▎作者：谢人杰
今年10月似乎是惊奇之月，很多事件的演化都脱离了“箱体”，看上去滑向不可控的方向。而科学与科技领域，也出现了前所未有的景象，似乎和平常的认知出入非常大。
炸药奖励新工具
今年的诺贝尔物理学奖和化学奖都颁给AI有关的研究，分别是通过人工神经网络实现机器学习，以及利用AI进行蛋白质三维结构预测。
看上去既不那么“物理”，也非不像是化学。以前人们的印象，这些奖项都颁发给基础科学研究，尤其是理论方面的创造。但是现在两个奖项都是寻求建立一套模型、规则和方法，让计算机算力，在海量可能性当中寻优。
这怎么能是科学呢？充其量发明了一种工具。只不过，两者都有明确的实用价值，也很容易验证其工作的正确性和有效性。因此，科学家或者工程师，不必等上几十年才因为自己年轻时的工作拿奖。
当然，诺奖委员会认定这些自然科学奖项的明规则，通常只有两个：是否做了开创性的工作，工作是否对人类发展有明显推动作用。是否为基础科学和理论范畴，没有什么约束。
虽然两者都非传统、纯粹、直接的物理和化学领域，但不意味着物理/化学没前途。大家都需要学计算机。其实，探索出机器学习的现实路径，涉及了玻尔兹曼分布、自旋玻璃模型、能量函数、最小作用量原理。每一个都曾是诺奖级别的基础科学，建立在这些知识之上的新知识，正是人类获取知识和工程能力的最常规的途径。
人工神经网络上世纪40年代就被发明，直到上世纪90年代都没什么人气。属于人人知道，但人人都知道没啥用的玩意。但计算机能力上来之后，一切都不一样了。如今很多公司一个月就能鼓捣出70B参数的大模型，应用先放一边，训练能力是蹭蹭见长。
而蛋白质三维结构预测，其实也有传统方法，就是颜宁走的那条路线，利用冷冻电镜分析蛋白质，但是现在AI一天就将她一辈子分析的蛋白质分析完了。虽然今年夏天有人指出AI预测蛋白质结构准确率很低，因为预测受到训练集的强烈影响。
但是路子已经趟出，规则和方法改一改，准确率会上去。结论是毫无争议的：算力的暴力破解，效率碾压人工分析。
马斯克的两个新工具，毁誉截然不同，但内核相通
马斯克10月11日发布Robotaxi理念的Cybercab和Robovan，以及人形机器人，也遵循了“老方法拿到新工具”这种思路。
Robotaxi、机器人，前者的产品至少问世10年以上（Waymo），后者更可以追溯到50年前（早稻田大学WABOT），商业产品最晚到1999年就有了（索尼的AIBO）。胃口被吊高了的观众对老马非常失望，再加上没有公布技术细节和商业化路径，事后股票也被做空一波。
特斯拉着意展示的，是大模型和数据填喂为支撑的AI。无论Robotaxi，还是机器人，不过是外观。而且现在还很笨拙，前者实际道路运行时后台接管次数太多，无法真正无人驾驶；后者舞蹈的身姿，甚至比马斯克本人还尬。所谓调酒，家政服务，不过摆个样子，和人类酒保与家政服务人员的娴熟相比，根本不在一个档次。
不过，它们的进化随着使用后将与日俱增，到了某个临界点之后，没准儿一夜之间就会变得更拟人。而多年前那些产品，从出厂的那一刻起，就不会有任何改变了。这是最大的区别。AlphaGo的进化，已经说明了问题。而此前大家普遍认为，AI无法战胜人类顶尖围棋选手。
马斯克设想的Robotaxi，并非追求在电驴和老头乐横冲直撞的烂泥坑里“片叶不沾身”。完全由无人驾驶构成的交通环境，场景才能得到彻底简化，交通规则和基础设施的模样，也和今天我们看到的大相径庭。这属于智慧城市的范畴，必须依赖政府行政组织能力和资金投入。鉴于加州高铁项目，美国已经完全不具备大规模投资建设交通基础设施的能力了。
如果马斯克在中国发布这些玩意，还有点可能性。放在美国肯定没戏，投资人不是傻子。
相比而言，星舰项目马斯克投得起。因为不会像基础设施那样回报遥遥无期。手握NASA合同，马斯克有足够的资本、人力资源和意愿，改善火箭的载荷成本比。前不久第五次尝试的“一级回收”试射，就做的很漂亮。虽然社媒对回收方式、一级重量等估算都是错误的，但不妨碍大家欣赏这一极具创造性和视觉效果的工程实践。
当然，一级回收对于火星任务（在每隔26个月的窗口期内一波次大量发射载荷），是否有帮助，存在争议。但大家担心的回收检查、发动机二次使用可靠性等，都可以在工程上解决。
关键在于，马斯克提供了探火工程（说移民火星还为时尚早）的崭新的工程路径。虽然化学火箭的大框架没变，但实际上他的SpaceX团队发明了一个太空新工具。
实用工具时代
无论两个诺奖，还是马斯克的两个想法，都透露出，如今的人类科技，正在向实用工具出发。但这不是科学理论的悲哀。
很多人都认为在爱因斯坦和波尔的诸神时代之后，理论物理已经止步不前，人类只能在工程工具上修修补补。这是误解，相比第五届索尔维会议期间，如今的物理学、化学、数学等以前认为基础学科，已经产生了翻天覆地的变化，产生了无数分支，并彼此交联。很多新成果，已经很难对公众讲清楚来龙去脉。
今天的理论，走到实用为时不确定。而今天我们看到的工具演变，其理论基础都是半个世纪前甚至更久奠定的。理论与工程工具，思想的两条线，它们在未来相交。和以往动辄几十年相比，现在部分应用可能很快，这正说明人类掌握了一些趁手的新工具。
如今的新能源锂离子电池，在20世纪70年代成型。AI应用的数学方法，则在100年前就已经产生。而商业化逻辑与之截然不同。
新工具的价值体现，必须针对一个业已存在的需求，而不仅仅是潜在的。这是一个商业化时代的底层逻辑。新能源+AI能做什么，这是每一个战略规划师都殚精竭虑的内容。安全和解放人力，大家都想到了，但现在解决的并不完美，商业价值是存疑的。
还有什么一时三刻就能满足的需求？高管们现在都被逼到琢磨在车里涮火锅的地步。话说上一个这么做的人，好像被麻匪掳走了。显然这是伪需求。
将车作为其他空间（起居室、会议室、影音室）和电子产品功能的延伸，也探索了很多。但缺乏一种新工具，满足尚未受到重视的需求。眼下有关的创意，当然还没有诺奖级别的。其实，也可以考虑新路径，满足现有需求。没准儿能吊打现在习以为常的路径。先到咸阳为王上。后进咸阳，最多也只能“扶保在朝纲”。这个时代，还是倾向于奖励开拓者的。
- END -
