近日，施密特科学基金会 AI2050 项目举办专题研讨会，汇聚全球一批顶尖与新锐人工智能研究者。记者受邀参与圆桌访谈与媒体培训活动，近距离观察高校 AI 科研群体在人工智能时代面临的现实困境与转型探索。
AI2050 项目由埃里克・施密特与温迪・施密特夫妇出资设立，主要资助从事人工智能相关研究的学术人员，参会名单云集业内诸多知名学者。尽管并非全部成员都来到湾区会场，但现场随处可见业内耳熟能详的科研工作者。
当下对于高校 AI 研究者而言，科研环境正处在特殊的转折期。过去四年，大语言模型成为 AI 领域的核心主线，科研前沿阵地逐步从高等院校转移至私营科技企业。高校难以承担训练前沿模型所需的 GPU 硬件成本；即便经费充足，Anthropic、OpenAI 等企业也不会对外公开 Claude、ChatGPT 的底层技术细节。
加州大学伯克利分校计算机科学教授妮卡・哈赫塔拉在午餐交流中打了一个比方：如今 AI 学术界的处境，就好比生物学领域，基因编辑工具 CRISPR 完全被私营企业垄断。外部学者可以观测 ChatGPT、Claude 的输出表现，却无法针对模型设计、训练流程开展深度研究，更没有机会主导模型的研发方向。
AI2050 项目会为受资助学者提供部分资金用于购置 GPU，不少研究者表示这是参与项目的重要利好。但经费压力依旧突出，美国联邦科研经费缩减进一步加剧了这一难题。即便是不自主训练模型的科研人员，为开展严谨研究而反复调用 OpenAI、Anthropic、谷歌的模型接口，所需开销同样令人望而却步。
不少学者因此主动避开科技企业会主攻的研究方向，转而投向商业机构无意涉足的议题。约翰斯・霍普金斯大学计算机科学教授安贾莉・菲尔德表示，自己尽量不去研究那些科技公司大概率会解决的问题。企业以盈利为导向，对于缺少商业回报，甚至可能暴露算法缺陷的课题，往往缺乏投入动力。菲尔德近期一项研究发现，面对女性常用表述风格的提示词，大语言模型给出的回答质量会有所下降，这类研究很难诞生于头部 AI 企业内部。
还有一大批 AI 学者根本不涉足大语言模型赛道。他们开发专用人工智能模型，用于数据分析、预测推演乃至物理系统仿真。这类研究者未必和前沿大模型实验室形成直接竞争，但同样困境重重。例如斩获诺奖级成果、研发蛋白质结构预测工具 AlphaFold 的谷歌 DeepMind 团队已于上月解散。研讨会上多位学者坦言，社会舆论普遍把 AI 等同于高耗能大模型，造成专用 AI 技术被忽视，给气候治理等方向的 AI 应用推广带来阻碍。
多重挑战正在改写学术生态：多位知名高校学者停薪留职，入职头部 AI 企业；不少 AI2050 项目成员同时兼任学界与产业界岗位。过去半年，新的隐忧开始浮现，OpenAI 模型已经解决不少数学领域的实际科研问题，部分专家担忧纯数学领域人类研究者的生存空间遭到挤压，有参会学者表达了对数学领域科研人员心理健康状况的担忧。
不过局面并非全然悲观。有观点提出，实证科学涉及海量数据采集，天然具备慢周期特征，相比数学更难被 AI 完全自动化。卡内基梅隆大学计算机科学家蒂姆・德特默斯致力于优化模型运行效率，他把 AI 科研助手视作助力而非威胁。在他看来，人工智能不会取代人类科学家，反而可以大幅提升科研效率，让研究者有精力去实现过去无暇顾及的大胆创意。
科研群体本身具备强大韧性。硬件资源的局限，倒逼学术界探索轻量化、高效率模型与全新架构。文章最后提到，如果下一次重大 AI 突破并非诞生于商业巨头，而是出自条件有限的高校实验室，也并不令人意外。
