1945年7月16日清晨，在新墨西哥州的荒漠深處，羅伯特·奧本海默看著“三位一體”核試驗升起的蘑菇云，腦海中浮現(xiàn)出《薄伽梵歌》的詩句：“我現(xiàn)在成了死神，世界的毀滅者”。那是人類第一次試圖通過國家力量，強行撬開原子核內(nèi)部的秘密，將物理能量的極致握在掌心。

八十年后的今天，另一場更加宏大的“曼哈頓計劃”正在大洋彼岸啟動。11月24日，美國總統(tǒng)特朗普簽署行政令，正式啟動一項被稱為“創(chuàng)世紀(jì)任務(wù)”（The Genesis Mission）的國家級計劃。該計劃明確對標(biāo)曼哈頓計劃，旨在利用人工智能（AI）的力量，以前所未有的速度加速科學(xué)突破。如果說當(dāng)年的曼哈頓計劃是為了制造終結(jié)戰(zhàn)爭的武器，那么今天的“創(chuàng)世紀(jì)任務(wù)”，則是為了爭奪定義人類未來的權(quán)力。

一、把“AI for Science”打造成國家級創(chuàng)新基礎(chǔ)設(shè)施

長久以來，美國的AI發(fā)展主要由私營企業(yè)驅(qū)動，然而，隨著大模型能力的指數(shù)級躍升，以及由于數(shù)據(jù)瓶頸和安全隱患帶來的不確定性，美國決策層意識到，AI的戰(zhàn)略價值已遠(yuǎn)超商業(yè)范疇——它等同于21世紀(jì)的核武器。

“創(chuàng)世紀(jì)任務(wù)”的關(guān)鍵詞很直白：建一個集成平臺，把高性能計算、模型訓(xùn)練/推理、科學(xué)基礎(chǔ)模型、數(shù)據(jù)安全訪問、AI agent自動化工作流、以及自主實驗與制造工具連接起來。

白宮在把它定位為贏得AI競賽、強化國家安全、能源與產(chǎn)業(yè)競爭力的工具，并點名優(yōu)先領(lǐng)域：生物技術(shù)、關(guān)鍵材料、核裂變/聚變、太空、量子信息、半導(dǎo)體與微電子等。能源部國家實驗室體系被放在C位，聯(lián)邦的“獨特數(shù)據(jù)資產(chǎn)”和“世界級超算”被視為可復(fù)制門檻最高的國力籌碼。

該計劃還設(shè)置了頗具項目管理風(fēng)格的里程碑要求：60天提出至少20個國家級挑戰(zhàn)清單，120天確定首批數(shù)據(jù)與模型資產(chǎn)，240天盤點機器人實驗/產(chǎn)線能力，270天在某個關(guān)鍵挑戰(zhàn)上做出“初始運行能力”演示。

從政策設(shè)計看，該計劃解決的不是“AI缺不缺算法”，而是“科研系統(tǒng)缺不缺聯(lián)動”：數(shù)據(jù)標(biāo)準(zhǔn)化與溯源、跨機構(gòu)共享、算力調(diào)度、實驗自動化、成果轉(zhuǎn)化路徑——這些才是讓 AI 變成科研生產(chǎn)力的脊梁骨。

“創(chuàng)世紀(jì)任務(wù)”的核心意圖非常明確：將“AI for Science”（人工智能驅(qū)動的科學(xué)研究）上升為最高優(yōu)先級的國家安全戰(zhàn)略。這不僅是一份行政命令，更是一次資源的重新配置。就像二戰(zhàn)期間美國在洛斯阿拉莫斯集結(jié)了全球最頂尖的物理學(xué)家一樣，“創(chuàng)世紀(jì)任務(wù)”試圖通過整合政府?dāng)?shù)據(jù)、分配國家級能源網(wǎng)絡(luò)、提供豁免權(quán)保護以及直接的資金注入，打造國家級的創(chuàng)新基礎(chǔ)設(shè)施。

然而，歷史雖然常常押韻，卻不會簡單重復(fù)。相比于制造原子彈的明確物理路徑，“創(chuàng)世紀(jì)任務(wù)”可能面臨更為復(fù)雜的挑戰(zhàn)。一方面，硅谷文化與官僚機構(gòu)可能發(fā)生文化排異反應(yīng)，政府、國家實驗室、大學(xué)、企業(yè)的KPI難以對齊。如果只剩報表式、口號式的協(xié)同，創(chuàng)新就會被官僚制磨成齏粉。另一方面，“創(chuàng)世紀(jì)任務(wù)”承諾要解決安全問題，但安全與創(chuàng)新本身就是一個悖論。為了在競賽中領(lǐng)先，必須加速實驗；而為了確保安全，必須減速驗證。當(dāng)國家意志要求“必須領(lǐng)先”時，安全也許會成為犧牲品。

二、鏡像與啟示：中國視角的“新質(zhì)”思考

當(dāng)大洋彼岸按下“AI for Science”加速鍵，中國該如何應(yīng)對？在筆者看來，“創(chuàng)世紀(jì)任務(wù)”試圖通過暴力堆疊資源實現(xiàn)突破，中國不應(yīng)被帶入這場消耗戰(zhàn)的節(jié)奏。讓AI落地，比讓AI上天更重要。

1.保持戰(zhàn)略定力，讓AI賦能千行百業(yè)

AI不應(yīng)僅僅是用來展示肌肉的“超級武器”，更應(yīng)是賦能千行百業(yè)的“超級工具”。真正的“創(chuàng)世紀(jì)”，不會誕生在行政命令的紙面上，只會涌現(xiàn)在每一個用AI解決實際難題、重塑生產(chǎn)流程的場景里。中國擁有全球最完整的工業(yè)門類和最豐富的應(yīng)用場景。相比于單純追求打造一個全知全能的“上帝模型”，將AI技術(shù)與實體經(jīng)濟深度融合，解決醫(yī)療、制造、交通等領(lǐng)域的實際問題，或許是一條更符合中國國情的路徑。

前不久我國發(fā)布的《關(guān)于加快場景培育和開放推動新場景大規(guī)模應(yīng)用的實施意見》，強調(diào)加快培育拓展經(jīng)濟社會應(yīng)用場景，正是讓真金直面火煉，讓新場景賦能、牽引、倒逼技術(shù)攻關(guān)的必由之路。

2.做實跨部門、跨產(chǎn)業(yè)閉環(huán)

“創(chuàng)世紀(jì)任務(wù)”要求搭建一個綜合性AI平臺，把國家實驗室超算與聯(lián)邦科學(xué)數(shù)據(jù)糅成統(tǒng)一底座，并用它訓(xùn)練“科學(xué)基礎(chǔ)模型”、驅(qū)動AI智能體去提假說、跑仿真、自動化實驗，甚至賦能到機器人實驗室與生產(chǎn)設(shè)施。這套思路是在押注：未來競爭優(yōu)勢來自“系統(tǒng)吞吐量”（提出—驗證—放大）而不只是單點的聰明。

對我們而言，AI不應(yīng)被當(dāng)成一個部門的工具，而要把它當(dāng)成一條跨科研—產(chǎn)業(yè)的生產(chǎn)線。如果閉環(huán)不實，AI再強也容易變成“論文加速器”；閉環(huán)扎實，才會變成“發(fā)現(xiàn)與轉(zhuǎn)化加速器”。要用任務(wù)牽引協(xié)同，而不是用口號牽引協(xié)同。模型在紙面上往往很強，但真實制造場景的難點眾多，必須用仿真實驗把真實反饋回流，讓模型不斷校準(zhǔn)不確定性，最后能下沉到中試與制造控制?？梢赃x擇一批高價值應(yīng)用場景，設(shè)定可驗收指標(biāo)：迭代周期、命中率、放大成功率、單位成本、良率提升，等等，用這些硬指標(biāo)把高校、院所、企業(yè)、平臺擰成一股繩，才能讓產(chǎn)學(xué)研真正形成合力。

3.把“高質(zhì)量數(shù)據(jù)集”當(dāng)成國家級資產(chǎn)

“創(chuàng)世紀(jì)任務(wù)”一開場就把“聯(lián)邦科學(xué)數(shù)據(jù)集”擺在王座上：明確提出“利用聯(lián)邦科學(xué)數(shù)據(jù)集——這是聯(lián)邦政府歷經(jīng)數(shù)十年投資所積累的全球最大規(guī)模此類數(shù)據(jù)集——來訓(xùn)練科學(xué)基礎(chǔ)模型”，要求“120天內(nèi)確定一套供該任務(wù)使用的初始數(shù)據(jù)和模型資產(chǎn)，包括數(shù)字化、標(biāo)準(zhǔn)化、元數(shù)據(jù)和來源溯源”。由此可見，他們非常清楚，AI的發(fā)展已經(jīng)從過去以“模型算法”為中心的技術(shù)范式，逐步轉(zhuǎn)向“以數(shù)據(jù)為中心”的能力躍升。更重要的是，在AI for Science里，數(shù)據(jù)已經(jīng)不僅是燃料那么簡單，它更像“實驗室的地基+科學(xué)的記憶體”。真正的護城河不是算力，而是這些長期積累、難以復(fù)制、越用越值錢的高質(zhì)量數(shù)據(jù)資產(chǎn)。

對中國而言，真正的門檻不在“數(shù)據(jù)量有多大”，而在“數(shù)據(jù)能否被復(fù)用、可追溯、可授權(quán)、可組合”。破局點不是每個機構(gòu)自建多大的數(shù)據(jù)庫，而是跨機構(gòu)的標(biāo)準(zhǔn)與權(quán)限機制，讓數(shù)據(jù)能在合規(guī)前提下有序流動。

第一，面向材料、生物、制造等關(guān)鍵領(lǐng)域，推動行業(yè)級數(shù)據(jù)標(biāo)準(zhǔn)+元數(shù)據(jù)規(guī)范+溯源鏈路，進一步消除數(shù)據(jù)孤島；

第二，建立分級分類、共享開放的數(shù)據(jù)使用機制，讓數(shù)據(jù)既能在產(chǎn)學(xué)研間流動又能守得住底線；

第三，把數(shù)據(jù)治理變成硬投入：數(shù)據(jù)工程、標(biāo)注與清洗、元數(shù)據(jù)與溯源，等等。

數(shù)據(jù)治理做起來累、看起來慢，但長期復(fù)利巨大。做好之后它就變成組織的記憶與引擎，讓模型更可靠、迭代更快、成果更容易從實驗室走到中試和產(chǎn)線。

一言以蔽之，“創(chuàng)世紀(jì)任務(wù)”提醒中國：下一輪競爭不只比“誰的模型更大”，而是比“誰的科研與產(chǎn)業(yè)系統(tǒng)吞吐量更高”，關(guān)鍵在于用標(biāo)準(zhǔn)、平臺、任務(wù)與場景牽引把協(xié)同的摩擦磨平，才能把突破從偶然變成常態(tài)。面對這場“創(chuàng)世紀(jì)”的巨浪，最好的應(yīng)對不是盲目跟風(fēng)筑墻，而是俯身耕耘腳下“新質(zhì)生產(chǎn)力”的沃土，將AI從生成論文的“加速器”鍛造為驅(qū)動產(chǎn)業(yè)轉(zhuǎn)化的“發(fā)動機”。畢竟，科技競賽的終局不在于誰能繪出最宏偉的藍(lán)圖，而在于誰能讓技術(shù)最先在車間與實驗室里落地生根。

（作者王翔為復(fù)旦大學(xué)數(shù)字與移動治理實驗室研究員）