当 AI 百科大战打响：马斯克的 Grokipedia 对上科学界的 SciencePedia

本文来源自DP Technology 投稿，作者：沐之。

 在过去一周里，「AI 重写知识库」这个老话题突然被推到聚光灯中心。

一边，是马斯克的 xAI 团队推出的 Grokipedia：它被描述为“要成为 Wikipedia 的更好替代品”，甚至直接把目标写成“用 AI 清洗掉传统知识体系中的意识形态偏差”，承诺做“更中立、更真实”的百科式知识库。

但是公开信息显示，马斯克曾多次指责 Wikipedia 在政治议题上存在问题，并宣称 Grokipedia 会成为“远超 Wikipedia 的版本”，最终帮助 xAI 实现“用 AI 理解宇宙”的使命。

同时，Grokipedia 的上线过程并不顺滑：它的第一次公开发布时间被多次临时推迟，官方解释是“还需要清理掉宣传式内容（purge propaganda）”，并在测试版上线前后不断调整口径，强化“我们不是复制 Wikipedia，而是在做去偏见的真相版本”。而有趣的是，Wikipedia 的 Grokipedia 页面赫然写着“Many articles are derived from Wikipedia articles, with some articles observed to be copied nearly verbatim.”

 

另一边，是几乎同步亮相的 SciencePedia。它由一家名为深势科技的中国公司依托其科研平台 Bohrium（玻尔科研空间站）推出，官方定位不是“再造一个通用百科”，而是“聚焦科学知识”的结构化系统，核心目标是把学科知识拆解为可验证的知识点，再通过逻辑/因果/上下游应用关系把这些知识点连成一张可导航的科学知识网络（“学科—知识点—链路”）。这一思路更像是“用 AI 组织科学”，而不是“用 AI 重写百科”。

表面上，两个产品都在试图用 AI 重新定义“知识库”。但往下拆解会发现它们其实在做两条完全不同的路：

Grokipedia 想证明“AI 能不能把世界重新讲一遍”；

SciencePedia 想回答“AI 能不能把科学知识组织成可以推理、可以复用的结构”。

下面我们按产品定位、内容组织方式、入口可用性，做一个对比观察。

产品定位：谁的“知识”，为谁服务？

Grokipedia

从 xAI 的公开叙述看，Grokipedia 被直接设定为 Wikipedia 的“升级版”，甚至是取而代之的候选：它试图用 xAI 的大模型 Grok 去“审查”“净化”现有百科内容中所谓的偏见，产出一个“更真实、更少政治倾向的真相库”。

马斯克认为，Wikipedia 在许多社会议题上的表述存在系统性倾向，因此知识库本身就“带偏了 AI”。Grokipedia 的存在，被描述为修正这一点的手段，而不仅仅是给公众查资料。

换句话说，Grokipedia的目标并不是首先服务科研、教育、工程等精确使用场景，而是把“全社会通用知识百科”这件事重新拿回来，放在一个他所声称的更“客观中立”的叙事框架里。

SciencePedia

SciencePedia 的起点就比较务实且可靠。它并不试图覆盖“世界的一切”，而是把边界直接画在“与科学研究相关的知识”：物理、化学、生物、数学、工程、地学等学科体系内的关键知识点与它们之间的依赖关系、推导关系、应用关系。

这里“知识”不是一篇又一篇的长条目，而是被拆成可以检索、可以交叉引用、可以串成学习/推理路径的结构化节点。平台强调每个节点都要在科学语境下能被验证（理论、公式、实验事实、上游假设、下游应用），并且是为“科研学习—研究使用”两个具体场景服务，而不是泛大众舆论场。

这意味着 SciencePedia 更像一个面向研究者、学习者的“科学知识工作台”，而非“全社会知识大图谱”。

内容组织方式：是“复述百科”，还是“学科建模”

Grokipedia：大量条目高度贴近 Wikipedia，但带着 Grok 的口吻

Grokipedia 的第一印象几乎不会让人迷路：深色 UI，但信息排布、导航逻辑、条目页结构都让人立刻联想到 Wikipedia。

媒体和用户对其内容做了最直接的对照，指出其中不少词条与 Wikipedia 的对应页面在篇章结构、段落表述乃至句式上高度相似，基本属于“重写/轻改”版本；平台本身会在条目底部注明“由 Grok 校验（fact-checked by Grok）”或“改编自 Wikipedia”，但并没有解释这种“校验”过程到底遵循什么事实核验标准。

还有更敏感的一点：当话题涉及到科学共识（例如气候变化）或公众人物时，部分条目在描述角度上与 Wikipedia 的主流表述出现偏移，更接近马斯克此前公开表达过的立场。这让外界质疑：所谓“去偏见”，会不会只是把偏好从 A 换成 B？

总结一下，Grokipedia 当前更像是“Grok 读过 Wikipedia 之后，用自己的腔调再讲一遍”。优点是信息成型非常快，历史/宏观背景类条目读起来还算顺滑；缺点是它并没有真正告诉你“这些知识之间是怎么互相指向的”，也没有把“这个说法到底能不能被验证”放在显眼位置。

SciencePedia：不是在“放词条”，是在“重建推理链”

官方描述里，它不是在做“整站式百科”，而是在搭“科学知识图谱”：

先按学科划分（物理、化学、生物、工程、材料、地学……），确保用户知道自己当前处在哪一门科学语境里；

再把这门学科下的关键知识点拆开；最后，用逻辑/因果/应用关系把知识点连成链路，告诉你：这个知识点为什么重要、它依赖哪些前提、它会影响哪些下游问题。

我们根据官方披露的信息推测 SciencePedia 采取的思路可以概括成三个关键词：长思维链、逆思维链搜索、人机协同进化。

（1）长思维链（Long Chain-of-Thought）

SciencePedia 试图还原“这个结论是怎么被人类一步步做出来的”。举例来说，当用户查看“量子纠缠”，系统不会只给出一句标准定义，而是沿着物理学的发展脉络展开：从 EPR 佯谬的提出，到贝尔不等式的推导，再到实验验证路径，最后延伸到量子计算中的具体应用。

也就是说，它展示的不是“答案是什么”，而是“答案是如何被建立并被验证的”。这一点，本质上是在把科学发现过程本身当成知识的一部分，而不是只保留终点结论。

（2）逆思维链搜索（Inverse Reasoning Search）

SciencePedia 基于约 400 万条“思维链”构建了一个深层逻辑网络，并用这套网络来回答“这个主题能通向什么”。

当有人检索“拓扑绝缘体”，系统不仅会呈现凝聚态物理中的拓扑理论基础，还会自动指向材料科学里的制备工艺、数学拓扑学中的关键概念，乃至量子计算中潜在的器件应用路径。

这相当于把“跨学科偶然灵感”转成“系统化导航”：用户可以看到一条知识线在不同学科间如何延展，而不是靠自己在文献海洋里碰运气。

（3）人机协同进化（AI + 专家共建）

SciencePedia 的知识更新并不是“AI 说了算”。它采用了双引擎机制：AI 负责从论文、教材、科研资料中抽取知识、初步重写和初步自检；专家委员会和贡献者社区负责仲裁、校正深度理解、标注争议点。这使得它把“可扩展性”和“科学严谨性”绑定在一起，而不是二选一。

官方披露的一些冷启动指标，能看出它在试图搭建的是一张可推理的科学知识网，而不仅是科普库：~400 万条思维链；覆盖约 200 个学科领域；拆解了约 24 万个知识点；还准备了 10 万+ 练习题，用来把“理解”与“掌握”接在一起，让学习闭环跑得起来。

这跟“把 Wikipedia 重讲一遍”是两个完全不同的产品哲学。

入口与可用性：你在跟百科聊天，还是在拿一张研究地图

Grokipedia：问答式入口，但导航的“下一步去哪”并不总是清楚

就目前公开的形态看，Grokipedia 更像是把 Grok 模型“固化”成一部在线百科：你可以像检索词条一样去查一个概念、一个人物、一个事件。

这种交互方式对普通用户是友好的，尤其是在需要快速了解背景故事、宏观脉络、历史争议的时候。但也存在两个现实问题：

1、答案依赖提问方式。如果你的提问比较模糊，Grokipedia 是否会给出模糊甚至带有立场的总结？已有媒体指出，其在人物、公共政策、科学争议等领域的表述有时带着明显的姿态化描述，这与它“要纠正别人偏见”的宣传口径形成了微妙反差。

2、可溯源性和可验证性仍然弱。 “fact-checked by Grok” 目前更像一句标签，而不是一套公开的验证流程；外界并不知道引用链路、实验数据、论文出处在系统内部是如何管理的。

简单说，Grokipedia 现在还是“AI 回答你”，而不是“带你走知识图”。

SciencePedia：从“学科—知识点”出发，把你放到正确坐标系里

SciencePedia 的入口更像科研训练营：用户不是随手抛一个问题，而是从“学科目录”进来，逐层下钻到具体知识点，再顺着“知识点之间的逻辑链路”往上游/下游探索。

这种设计有两个直接后果：

定位更明确。你不会搞不清楚“我现在看的这个知识，属于哪门学科，前提假设是什么”。对科研人员/研究生/工程师群体来说，这一点很重要——科研讨论很少是完全脱上下文的。

天然具备可扩展性。 当一个知识点后面挂的是建模假设、实验验证路径、典型应用场景，它其实是在告诉你：这些是可以检验、可以复现、可以继续算/继续做实验的，而不是一句“AI 说是这样”。

如果把 Grokipedia 的交互比作“我问你答”，SciencePedia 的交互更像“我在一张结构化知识图上移动”。

结语

读到这里，大家可能对 SciencePedia 与 Grokipedia 这两个产品有了比较清晰的认识。可以把这场对比理解成两个问题：

Grokipedia 试图回答的是：「AI 能不能把世界重新讲一遍，顺便纠正我不喜欢的叙事？」

SciencePedia 试图回答的是：「AI 能不能把科学知识拆成结构化、可复用、可验证的要素网络，并帮人沿着这张网络学习和推理？」

从产业角度，这两条路线不会互斥，但它们指向的用户群体已经明显不同：Grokipedia 面向的是“我想快速知道答案”的公众互联网；SciencePedia 面向的是“我想沿着这条物理/化学/材料链路走下去”的科研与工程人群。

如果我们把“AI 百科大战”视为起点，那么第一回合已经显露了分野：一个更像内容实验，另一个更像知识系统。长期来看，什么会更重要？也许不是“谁的条目数量更多”，而是“哪一套体系更容易被科研、教学和产业直接拿来用”。