过去四年，人工智能研究全面围绕大语言模型展开，而最前沿的突破，已经从大学实验室转移到了私人公司。大学根本负担不起训练和运行尖端模型所需的显卡，即便负担得起，Anthropic 与 OpenAI 也不会对外公开 Claude 与 ChatGPT 的内部细节。

加州山景城一场聚焦 AI 学者的闭门聚会，把这种错位摆到了台面上。这场活动由施密特科学基金会旗下的 AI2050 项目发起，旨在资助从事人工智能研究的学者。与会者中，加州大学伯克利分校计算机科学教授妮卡·哈格塔拉布打了个比方：当下的 AI 学者，像是活在一个私人企业独占基因编辑工具 CRISPR 的世界里的生物学家。前沿实验室之外的人，可以研究 ChatGPT 与 Claude 表现出的行为，却无法深入探究这些工具的设计与训练，更别提亲自引导设计方向。

钱与算力双重短缺

AI2050 确实为学者提供了一笔可用于采购显卡的经费，不少与会者认为这是参与该项目的一大实惠。但资金压力依旧沉重，尤其考虑到美国联邦科研经费近期遭到削减。即便是不自己跑模型的学者，为了扎实地研究 OpenAI、Anthropic 与谷歌的模型，反复调用接口的成本也高得令人却步。

绕开大厂赛道

许多受资助学者把精力投向那些 Anthropic 与 OpenAI 不太可能去碰的问题。约翰斯·霍普金斯大学计算机科学教授安贾莉·菲尔德的态度很有代表性：「我尽量不去钻研那些我觉得科技公司迟早会解决的问题。」企业终究要盈利，那些几乎无利可图、甚至答案可能让公司难堪的研究方向，往往得不到投入。菲尔德曾做过一项研究：语言模型对「更常由女性使用的表达方式」所给出的回应，明显不如对男性化表达来得周全——这类题目很难想象会出自 Anthropic 或 OpenAI 之手。

不碰大模型的另一群人

还有一大批 AI 学者根本不与大模型打交道。他们多是科学家，构建专门用于数据分析、预测、乃至模拟整个物理系统的模型，并不必然与前沿实验室正面竞争。不过挑战照样不少：谷歌 DeepMind 旗下、凭蛋白质结构预测拿下诺贝尔奖的 AlphaFold 团队，上个月刚刚解散。另一些研究者则苦恼于公众对「非大模型 AI」的普遍误解——比如有人专门搭建应对气候变化的专用 AI，却常因大众把「AI」等同于「吞电的大模型」而难以争取支持。

人才外流与新的可能

格局正在变化：多位知名学者已请假加入前沿实验室，不少 AI2050 受资助者同时在学界与企业任职。近半年又冒出新的隐忧——OpenAI 的模型已在数学领域解出若干真实研究难题，有人担心纯数学领域或许不再需要人类。一位与会学者就表达了对同行数学家心理状态的担忧。

但也不必全然悲观。经验科学要比数学难自动化得多，因为数据采集本身就是慢功夫。卡内基梅隆大学计算机科学家蒂姆·代特默斯致力于让模型跑得更快更省，他的看法是：AI 科学家不会取代人类，反而能让人类科学家效率大增，去追求那些原本抽不出手的好点子。

资源的约束反而催生韧性。正是训练不起尖端模型这一限制，逼着学者去寻找把模型做小、做高效的办法，甚至探索全新架构。倘若下一项重大突破不是出自巨头，而来自某个精打细算的大学实验室，恐怕没人会太意外。

来源：MIT Technology Review（2026 年 8 月 10 日，原载于周刊通讯 The Algorithm）