OpenAI成立“科学”团队，目标是用AI加速科研发现，但负责人Kevin Weil在采访中坦承：大语言模型（LLM）目前还做不出变革性发现。这与其说是产品发布，不如说是一次战略卡位——在通用AI竞争白热化后，OpenAI开始向高价值、高壁垒的垂直领域发起冲锋。
愿景与现实的巨大鸿沟。OpenAI的叙事很宏大：从辅助工具演进为“科学伙伴”。但Weil的坦诚恰恰揭示了当前LLM的核心局限：1) 幻觉问题在严谨科学中是致命伤；2) 黑箱推理无法提供科学所需的可解释因果链；3) 通用模型缺乏深度的领域知识。说白了，现阶段它更像一个高级的“文献助手+代码生成器”，离“共同发现者”还差得远。其宣称的“加速发现”更多是营销话术，而非已证实的优势。用户体验的短期提升，将仅限于信息检索、实验草案生成等外围环节。
战略意图远大于产品本身。为什么是现在？第一，技术窗口期：o1等推理模型的进步，让处理复杂科学问题有了初步可能。第二，竞争卡位：直面谷歌DeepMind Science，争夺“AI for Science”的制高点。第三，战略转型：这表明OpenAI的重心正从追求用户规模的“普及”，转向攻坚复杂任务的“深化”。科学领域不仅是新增长点，更是其AGI愿景的终极试验场。本质上，这是从“通用基础设施”向“垂直解决方案”渗透的关键一步。
竞争格局与行业影响。最直接的对手是谷歌DeepMind，双方将在同一赛道正面碰撞。传统科研软件公司和垂直AI初创公司也将感受到压力，行业可能加速从“软件许可证”模式向“API服务”模式演进。对科学家而言，选择逻辑将变为对“基础模型能力+领域适配性+易用性”的综合考量，OpenAI的生态和品牌是现成入口。但高切换成本、数据隐私和知识产权问题，将是其必须跨越的障碍。
OpenAI画了一张大饼，但自己先戳破了一部分。这反而显得相对务实，将竞争拉回到技术、数据和生态的长期积累上。这场竞赛没有捷径，赢家不会是口号最响的那个，而是能真正将AI的“智能”嵌入科学发现闭环的团队。我们离AI科学家诞生还很远，但工具军备竞赛已经开始了。
本文由 AI 辅助生成，仅供参考。