AI Coding之後，大模型下一個重點比拼的是什麼？
過去十八個月，AI編程領域經歷了一場堪稱狂飆的進化。大模型寫代碼的可用率從不足5%一路躥升至超過88%。在MirrorCode等權威排行榜上，頭部模型以64%的絕對成功率反覆登頂，後來者的分數甚至只有它的三分之一。代碼生成、測試、優化的飛輪越轉越快，據AI投研平臺Funda測算，未來12個月，OpenAI與Anthropic合計年化收入有望達到約1200億美元，AI Coding正是其中重要的增長引擎。賽道看似烈火烹油，但一個微妙的變化正在發生——大量基準測試已經被所有主流模型“刷爆”。榜單正在失去區分度，增量空間肉眼可見地收窄。
與此同時，另一個戰場冷得出奇。上海AI實驗室聯合100位科學家自建的科研流程測評中，最前沿的大模型得分不超過50分。在NatureBench涵蓋的90項頂級真實科研任務中，最優智能體能超越原始論文成果的比例僅爲17.8%。更刺眼的是另一組數據：過去18個月，最好的大模型在端到端科學研究發現上的完成率停留在3%，幾乎紋絲不動。一邊是88%對3%的懸殊對比，一邊是“刷爆”對“紋絲不動”的冷熱反差。上海人工智能實驗室(浦江實驗室)首席科學家周伯文用一句話點破了這個局面——“Research將是下一個Coding”。大模型競爭的重心，正在從代碼向科研轉移。
代碼爲什麼先跑通了
要理解這場轉移爲何發生，先得搞清楚代碼爲什麼成了大模型最早兌現價值的領域。答案藏在一個關鍵詞裏：反饋。代碼天然擁有編譯、測試和運行結果這套完整的“驗證器”——模型每生成一段代碼，都能迅速知道對錯。編譯不過？改。測試失敗？改。幾秒鐘就能完成一輪“假設-驗證-修正”的閉環。這種秒級證僞的能力，讓大模型在編程領域獲得了近乎完美的訓練信號。
科研則完全是另一回事。周伯文拆解了三個結構性的障礙。第一，大模型只能被動觀察世界，學到的是相關性而非因果性——它能總結出海量論文中的模式，卻無法理解背後“爲什麼”。第二，越難的問題反饋越少——編程可以秒級驗證對錯，而一個科學假設從提出到實驗驗證往往需要數月甚至數年，失敗是常態。第三，人類發表的科研成果幾乎全是成功數據，沒有失敗數據——模型被鎖死在舊的知識分佈裏，只會模仿，無法長出真正的新能力。NatureBench等評測進一步印證了這一點：即便給模型提供所有參考文獻和數據，最好的模型也無法復現一篇Nature級別的論文成果。
科研爲什麼是下一站
那爲什麼偏偏是科研，而不是其他領域？答案在於科研場景本身具備了接棒代碼的底層條件。
從商業邏輯看，科研是一個比編程更龐大的市場。歐盟委員會數據顯示，2024年全球研發投入最高的2000家公司合計投入約1.446萬億歐元。生命科學、新材料、化工和能源等行業每年在研發上燒掉鉅額資金，但大量資源至今仍消耗在低效試錯和重複實驗中。如果AI能將科研效率哪怕提升幾個百分點，創造的價值都將是天文數字。
從技術路徑看，科研正在復刻代碼的軌跡。代碼的“驗證器”是編譯器，科研的“驗證器”正在變成真實實驗。“設計—製造—測試—分析”的DMTA閉環，正在成爲科學領域的“編譯器”——它讓每一個模型假設接受真實實驗檢驗，並將結果重新反饋給下一輪預測。當AI能夠進入實驗室、操作機械臂、完成“乾溼閉環”的自主科研時，它就不再只是一個在數字世界裏提出猜想的大腦，而是一個能夠在物理世界中驗證猜想的完整研究主體。
信號已經出現了
這場轉移不是遙望，而是正在發生。
8月初，OpenAI披露其測試模型已解決或推動解決10道長期未解的數學問題，橫跨高維幾何、編碼理論、羣論等多個領域。DeepMind的AlphaProof Nexus則成功解決了9個長期未解的Erdős開放問題，其中最早一題已困擾學界56年。這些突破的共同點在於：AI不再只是“算得更快”，而是開始“想得更遠”——提出猜想、嘗試不同路徑、分析失敗、總結結論，再據此不斷調整方向。
在更廣闊的科研場景中，基礎設施正在加速鋪開。中國科學院推出的磐石·科學基礎大模型2.0匯聚了800萬條高質量科學推理數據，覆蓋200多個科研任務。上海AI實驗室的“書生·端硯”平臺打通了從假設提出到實驗驗證的完整科研流程。Anthropic發佈了科研智能體工作臺Claude Science，字節跳動啓動了Seed STEM科學家計劃。晶泰科技(02228.HK)發佈了面向科學研發場景的開放智能研發平臺。頭部公司正在從“拼模型參數”轉向“卡科研生態”。正如業內多家機構研判的那樣，未來AI產業的核心機會將圍繞大模型、智能體、物理AI和AI4S(科學智能)展開。
比勝負更重要的是什麼
當然，從代碼到科研的跨越遠非一帆風順。現有評測尚未真正測試AI“發現新方法”的能力——卷積、殘差連接、Attention這些真正推動機器學習進步的基礎性創新，靠的不是在固定榜單上刷分。加州大學伯克利分校等研究團隊聯合提出的MLS-Bench評測顯示，即便讓前沿模型獲得人類最強方法的完整實現並允許多輪實驗，它們所提出的方法在整體表現上仍未超過人類。模型主要擅長調優和已有方法重組，真正新的方法機制依然少見。
但這恰恰說明了這場競賽的深層意義。周伯文提出了一個耐人尋味的區分：AI for Science的終極目標不應是“工具的革命”——做一個更好用的工具——而應是“革命的工具”——能夠發現新範式、幫助人類突破認知侷限。他設想，如果將今天的AI置於1905年，在學習了黎曼幾何與狹義相對論後，它或許能自行推導出廣義相對論。這纔是科研作爲“下一個Coding”的真正含義——它不是在重複已知，而是在探索未知。
代碼能力讓AI學會了“怎麼做”，科研能力則要教會AI“做什麼”和“爲什麼做”。當大模型從編譯器走向實驗室，從秒級反饋走向漫長試錯，從復現論文走向提出假設，它所面臨的考驗已經超越了工程效率的範疇，進入了科學認知的深水區。這場競賽的終點，不是誰能寫出更好的代碼，而是誰能率先觸達那個“科學元認知時刻”——讓AI知道自己不知道什麼。
