未来的科研竞争将越来越依赖计算资源和数据资产，而非纯粹的个人才智。那些能够熟练使用AI工具的科学家，将获得巨大的先发优势。
对于中国而言，美国的这一动向值得密切关注。一方面，我们可以借鉴其“AI驱动科研”的思路，加速大模型训练和AI基础设施的建设；另一方面，也要警惕过度依赖AI导致的“创新窄化”。毕竟，真正的科技前沿，往往藏在那些AI尚无法理解的领域。
在这场由AI工具引发的科研变革中，没有人能置身事外。唯一的确定性是：未来的科学，将不再只是实验室里的瓶瓶罐罐，而是代码、数据和算法交织的“新黄金时代”。