【2026 Science x AI Summit 系列演讲切片第十一期——Matt Bornstein】

在2026 Science x AI Summit上，a16z合伙人Matt Bornstein系统拆解了AI科学创业的底层逻辑。他指出：语言模型与科学模型所面对的数据域存在根本差异，这决定了AI科学初创公司必须穿越更深的“引力井”。

语言模型的成功得益于人类表达具有通用结构——新闻、代码、社交媒体等输出遵循着大脑演化出的低维流形。即便小模型的理论输入空间高达10²⁰⁰⁰⁰，仅凭数万亿样本即可涌现跨任务泛化。

此外，人类表达数据取之不尽、对噪声高度容忍，平滑化本身就是有效特征。

反观科学模型，其目标是理解物理世界的真实行为。训练数据极其稀缺且昂贵，微小误差会迅速放大，高精度需求使得平滑成为缺陷而非特征。当前科学模型的泛化能力与LLM之间仍存在巨大鸿沟。

Matt Bornstein从投资组合中提炼出五大突围策略：研究助理（直接利用LLM）、问题分解（如Harmonic的“亚里士多德”模型，在ProofBench上达70%准确率）、新型训练技术（Polymathic AI的“Walrus”跨任务泛化）、合成数据生成（Genesis的“Pearl”模型超越AlphaFold 3）、自动化实验室（Periodic Labs的“分级测试”闭环）。

他最后引用Periodic Labs创始人的话：“智能是必要的，但对于科学远非充分。新知识诞生于想法与现实的契合。”

“科学创业不是堆算力的游戏，而是用AI从真实物理世界的无尽噪声中，提纯出可验证的真理。”——SAIR，与思考者同行。

#AI##AIforscience##SAIR##科研##AG##人工智能 ##AGI ##SAIRFoundation##科学##创业##投资##物理##AI人工智能# http://t.cn/AXX8NOrE