9 月 10 日，在 2026 Inclusion·外滩大会主论坛上，普林斯顿大学人工智能创新中心主任王梦迪教授提出一个问题：AI 距离自主发现新科学还有多远？
她的判断是，今天的大模型已经掌握了大量人类知识，但在真正的科学发现上仍然存在明显局限：大模型更擅长找到“最可能”的答案，而真正的新发现，往往藏在概率分布的长尾里。
王梦迪团队近期与普林斯顿大学社会学教授谢宇合作，用 ChatGPT、Claude 等大模型进行“模拟人生”实验。例如，让模型模拟一个 1930 年出生的英国人，自主生成自己此后的人生轨迹。
实验发现，在结婚年龄、职业、性别等多个问题上，大模型倾向于高估最常见的情况，却明显低估少数情况和长尾分布。
大模型会学到一个概率分布里最大似然的那一点，但对于长尾的知识可能会低估、甚至忽略。”王梦迪说。
她认为，这也解释了为什么大模型在数学、Coding 等领域进展迅速，却尚未在物理、化学、生物等基础科学领域产生同等规模的原创发现。
区别在于，数学和 Coding 拥有相对明确的“验证器”。Coding 可以通过编译器和 Unit Test 验证结果，数学则可以借助 Lean 等形式化证明系统进行验证。模型可以不断尝试、获得反馈、修正答案，再进入下一轮训练。但在现实科学研究中，验证远没有这么容易。
“Ideas are cheap。你要给我看代码，或者给我看实验。”王梦迪表示。科学研究往往涉及复杂的实验设备、人的判断以及跨团队协作，很多实验甚至无法稳定复现。信息越来越多，并不意味着真正有效的新信息同步增加，反而可能降低科研过程中的“信噪比”。
在她看来，AI 走向自主科学发现的关键，并不是让模型再多知道一些，而是让现实世界变得越来越可验证。
王梦迪团队正在尝试建立这样的一个基础设施。在量子材料研究中，他们搭建了自动化实验平台，将原本需要科研人员数月完成的石墨烯实验流程进行自动化，并将实验设备和能力封装成 API，让其他科研机构能够调用和复现实验；同时，他们还在探索面向科研实验室的智能操作系统 LabOS，让多模态 AI 能够通过智能眼镜感知实验环境、辅助科研人员操作，并进一步连接软件、AI 模型、机器人和真实实验设备。
王梦迪认为，真正决定 AI 能否成为“发现者”的，不只是模型有多大，而在于是否存在一套能够连接假设、验证、追溯和重复的基础设施。只有当物理世界中的实验过程能够被系统记录、持续验证、反复复现，AI 才可能真正把训练中学到的“似然性”，转化为对“可能性”的探索。
完整演讲（未经确认版）：
今天我要讲的话题比较学术。刚才宏江老师分享了很多 AI 非常棒的前沿进展，在各个方面，从生产到工作推动很多工作流自动化、企业自动化、知识前沿。今天我想讲的话题是，希望把知识前沿再往前推一推。
AI 和能够自主探索、自主 Discovery 还差多远？这是我想讨论的话题。
假设黑色的概率分布是人类所有的知识，那现在的大模型学到哪一步呢？有三种情况：
（1）Same space，现在的大模型正正好好地覆盖了人类现有所有通用知识。
（2）Smaller space，现在的大模型覆盖了通用知识里离中心比较近的那一部分。
（3）Larger space，现在的大模型已经能够超出人类现有的知识，推动训练数据中没有的发现。
答案是需要分类。
我先讲一个具体的、最近的工作，是统计社会学的实验，是普林斯顿大学社会学教授谢宇老师想研究的问题，他拉我给他干活儿。谢宇老师也是著名公众号《知识分子》的创始人。
在这个工作里，我们想回答的问题是：如果我用大模型 ChatGPT、Claude 去模拟人生。你现在是一个 1930 年出生的英国人，让它自己把后面的人生，什么时候上学、在哪儿上学、学什么专业等等都写下来，自己把自己模拟一遍。我们选择了一个恰好有非常多现实数据的历史时间段和地理区域。
结论在图里。比如，第一个社会学家关心的问题是，“模拟人生”第一次结婚时多大岁数？这时候发现，大模型模拟出来的基本上都是在 24 岁左右就结婚了，非常符合父母的期待。但实际上，真正社会学上的概率分布是长尾更多的曲线。
我们还设计了很多问题，比如在模拟人生中，你觉得自己的记忆如何，以及 Gender（性别）、Occupation（职业）等。最终我们发现了一个基本在每一个实验里都会发生的问题：大模型会高估最常见、最通用的情况，但对于相对少见的情况，它会大大低估。
换言之，大模型在预训练时可能学到了很多关于人的信息，但是在这一类模拟或者对人类社会的理解上，大模型是 Mode Seeking 的。Mode 是什么？在概率论里，当我有一个随机分布，Mode 指的是概率分布中最大似然的那一点。也就是说，大模型会学到一个分布里最大似然那一部分的知识，但对于长尾知识可能会低估、可能会忽略。
大模型即使经过了预训练、Mid-training 和强化学习，并且不管是在模拟社会、模拟人生，还是数学等其他更严谨的问题里，往往都会集中在概率分布的中心，低估长尾效应。
从 ChatGPT Moment 以来，大模型到底有没有发现新的科学？这里先排除编程和数学。
我之前有一个更长的报告。在那个报告里，我把每年每个公司——包括美国和欧洲的大模型公司——的宣传稿都扒了下来。从 2022 年、2023 年、2024 年到 2025 年，每一年 Google 都会推出一个宣称能够颠覆科学的 AI Co-Scientist，很多其他模型公司也都在做。但是，如果你真的去看生物、化学、物理等基础学科，尤其是实验学科，大模型目前为止还没有带来新的发现。
这是为什么呢？
当我们真的在基础学科前沿想做出新发现时，相当于要在宇宙里找到一颗新的“星星”。这颗星星肯定是之前没有观测过的，是训练数据里没有的。但是，从知识学习和知识拟合的角度来讲，大模型学到的是一个概率分布的 Mode，它会忽略长尾，而人类真正的创新往往发生在长尾上。这时候，大模型可能还没有真正走到前沿，也就更没有办法把长尾继续往前推，找到概率分布以外新的星星。
我有一个同事去年写了一篇文章，讲的是 AI 不光没有加速科学、没有加速发现，反而把科学变慢了。
他的论据是，因为科学，尤其是物理这样的学科，本质上要有足够的观测数据来证明一个 Hypothesis，这时候我们对有效信号有非常高的要求。但是，自从有了大模型，每年产生的论文数量呈指数级增长，里面真正有效的信息和信号却没有增加，因为人类对宇宙、对世界的观测并没有真正增加。
换言之，文章越来越多，但新的信息并没有增加。在信息论里有一个概念叫“信噪比”。当信噪比很低的时候，不管是科学家、工程师，还是希望真正利用这些信息进行发现的机构，可能反而更难从海量信息中找到有用的内容。
如果我们去看数学和 Coding，会发现模型的进步非常明显。这是因为在这两个领域里，大模型的强化学习可以得到非常精准的反馈，也就是存在一个 Verification，即验证器。
在 Coding 领域，验证器本身就是计算机程序的 Compiler（编译器），并且每个程序可以有很多不同的 Unit Test，以保证模型写出来的程序完成了任务。
在数学领域有一个“形式化证明”的验证器，可以把数学描述成一种非常特殊的编程语言。通过 Lean，可以把两三句话的数学定理翻译成几千页的编程语言。虽然它变长了，但这样的数学证明是可验证、可编译的。当我有一个明确的验证器时，大模型就可以左右互搏，不断提高数学和编程能力。
但是，这样一种训练方法，目前并没有办法直接拓展到物理世界，拓展到真正的科学发现和对宇宙的探索中。
为什么科学发现或者现实世界的发现中，还没有看到大模型发力呢？一个原因是，科学的瓶颈其实不在于想出一些 Ideas。Ideas are cheap. You want to show me the code or show me the experiment。
在科学领域，大量实验是不可重复、不可验证，也没有办法追溯的。
有一个很著名的调查发表在 Nature 的子刊上。这个调查显示，70%的科学实验无法重现，甚至其中 50%的实验结果连做实验的科学家本人也无法重现。
这些问题的本质在于，要探索一种全新的物质、全新的过程，其中涉及非常复杂的人的判断、实验器材，甚至需要很大的实验组或者多个实验组进行跨空间合作。这里面的每一步都有不确定性。当这些不确定性叠加起来之后，整个发现过程就变成了一个“摇骰子”的过程。
在编程和数学领域，每一个计算、每一步推导都可以重现，都可以有 Checkpoint，也可以回溯。大家知道哪里成功、哪里是对的、哪里是错的。但是在更前沿的物理世界探索中，没有这样的验证。这也是为什么当我们没有验证器时，大模型只能在已知数据里不断过拟合，却没有办法走到长尾，更没有办法带来新的发现。
本质上，我们要做的是验证，是希望让 Verification and Validation 变得越来越快。这也是我在普林斯顿大学和很多同事花了很多时间在做的一件事。
这是我们最近的一项工作。这个工作想做的事情，是找到新的量子材料，其中需要把两片单原子厚度的石墨烯叠加在一起。
当两片碳原子的石墨烯叠在一起时，如果改变它的一些角度，这两层石墨烯就会产生非常新的双层晶体结构。这种晶体结构可以帮助大家了解新的物理性质、找到新的物理材料，也是现在通往超导体研究前沿的技术之一。
但这样的实验往往需要很多非常有才华的物理学博士生花几个月时间手动完成。我们在这里做了一件事情：开发了一套全自动实验平台，并做好了它背后的科学大脑。
它覆盖了从前期设计、参数、Hypothesis 和预测，到实际操作中如何制备单原子的石墨烯、如何进行 Quality Control、如何观察显微镜，最终再回到第一层，把整个科学过程变成 Loop Engineering。
这是第一步。在这一步里，我们已经把一套原本需要几个月完成的实验流程变成了 API。这样，任何一个合作者都可以调用 API 复现实验结果。并且，这套 API 里的很多软件、AI 和硬件 Kit 都已经开源，其他科研机构也可以复用，并基于这套基础设施搭建新的探索性实验。
另外一件我们想做的事情是：有没有可能开发一个通用的、跨学科科学实验室的智能操作系统？
这个系统被命名为 LabOS，也就是科研实验室的 Operating System。在这套系统里，我们想解决的问题是，任何一个烦琐、需要人工验证的实验，一定都会涉及人的操作，以及人对整个物理环境的感知和决策。
我们在这套系统中引入了具备多模态能力的大模型。它可以通过智能眼镜与每一名科学家直接交互，让实验员看到的每一个细节都变成 AI 可以看到的细节，实验员进行的每一项操作也都可以在 AI 的指导下完成。
在使用这套系统之后，我们做了一些验证。它可以让第一年的本科实习生达到经过长期科学训练、拥有十几年经验的科学家所能达到的精确科学流程和科研水平。
同样，这套系统一方面可以在数字世界中自己写代码、训练专属模型并进行迭代；另一方面，它也可以在物理世界中与多人以及多种不同型号的机器人同时交互。因为在任何一个复杂环境里，最终都会涉及不同型号的本体，其中最关键的仍然是研究人员和工程师。这样一套系统可以跨学科地推动数字化和智能化，并在物理世界中执行复杂流程。
最终，回到最初的概率分布问题：我们怎么才能把一个 Mode Seeking 大模型的概率分布变得越来越宽，最终带来新的发现？
我们需要一个闭环系统。这个系统可以连接各种开源、闭源及私域模型，同时连接物理实验室、Clean Room、化学实验室、生物实验室乃至半导体车间等环境。
当数字世界能够把物理世界中发生的所有研究、探索和纠结全部闭环时，AI 才可能真正发挥作用。每一个学科的实验室才会变成可验证的环境，才有可能让现在的大模型训练方法扩展到新的发现中。
最后，我想讲的是，AI 的训练方法和学习方法所学到的是“似然性”；但当我们谈到 Discovery 时，需要找到概率之外的“可能性”。
怎么弥合从“似然性”到“可能性”之间巨大的 Gap？这里需要基础设施级别的探索和投入。
