超50亿美元、278个项目：美国开始用AI重写科学制度

美国政府刚刚为一场不同寻常的实验投入超过50亿美元。它要做的不是再训练一个聊天机器人，而是把国家实验室、超级计算机、望远镜、基因数据、材料数据库、机器人实验室和AI模型接成一套“科学操作系统”，并提出一个极其大胆的目标：十年内，让美国科学研究的生产力和影响力翻倍。

7月22日，白宫宣布扩展“创世纪任务”（Genesis Mission），15个以上联邦机构将参与其中。美国能源部同时公布首批278个拟资助项目，参与者包括142所大学、157家公司以及16个能源部和国家核安全局实验室。这不是一项普通科研基金，而是美国试图重新组织科学发现方式的一次国家级工程。

问题也由此变得尖锐：科学真的可以像芯片、汽车和软件那样，被AI改造成一条更快的生产线吗？

01 这278个项目，真正要建的是什么

Genesis Mission始于2025年11月的一项总统行政令。2026年7月，它从能源部项目扩展为跨政府计划。按照白宫公布的方案，各机构将共享研究经费、专业数据和科研设施，并依托能源部建设的“美国科学与安全平台”，向研究者提供算力、数据和AI工具。

能源部此次选出的278个项目中，87个由国家实验室牵头，168个由大学牵头，19个由企业牵头，4个由非营利机构牵头。项目尚处于“资助谈判入选”阶段，能源部特别说明：入选并不等于经费已经最终拨付，谈判仍可能被取消。

这项计划的真正增量，不是简单地给科学家配一个AI助手，而是把过去分散的四种能力连成闭环：

第一是数据。NASA积累了超过150 PB的望远镜、轨道器、着陆器和卫星数据；卫生部门掌握纵向健康队列、癌症数据和退伍军人电子病历；能源部实验室则拥有核能、材料、芯片和电网数据。

第二是计算。美国国家实验室拥有全球最强的一批高性能计算资源，但过去不同机构、课题和数据之间并不天然互通。

第三是实验。所谓“自动化实验室”，不是让AI在屏幕上写论文，而是让模型提出下一轮实验，机器人执行合成、培养或测量，仪器返回数据，系统再据此修正假设。

第四是验证。模型可以快速生成候选分子、材料配方和工程方案，但只有当结果能够被实验重复、被同行检查、被现实系统承受，才算产生了科学知识。

因此，Genesis Mission更像是在建设一种新的科研基础设施：AI负责缩小搜索空间，超级计算机负责模拟，自动化设备负责试验，人类科学家负责定义问题、识别错误并判断结果是否有意义。

02 为什么是能源部，而不是一家AI公司

这场计划由能源部承担核心实施工作，并不偶然。

美国能源部管理着17个国家实验室，长期积累了核物理、材料、气候、能源、制造和高性能计算能力。它拥有普通互联网公司难以复制的东西：昂贵的大科学装置、长期连续的实验数据、受严格管理的安全数据，以及能把理论、计算和工程验证放在同一机构中的组织体系。

首批项目瞄准核能、关键矿产、芯片设计和商业核聚变等方向。其中单笔最大的项目，是一项为期三年、金额6000万美元的核能计划，目标是用AI缩短核设施设计与交付时间、提高安全性并降低运营成本。

白宫列出的任务还包括：训练模型分析数百种罕见儿童癌症；把退伍军人的电子病历和基因数据用于疾病风险识别；用数字孪生改进电网规划；用AI辅助下一代半导体全栈协同设计；建立可远程运行和复现实验的自动化实验室。

这些题目有一个共同特征：它们拥有海量数据和明确目标，却又因为实验昂贵、变量过多或跨机构协作困难而进展缓慢。AI最可能首先改变的，恰恰不是那些只缺一个聪明想法的问题，而是那些搜索空间巨大、试错成本高、数据长期沉睡的问题。

这也解释了为什么国家必须参与。儿童罕见病、基础材料、核设施验证和长期气候数据，未必能在风险投资要求的周期内产生利润。政府拥有数据和设施，也能够承担企业不愿承担的长周期风险。

03 科学的瓶颈，正在从“产生”转向“验证”

AI已经显著降低了生成假设、代码、分子结构和论文文本的成本。但科学并不等于生成。

一个模型可以在一天内提出成千上万个候选材料，人类实验室却可能需要几个月才能合成和测量其中一小部分；AI可以发现医学数据里的相关模式，却不能自动证明它是病因；自动实验系统可以持续运行，但传感器偏差、数据泄漏或错误的目标函数，也会被高速复制。

白宫的《科学：一个新的黄金时代》报告其实承认了这个矛盾：知识生成的成本在快速下降，验证成本却没有同步下降。报告因此提出机器可审计的复现实验包、开放标准、持续复现机制，并奖励重复或推翻重要结果的工作。

这可能是整项计划里最重要、也最容易被宏大叙事遮蔽的一句话。

如果AI只提高论文和候选结果的数量，科研系统得到的未必是更多知识，也可能是更密集的噪声。未来真正稀缺的，不再只是“提出一个看起来合理的答案”，而是建立可信实验、保存完整过程、公开失败结果，并让不同团队能够复核。

换句话说，AI让科学更像一个高速运转的机场：飞机起飞得越多，空中交通管制、维修、事故调查和飞行员判断就越重要。

04 从“无尽的前沿”到“可管理的任务”

81年前，美国工程师万尼瓦尔·布什向总统提交《科学：无尽的前沿》。那份报告提出，基础研究是技术进步的“起搏器”，国家应该持续支持那些暂时看不出用途、结果也无法预先保证的探索。后来成立的美国国家科学基金会，正是这一制度遗产的重要部分。

Genesis Mission一方面继承了这种国家投入科学的传统，另一方面又在改变它。

传统模式更像资助一片森林：支持大学、实验室和年轻研究者，让许多方向自由生长，接受突破可能来自意外。新模式则更像组织一次远征：国家列出任务，集中数据、算力、设施和产业伙伴，并要求科研沿着可以衡量的目标前进。

任务导向并不天然错误。曼哈顿计划、阿波罗计划、人类基因组计划，都证明集中资源可以突破单个机构无法跨越的工程边界。今天的材料发现、核聚变、电网和药物研发同样需要跨学科、跨设施协同。

风险在于，如果所有科学都被要求回答“多久交付、如何量化、能否商业化”，那些还没有明确用途的基础问题就可能失去生存空间。科学史上很多重要发现——从量子力学到基因编辑的基础机制——都不是按照一张预先写好的产品路线图出现的。

《Nature》在7月24日将这项资金称为美国科学新时代的信号；与此同时，多位研究者担忧，把科研过度套入硅谷式的速度、目标和回报逻辑，会伤害长期基础研究。争论的核心不是“要不要AI”，而是谁来设定问题、谁能获得基础设施、失败是否仍被允许，以及政治目标会不会进入科学判断。

05 这也是一场全球科研基础设施竞赛

对中国和其他国家而言，Genesis Mission最值得关注的，不是50亿美元这个单独数字，而是它试图把国家多年积累的数据、仪器和实验室转化为AI时代的系统优势。

过去讨论AI竞争，焦点常是模型参数、芯片数量和应用公司。AI for Science的竞争更复杂：高质量科学数据是否可用，实验设备能否自动化，不同机构是否有统一接口，模型结论能否进入真实工程，青年科学家是否同时理解学科、计算和实验。

这意味着，拥有大模型并不等于拥有AI科学能力。没有结构化数据、开放仪器、长期实验记录和验证制度，再强的模型也可能只能在文献表面打转。

中国拥有完整制造业、丰富工程场景、大规模医疗和产业数据，也在材料、能源、生命科学和大科学装置上持续投入。但这些资源能否跨机构使用，数据质量是否足够稳定，科研评价是否愿意奖励复现、工具和负结果，将决定它们能否真正变成AI时代的科学基础设施。

企业也会面对新的机会。未来最有价值的公司，未必只是提供一个更大的通用模型，而可能是连接实验仪器、行业数据、物理约束和验证流程的“科学中间层”：实验室机器人、科研数据治理、仿真平台、专业模型、可复现工作流和安全审计。

06 科学不会变成无人车间

Genesis Mission提出十年内让美国科学生产力和影响力翻倍。但“生产力”并不是一个天然清楚的科学指标。论文数量、专利数量、实验速度、临床转化和重大理论突破彼此并不等价；如果指标选错，AI只会更高效地优化错误目标。

这场计划真正值得期待的，是它可能把科研人员从重复检索、参数扫描和机械实验中释放出来，让更多时间用于提出好问题、设计关键对照、解释反常结果。

真正需要警惕的，则是把科学误解成一条只要增加算力和自动化设备，就能稳定生产真理的流水线。

科学之所以缓慢，不只因为工具不够快，还因为自然界复杂、实验会失败、证据会冲突，而重要问题本身经常需要被重新定义。AI可以让试错更便宜，却不能替人类决定什么值得知道；它可以扩大科学家的视野，也可以把制度偏见、数据缺陷和政治目标一并放大。

所以，Genesis Mission最重要的结果，未必是十年后多出多少篇论文，而是它能否证明：一个国家可以在加速发现的同时，仍然保留怀疑、复现、开放和允许失败的空间。

当机器越来越擅长给出答案，科学文明真正要守住的，反而是提出问题和拒绝错误答案的能力。

超50亿美元、278个项目：美国开始用AI重写科学制度

01 这278个项目，真正要建的是什么

02 为什么是能源部，而不是一家AI公司

03 科学的瓶颈，正在从“产生”转向“验证”

04 从“无尽的前沿”到“可管理的任务”

05 这也是一场全球科研基础设施竞赛

06 科学不会变成无人车间

资料来源

SOURCES / 参考来源

同一方向

胎儿一动，AI能替磁共振重新找准方向吗

寻找新材料，AI先要学会读晶体结构

把微波炉的问题交给AI之前，先找回实验数据