AI没空取代你，它正忙着拿诺贝尔奖——投资笔记第235期

纪源资本·2025年11月03日 14:08

诺贝尔奖，正在被AI改造，迈向与AI协同的未来。

当我们还在纠结AI会不会取代人类时，它已经在科学最高殿堂——诺贝尔奖上拿到了桂冠。

2024年诺贝尔化学奖，AI作为研究方式登场，直接致力于实现现实世界的应用，获奖者也包含几位走在最前沿的年轻AI研究者；

2024年诺贝尔物理学奖，AI是核心与研究方向，获奖者也被称为“AI之父”，获得物理学奖的原因，更像是在AI的探索中借鉴了物理学原理；

2025年经济学奖，研究结果将与AI相结合，以更高效的方式，帮助人们了解和预测当今人类社会最重要的话题——经济；

2025年物理学奖，研究结果将辅助AI发展，直接提升AI算力，让更多人的AI梦成真。

当AI for Science（AI助力科学）成为主流，在全球各国都在推进“科学AI平台”、努力让AI参与基础科学研究的今天，AI材料发现、AI药物筛选、AI气候模拟这些综合研究只会越来越普遍，而与AI相关的研究成果、获奖者与获奖案例，也只会越来越多。

诺贝尔奖的“失误”？

AI专家得了物理学奖

2024年诺贝尔奖明显成为了AI时代的分水岭——物理学奖和化学奖分别颁给了人工智能领域的研究者，这预示着AI已经从工具走向科学本身。

物理学奖颁给了Hopfield和Hinton，化学奖则颁给了DeepMind的Hassabis和Jumper，以及华盛顿大学的Baker。

两个奖项的路径各有特点：物理学奖奖励了AI理论基础的奠定，化学奖则奖励了AI在科学中的实际应用。

先看物理学奖。Hopfield网络（类似大脑记忆方式的神经网络）提出于1982年，是最早的人工神经网络之一，它的核心是“联想记忆”：给网络一个模糊或不完整的输入，它便能够恢复出最接近的完整模式。

之所以获得了物理学奖，源于Hopfield借助了物理学工具例描述神经元间的协作，用“能量最小化”解释网络如何自我修正。正是这种物理类比的方式，使AI的理论框架第一次可以用方程描述、用优化求解。

通常，诺贝尔奖会奖励于在一个理论脉络上奋斗的几位卓越科学家，他们由于研究成果被肯定，例如在理论科学中或现实应用中被认可，并且为后世带来巨大影响而获得殊荣。换句话说，同一届的获奖者更像是一棵藤蔓上的多个果实，与Hopfield一同获奖的是玻尔兹曼机之父Hinton。

Hinton将Hopfield网络思想进一步发展，创造了玻尔兹曼机——一种能够自主发现数据特征的生成AI模型。他用统计物理方法训练网络，让机器在给出的示例之下学习数据规律，进行分类、生成新样本。这就像是在很多猫图像中，自己找出“耳朵”“胡须”等共通特征，并且分析出它们与猫的关系。这套思路直接催生了深度学习，也为后来的卷积神经网络、注意力机制奠定了理论基础。

后来，Hinton有了另一个称谓：深度学习之父。

在Hopfield和Hinton呈现出研究成果时，AI还不叫AI，甚至不叫“深度学习”。诺贝尔物理学奖委员会为此还特别强调，Hopfield和Hinton的研究奠定了现代AI的基础，使计算机能够自主发现数据模式，从而推动了AI全面发展。这也是首次AI研究以物理学奖的形式获奖，历史上此前从未有“AI奖”，AI研究者通常拿到的是计算机领域的国际最高奖项——图灵奖。

再来看2024年的诺贝尔化学奖。与物理学奖截然不同，它奖励的是AI在科学中的落地应用。获奖者中，Baker的工作属于传统计算生物学，通过Rosetta系统进行蛋白质设计；Hassabis和Jumper的AlphaFold2则是纯AI成果。

AlphaFold是一个AI圈大名鼎鼎的名字，它解决了50年来困扰科学家的蛋白质折叠问题：从氨基酸序列预测蛋白质三维结构。在传统实验方法下，这个过程可能耗时数月到数年，而AlphaFold2在几分钟内即可完成预测，准确率接近实验结果。

诺贝尔奖授予的都是“过去式”，不会有人当年推出成果当年就得奖。AlphaFold2在2020年发布，获得诺奖是在2024年。在诺奖史上，从发布到获奖，即成果被充分验证只用了4年，已属罕见。AlphaFold2出现的前两年，虽然震惊科学界但仍被人们质疑，第三年开始，它的数千个实验室验证准确率超过90%，接着它在医药研发、新材料设计等领域开始被重度依赖，因此获得了诺贝尔奖的青睐。

2024年诺贝尔物理学奖和化学奖，双奖同时拥抱了AI，其实消解了很多人的猜想：人们曾认为AI只能是工具，不能是方向，更不能像个“科学家”那样被真正尊重。

诺贝尔奖与AI的“间接”牵手

2024年物理学奖与化学奖与AI的直接牵手，其实引起了很大的争议。2025年的诺贝尔奖看似没有奖励于将AI作为方向或作为研究核心的科学家，但其实经济学奖与物理学奖也已经悄悄地打上了AI的烙印。

2025年诺贝尔经济学奖授予Mokyr、Aghion和Howitt，以表彰他们在创新驱动型经济增长理论方面的开创性研究。他们的课题是揭示技术创新如何推动经济发展，尤其是在“创造性毁灭”的框架下：旧技术被新技术取代，从而带来生产力提升。

Mokyr侧重于经济史研究，Aghion和Howitt则发展了理论模型。但他们的研究成果将直接为AI应用提供理论基础。甚至，我们可以说，他们的研究成果是为了让人们真正驾驭，而不是屈服于AI。因为被视为当下推动“创造性毁灭”的核心技术，不是别的，就是AI。

这几位科学家虽然盯着人类经济，但其实最关注的还是AI。获奖者Aghion在获奖后立刻表示，准备将部分奖金用于AI研究，探索AI如何加速技术创新和提高生产力，并且处理AI可能带来的就业或垄断问题，让人类的AI梦，不会是一场噩梦。

而2025年诺贝尔物理学奖的获得者Devoret、Martinis和Clarke，则希望自己的成果让人们实现AI算力提升的美梦。

他们的获奖成果，乍一看，与AI八杆子打不着。三位科学家通过超导电路实验，证明了即便是“宏观系统”——由大量粒子组成、可用手握住的电路——也可以表现出量子力学效应，如隧穿和能量量子化。

这一突破为可控量子比特（量子计算机的最小信息单元）奠定了物理基础，而量子比特是量子计算机的核心元件。量子计算机又是提升AI算力的关键平台，能够在特定任务上超越经典计算机（即人们口中的量子霸权）。换句话说，这个发现为训练大规模模型和解决高复杂度优化问题提供了潜力。

这项研究，归根到底，是AI时代量子技术生态的重要环节。其实人类如今对于微观世界的探索，对于量子计算的追求，醉翁之意不在酒，在于对AI的推动。

可以说，2025年的诺贝尔奖仍然体现了学术界对于AI的重视。或者，我们可以认为，AI的存在已经让人无法忽略，越来越多的理论、应用与基础科学研究都将与它形成互为支撑的循环。

被AI“改造”的诺贝尔奖

可以说，AI的进步也让诺贝尔奖完成了“自我突破”。2024年诺贝尔化学奖获得者Hassabis本身是神经科学与AI博士，Jumper的研究方向也是机器学习/计算生物学。他们都不是化学出身。物理学奖获得者Hopfield博士为物理学背景，而Hinton的研究方向是AI/神经网络。

Hassabis、Jumper、Hinton这几个人是太典型的AI领域专家，而不是物理学界与化学界的泰斗。也因此，诺贝尔奖的“叛逆感”太强了。奖刚颁完，各国社交媒体出现很多质疑：

“两位大佬直到今天才知道，原来他们搞了一辈子的是物理。”

“计算机也算物理学的话，那能算上物理学的东西可太多了！”

“原来是化学奖是半个生物学奖（诺贝尔没有生物学奖），现在物理学奖也要被计算机分走一半了吗？”

这些质疑其实值得理解，因为AI研究者并非没有自己的奖项，他们有图灵奖。而且2024年物理学奖得主Hinton在2019年刚刚获得了图灵奖。

诺贝尔奖在AI的影响下，第一个创新便是“跨界”。第二个创新是，它使得科学家从推出成果到获得诺贝尔奖所需要的时间越来越短了。

AlphaFold2在推出之后选择了开源策略，而开源恰恰是当今AI业界极为推崇的行事风格：全人类成果共享，以最快的速度共同进步。以往科学周期是：发现→验证→应用→认可，需要十年到几十年。DNA双螺旋、量子点等发现往往在发布的几十年后才获奖。但AI时代的周期完全不同：发现=应用=传播，通常1–3年即可完成。AlphaFold2的两位缔造者从披露成果到获奖，仅用了4年时间。

而这就使得诺贝尔奖获得者的年龄可以更小。Hassabis于1976年出生于英国伦敦，目前是谷歌旗下DeepMind首席执行官兼联合创始人；Jumper则是1985年出生于美国小石城，目前是DeepMind高级研究科学家，几乎是近70年来最年轻的诺贝尔奖获得者。

诺贝尔奖的第三个创新是获奖者不再局限于传统学科背景。传统上，诺贝尔奖获奖者大多属于学科内部，获奖者也只是小范围里面的名人。而如今，算法能力本身也成为了获奖的核心。在2024年化学奖中，Hassabis和Jumper均来自DeepMind；2025年物理学奖获得者Devoret是Google Quantum AI硬件首席科学家之一，Martinis曾长期任职Google的量子硬件团队负责人。

当然，谷歌并不能因此宣称自己“培养出”了诺贝尔奖获得者，因为Devoret虽然是谷歌出身，但其实在他获得诺奖的成果推出的时候，他还在耶鲁大学实验室工作。换句话说，谷歌之卓越，在于慧眼识珠，并且敢于招募真正手持硬科技的科学家。不过，但能够让诺贝尔奖与谷歌这个超级IP挂钩，已经使得诺贝尔奖“出圈”了。

当今科技圈，AI是配角也是主角。它辅助了科学家们的大规模数据处理、复杂模型训练、自动化特征提取、优化控制和自动化实验等。同时，杰出的AI领域专家也可以抱有希望，向着获得诺贝尔奖这一全球学术最高、知名度最高的奖项冲击。