# AI 加速了科学，也在掏空大学

- 作者：莫崇宇
- 发布时间：2026-07-30 16:48
- 分类：公司
- 原文：https://www.ifanr.com/1673384

![](https://s3.ifanr.com/wp-content/uploads/2026/07/10-5.png)

获得诺贝尔奖两年后，Google AlphaFold 的原班人马已被拆分。

据《金融时报》报道，AlphaFold 论文的大部分原始作者在过去一年里已被重新分配，其中全职核心作者中有近四分之一已彻底离开 Google。

留下的人也转向 Gemini 科研 Agent、酶设计、基因组学和核聚变等领域，还有人干脆去了 Alphabet 旗下的药物研发公司 Isomorphic Labs。

就连诺奖得主 John Jumper 与 Jonas Adler 也一度被调入 Code Strike 团队，负责主攻 AI coding 能力。但后面的故事我们都知道了，这两位大佬最终还是转投了 Anthropic。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/111-4.png)

▲ 左为 Google DeepMind CEO Demis Hassabis，右为 John Jumper，原报道链接 https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33?utm\_source=chatgpt.com&syn-25a6b1a6=1



针对这次报道，Google 负责 AI for Science 的研究副总裁 Pushmeet Kohli 回应称，DeepMind 的科学团队没有改变方向，只是扩大了工作范围，仍在推进蛋白质、基因组与酶设计，并借助 Gemini 加速科研。

AlphaFold 曾经代表一种相对传统的科研组织方式。围绕一个清晰问题组建团队，长期投入，集中资源，最终交付成果。

如今，类似团队正在逐渐让位于更通用的模型平台。蛋白质、数学、基因组、核聚变和代码，看起来分属不同学科，进入 AI 公司之后，却都可以成为 Gemini 的一组能力模块。

与此同时，科研人才、算力资源以及议题的主导权，也越来越集中到少数 AI 公司手中。

### 「我要加入 Anthropic」

过去几年，越来越多数学家、物理学家、生物学家和计算机科学教授进入 AI 行业。

比如 Anthropic 就一直在招物理学家、经济学家和哲学家；OpenAI 网罗研究黑洞、弦理论和纯数学的人；DeepMind 也聚集了生物学与核聚变专家。

前不久，亚利桑那州立大学教授 Subbarao Kambhampati 调侃，学术圈最近多了一个梗：「我要加入 Anthropic。」

据《大西洋月刊》粗略统计，仅四家头部 AI 公司就聚集了至少 80 多名现任或前任教授。

人才流动的方向也越来越单一。

斯坦福大学《AI Index Report》显示，2011 年，AI 博士毕业后进入企业和学术界的比例大致相当，分别为 40.9% 和 41.6%。到 2022 年，进入企业的比例升至 70.7%，进入学术界的比例降至 20%。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/112-4.png)

一篇 2026 年 NBER 工作论文追踪了约 4.2 万名美国 AI 研究者。40 岁以下研究者离开大学的概率，大约是 40 岁以上人群的六倍；约 70% 的转职者五年后仍留在公司。

钱当然很重要。企业顶尖 1% AI 研究者的年收入，从 59.5 万美元涨到 194 万美元；大学同一梯队只从 30.1 万美元涨到 39.2 万美元。双方差距扩大到约 150 万美元。  
更难拒绝的是科研条件。

2010 年代初，约 65% 的大规模机器学习模型由学术实验室独立开发。进入 2020 年代后，这一比例跌到不足 10%。到 2022 年，约 81% 的前沿模型已经由企业独立完成。

UC Berkeley 教授 Anca Dragan 加入 DeepMind 时就明确自己的诉求，她需要前沿安全研究所必需的「数据、算力和预算」。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/113-3.png)

对比之下，一项研究在大学里可能要先申请经费、采购设备、招聘工程人员，再等待计算资源排期。进入 AI 公司后，同一个研究者可以直接调用大型模型、专有数据、分布式算力和数百人的工程体系。

只是，一名顶尖教授离开大学，损失远不止几篇论文。大学同时失去一名导师、一个课题组、一条博士生培养链，以及未来十几年可能形成的研究方向。

过去，科技公司从大学购买研究成果。现在，它们开始直接购买生产研究成果的人。企业获得的是一个人，大学失去的可能是一代人。

当然，把所有人才流动都归结为学术界衰落，也会低估企业科研正在创造的价值。

AlphaFold 已经证明，企业可以做出改变科学史的成果。两亿多个蛋白质结构预测，让大量生物学家省下过去数月甚至数年的工作。

贝尔实验室早已证明企业研究院也能改变科学。鼎盛时期，它拥有约 1200 名博士，产出至少 10 项诺贝尔奖。Demis Hassabis 多次把它当作 DeepMind 的参照物。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/114-3.png)

AI 公司确实越来越像一种覆盖多个学科、拥有强大工程能力和商业出口的新型研究院。

DeepMind 把 Gemini 接入数学、基因组和核聚变；Isomorphic Labs 联手药企研发新药；Anthropic 推出 Claude Science；OpenAI 则把 ChatGPT 和 Codex 塞进科研流程。

相关的成果已经出现。物理学家 Rogerio Jorge 用 AI 开发开源核聚变软件，理论计算机科学家 Barna Saha 等人则用 GPT-5.5 Pro 辅助高维几何证明。OpenAI 称，每周约有 130 万人用 ChatGPT 处理高阶科学和数学任务，并计划向 10 万名高校研究者免费开放前沿模型和 Codex。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/221-3.png)

从个人影响力看，一名科学家进入企业后，作用甚至可能被放大。如上所述，他在大学里可能带领十几名学生，在 AI 公司则可以调动数百名工程师、海量计算资源和全球性数据平台。原本停留在论文中的方法，也更容易进入药物、软件、实验设备和产业系统。

但代价也是不言而喻的。

NBER 研究发现，AI 学者长期转入企业后，论文产量平均减少 65%。2000 年至 2019 年，企业雇用的 AI 研究者占比从 48% 升至 68%，论文占比只从 27% 升到 32%，专利占比却从 86% 升至 95%。  
人还在研究，成果却从论文流向专利、内部模型和商业机密。Google 当年公开 Transformer，养大了整个行业。今天，训练数据、模型权重和失败记录，越来越难离开企业的服务器。

科学仍在加速，开放科学却可能踩下刹车。

### 科学家没有离开科学，科学正在离开大学

AI 公司可以成为研究院，却很难成为大学。

大学承担着一项经常被忽略的工作。它需要训练大量尚未证明自己的学生，也要长期保存暂时没有应用、无法定价、甚至几十年后才可能显现价值的问题。

然而，AI 公司喜欢已经证明自己的教授和资深研究者，对培养新人没那么有耐心。SignalFire 数据显示，2024 年新毕业生只占大型科技公司招聘人数的 7%，相比 2019 年下降超过一半。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/222-3.png)

▲ 🔗 https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025



企业一边从大学吸收顶尖教授和成熟研究者，一边减少初级岗位和培训投入。它们可以聚集一批顶尖科学家，却未必会承担大规模培养下一代科学家的责任。

相关影响已经出现在大学课堂里。《大西洋月刊》采访的学生发现，一些课程突然停开，理由很现实，教授去 AI 公司「休假」了。

与此同时，明星教授离开后，博士生失去的不只有一门课，也包括推荐资源、研究网络、课题组织能力，以及接触前沿问题的机会。

更潜移默化的变化发生在研究课题上。

药物设计、编程、数学推理、材料发现能增强模型，也能形成产品，自然更容易拿到资源支持。长期野外研究、生态保护等选题，往往处于尴尬的处境。

然而，历史偏偏喜欢和短期回报开玩笑。

数论长期被视为最纯粹、最缺乏实用价值的数学，后来成为现代密码学的基础。激光刚出现时，也曾被称作「一个正在寻找问题的解决方案」。互联网早期同样难以用商业模型衡量。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/223-3.png)

公共科研体系的意义，正在于它能够允许人类研究那些暂时无法解释价值的问题。

而今天的 AI 公司由于处于模型性能、产品发布和资本投入的高强度竞争中。即使它们愿意投资基础科学，资源也更可能流向能够增强模型、支撑产品或形成专利的方向。

未来很可能出现一种别扭的繁荣。

人类更快找到新药、证明定理、发现材料，最强的科学家也拥有历史上最强的工具。同时，谁来决定研究什么，谁来培养下一代科学家，谁又愿意继续做那些无人付费的研究，都成了问题。

科学家没有离开科学。只是科学，正在加速逃离大学。

我有时候会把大学和 AI 公司想成一条河的两端。大学更像上游。水流很慢，泥沙很多，大量支流看起来毫无用途。有人在那里测量、记录、争论，也有人花一辈子研究一条最终没有流向城市的小溪。

![](https://s3.ifanr.com/wp-content/uploads/2026/07/224-2.png)

AI 公司更像下游的水电站。它们能集中水流，驱动机器，产生巨大的能量，把科学迅速送进药物、软件和产业。

水电站当然重要。没有它，河水只是流过去。

可要是所有人都跑去下游发电，上游的水源渐渐干涸，几年以后，大家只能坐在机房里等待一条已经不再流来的河。

当数学家忙着改进模型，生物学家忙着训练 Agent，物理学家忙着扩大算力边界，人类或许会得到更强的 AI。留在身后的那些问题，没有产品路线，没有投资回报，也暂时无法解释用途。

它们很安静。安静到很容易让人误以为，它们并不重要。

作者；莫崇宇