AI正在吞噬科学：最新结果到底说明了什么

这篇论文是国家经济研究局工作论文第35782号，标注日期为2026年9月，9月29日挂上该局网站。作者Matthew Schwartz、Isaiah Andrews和Jesse M. Shapiro说，这套流程先尝试复现一篇文章的原始计算，再检查结果与已发表结论之间的差异，然后运行自动化的敏感性分析。

他们从五本经济学刊物取来4452个已发表的复现包，在3460篇文章或其附录里标出了差异。这并不是说大多数经济学研究是错的，而是说自动重跑与印刷结果对不上的频率有多高。原因可能是代码笔误、版本不匹配，也可能是一个没有写进论文的选择。同一篇论文还给出另外两个数字。在496篇文章中，这套流程把某项计算的计算时间缩短了10倍以上，准确度相当或更高。在923篇文章中，它给出了原文没有的扩展，并且与原文的目标和假设一致。

论文自己写明的利益关系

在引用这些结果之前，有一段披露值得先读。这篇国家经济研究局的论文写明，文章的分析和写作过程中使用了LLM。Schwartz曾以合同工身份为Anthropic工作，论文声明其结果和观点未获Anthropic背书。Shapiro过去曾在微软新英格兰研究院担任有偿访问研究员，为FutureOfCapitalism担任有偿顾问，并因写作从《纽约时报》获得报酬。这比这一领域的大多数公告都要透明，而透明是双向的：读者可以据此权衡其中的利益冲突，而这些冲突是真实存在的。

数学家们在争论同一件事

9月29日发表的两篇文章从纯数学一侧切入这个问题。Dan Romik在博客中写道，在OpenAI宣布解决纳维-斯托克斯问题之后，数学家们对自己还剩下什么角色感到焦虑。他引用Scott Aaronson对此的反应，那是一串字母A，随后论证这种焦虑的解读是错的。

数学研究是一个反馈回路，它不断产生新知识：重新审视、消化和提炼已有知识，并试图加以改进，Romik写道。

他的技术性主张比标题式的说法要窄。在现有语料上训练的AI模型可以生成定理，用他的话说，这些定理与人类已生成的知识只差一步，而且生成速度比人快。他认为它们做不到的是反观这些产出、简化它、提取出一个证明为什么成立，并把其中的想法推广到可以复用。他预测，一个自主系统如果放任不管，会在第一波之后停滞，淹死在自己的产出里。Stephen Wolfram在9月28日写成、9月29日发表的一篇长文中提出了相关论点。他写道，现代AI首先是一种调用人类已有知识语料的方式，而纯数学的核心是人的想象力在决定该问什么问题。Wolfram还划出了AI与计算之间的界线。按他的说法，AI挖掘的是人类已经生产出来的东西。计算从一个规则出发运行它，产生的是不可归约的新结果，他把这一性质称为计算不可归约性。

产业层在同步推进

这些研究结果出现的同时，商业公告已经把自主研究当成一项产品功能。CoreWeave在9月29日发文介绍了ARIA，这是一个内置于Weights & Biases的编程智能体。它读取团队的实验，形成假设，写出配置并通过W&B Launch启动运行，然后把结果与基线比较并起草一份报告。

该公司说，ARIA生成的是可共享的W&B工作区、面板和报告，而不是返回文字，并且已在Weights & Biases移动应用中提供。页面顶部的一行说明显示，这篇文章最初于7月29日发表在W&B博客上，而CoreWeave自己的网站以9月的日期收录了它。甲骨文在9月29日也有类似动作，发布了Fusion Claw，一个用于其Fusion Applications的受治理智能体执行运行时。该公司说已有25个由Claw驱动的智能体应用可用，属于75个应用的组合的一部分，该运行时把前沿模型与企业级的确定性计算结合起来，并以Outcome Receipt作为可审计的运行记录。甲骨文的公告引用了公司CEO Mike Sicilia的话。新闻稿称，这些系统运行在甲骨文云基础设施上，由Gemini和OpenAI等前沿模型驱动，并计划支持其他模型。

硬件则从能耗一侧追赶同一个问题。Efficient Computer在9月29日说，它完成了由TQ Ventures领投的9700万美元B轮融资，累计融资额达到17300万美元，估值65000万美元。CEO Brandon Lucia写道，该公司的处理器能效比传统CPU架构高出10到100倍，并正在为嵌入式物理AI系统量产Electron E1。这一说法来自该公司自己的博客文章，本文未做独立核实。

能源、水，以及被要求接纳它的地方

算力建设有它的地理分布，而地理分布有它的政治。CBC新闻9月29日报道，纽芬兰与拉布拉多省能源部长Lloyd Parrott在9月中旬关于丘吉尔瀑布协议的特别会议上对议会说，本省的大门是敞开的。该部门发言人Brodie Thomas向CBC证实，政府已被企业就数据中心一事接洽，并称涉及商业敏感内容的讨论不便置评。CBC引用写过一本数据中心著作的Paris Marx的话，问他：在可能有更好用途的情况下，把这些电给数据中心是否合理。TechNL的CEO Andrea King对这家广播机构说，拉布拉多符合项目方看重的条件，低碳水电、寒冷天气和土地，但这本身并不能让一个项目变成好主意。

这场争论不只在加拿大。CBC指出，Meta计划在阿尔伯塔省斯特金县建设的数据中心预计耗资130亿美元，将在两到三年内上线，新斯科舍省省长Tim Houston则对任何项目方提出了五项先决条件。这一切背后的能源算术既老派又不时髦。David MacKay的Sustainable Energy Without the Hot Air网站最后修改日期是2015年8月29日，至今仍是信封背面的标准算法，这个页面在9月29日仍被翻出来。

更新的版本来自Hannah Ritchie，她9月29日在自己Substack上发了一篇关于电气化的分析。她梳理牛津大学教授Nick Eyre的数字后写道，转型完成后的全球终端能源需求从416艾焦降到247艾焦，低了约40%，而电力需求从110艾焦升到189艾焦。她写道，电动车把大约80%的能量转化为运动，汽油车只有20%。该模型假设所有未电气化的部门都使用氢能，她指出这是一个简化。

这一周到底确立了什么

这里没有任何东西表明AI已经取代了研究者。国家经济研究局那篇论文讲的是复现的工作流程，不是关于发现的断言。Romik的论证是预测，不是结果，他自己也明说他认为我们还没进入那个世界。Wolfram那篇是随笔。这一周真正确立的是：已发表成果的自动化复现与扩展工具如今已经公开存在，它们在大规模语料上的出错率高到值得在意，而搭建商业基础设施的人推销自主性的时间表，比思考自主性究竟为了什么的人短得多。