对话斯坦福吴英成：下一代AI，要“蒸馏地球”

采访中，吴英成把自己正在做的事压缩成一句话：“上一代 AI 蒸馏的是互联网，下一代 AI for Science 应该‘蒸馏地球’。”

今天的 AI 已经可以快速阅读文献、分析数据、生成假说，但一旦假说需要回到实验台前验证，速度就慢了下来。移液、换液、培养细胞、等待、观察、记录——真实世界有重力、摩擦、污染和意外，也有大量没有写进论文的失败。

吴英成所谓的“蒸馏地球”，就是让 AI 离开纯粹的数字环境，进入实验室，通过与物理世界的交互产生新数据，再用实验结果修正下一轮判断。如果说机器人解决的是“怎样做实验”，那么“蒸馏地球”关注的则是实验与模型之间的关系：怎样让真实世界产生的数据持续进入模型。

他将这一路径概括为“Science for AI”。科学不只是 AI 的应用场景，也可以成为训练下一代模型的高质量环境。所谓面向前沿模型的 AI4S 数据基础设施，就是把假说、行动、实验反馈和失败轨迹，转化为模型能够学习、评测和验证的科学经验。他希望构建的“具身 AI 科学家”，也不是简单地给实验室添一双机械手，而是让提出假说、执行实验、获取数据和修正模型形成闭环。

几年前，吴英成还走在另一条路上。他曾在复旦大学接受临床医学和计算生物学训练，并在博士阶段以第一作者和共同第一作者身份在 Cell、Science、Nature 发表论文。2024 年，他开始将研究重心转向 AI for Science，吴英成目前是 PhAI Labs 创始人、斯坦福大学 AI4S 博士后。他正在尝试搭建一套面向 AI for Science 的数据与实验基础设施：让机器人进入生命科学实验室。

在他的叙述里，这次转向并不是与过去割裂，而是让早年的计算兴趣、医学训练和对科学问题的长期思考重新汇合。

这条从动作执行走向科学发现的路线，也已经被拆解到他参与的多项工作中：科学推理、机器人执行和多模态验证；他还与牛津大学尹榛菲博士、AINORO 团队等展开学术合作，从细胞培养切入，尝试把实验方案转化为机器人的长程操作……而它们的底层指向同一个问题：如何把科学过程转化为前沿模型可学习、可验证的经验。

他为什么愿意放下一条已经相对清晰的医学道路？AI 又要怎样从“读过世界”走向“做过实验”？围绕这些问题，DeepTech 与吴英成进行了一次对话。

离开一条常规的路

DeepTech：你在原来的医学道路上已经取得一些不错的成绩，是什么促使了你投身 AI 浪潮的转变？

吴英成：不是因为原来的路不好，恰恰是因为它太清晰了。博士阶段比较早取得一些成果后，我大概已经能看到，沿着原来的评价体系走下去会是什么样：

如果留在医院，大概会一步步积累临床经验，慢慢往前走；如果继续留在学界，也可能是踏踏实实做课题。这些都是很好的路，也都能实实在在地帮到病人。但对我自己而言，那条路大致会通向哪里，我心里已经有数；而我真正想做的，是一件现在还看不清终点、甚至可能改变科学发现方式本身的事。

我很认同李开复老师的一种思考方式。他的《世界因你不同》，书里有一句话我一直记着：“想象有两个世界，一个世界中有你，一个世界中没有你，让两者的不同最大，最大化你的影响力，这就是你一生的意义。”

这句话对我影响很深。如果继续走原来的路，我当然也能做有价值的事，但我感受不到那个差值足够大。我想找的是一件“如果我不去做，它可能就不会以同样方式发生”的事。认准这一点之后，放下一条已经铺好的路，对我反而不算一个艰难的决定。

另一方面，我对 AI 的兴趣也不是从 ChatGPT 才开始的。我从初二起参加信息学竞赛，很早就接触计算和编程；高中时又一度痴迷西方哲学，尤其喜欢斯宾诺莎和尼采。

斯宾诺莎让我相信，世界背后有一套可以被理解的秩序；尼采让我认定，人应该为自己真正相信的事情全力燃烧。可以说，就在那几年，我心里大致想清楚了这辈子要做一件什么样的事。也是从那时候起，我开始认真关注 AI。

后来我进入医学，但这条线其实一直没断：读博阶段做的就是计算生物学，始终在用计算的方式去研究生命问题。ChatGPT 出现以后，我确实被震撼了。

原来比较抽象的问题，开始变成一个具体的方向：All in AI for Science。回头看，早年的信息学训练、对世界的哲学追问，和后来的医学训练，刚好在这里汇到了一起。

DeepTech：很多人会把离开临床等同于放弃医学。你怎么看？

吴英成：我不觉得这是离开医学。过去做医生，是直接面对一个个病人；现在想做的，是加速科学发现，让新的药物、诊断和治疗更快出现。目标没有变，只是尺度变了。

我也不希望具身智能最后只用来叠衣服、分拣快递，或者替代一些重复岗位。如果机器人能进入实验室，帮助人类理解疾病和自然规律，它的价值会更大。让机器进入实验室、参与科学，最终改善更多人的福祉，这才是我愿意长期押上去的方向。

假说跑得越来越快，实验室接不住了

DeepTech：你把生物学的发展概括为几轮 scaling（规模化）。为什么你认为下一轮会发生在物理世界？

吴英成：生物学过去的重要进步，很多都来自规模化。早期一次实验可能只能观察一两个基因，后来有了测序技术，可以同时观察两三万个基因，这是检测能力的规模化。

再往后，智能体开始在数字世界里调用工具、完成长程任务。它可以读文献、分析数据、生成假说，把原本需要许多研究者投入的工作压缩到更短时间里。

但新的问题也随之出现：AI 产生假说的速度，已经远远超过湿实验能够承接的速度。数字世界可以在短时间内提出许多候选答案，到了物理世界，每个答案都要真正做实验、等结果。换句话说，限制科学速度的环节，正在从“想不出假说”变成“验证不过来”。真正卡住我们的，已经不再是智力，而是物理世界的通量。这个缺口只会越来越明显。

所以我认为，下一轮规模化会发生在物理世界。AI 不只在电脑里提出假说，还要进入实验室，完成实验、拿回结果，再继续迭代。只有这样，AI for Science 才真正形成闭环。

DeepTech：在你看来，一名“具身 AI 科学家”需要哪些能力？

吴英成：我们大致分成三个层级：

第一层是原子操作，例如识别耗材、抓取、开盖、移液和操作设备。它要求机器人在精度、安全性和可复现性上达到实验标准。设备可能损坏。

一支移液枪并不便宜，机器人不能靠反复损坏设备来学会操作。每一种原子能力都需要真实的交互数据，动作越精细，积累数据的成本就越高。换个角度说，具身智能真正稀缺的从来不是算法，而是这些只能在真实世界里一次次做出来、无法凭空生成的交互数据。

第二个层级是长程任务，也就是把原子动作有逻辑地组合起来，连续执行数小时。养细胞不是完成一次抓取就结束了，它包含观察、取放、移液、换液等一系列步骤，中间任何一步出错，都可能影响后续结果。

这不仅考验动作能力，也考验推理、记忆和纠错。而且在长达数小时的任务里，误差是会累积的：前面一步很小的偏差，到后面可能被逐级放大，最后导致完全不同的结果。这也是长程任务远比单个动作困难的地方。为了学习这类任务，系统还需要大量第一视角数据，理解一个动作之后环境发生了什么变化。

第三个层级是更复杂的跨空间协作。一项实验可能从细胞房开始，随后到另一间实验室处理样本，再做流式细胞术、PCR 或蛋白质印迹。它涉及不同房间、不同设备、多个机器人，甚至人和机器人之间的协作，步骤可能达到上千个。

到了这一层，只有机器人的第一视角还不够。系统还要从第三视角理解不同个体如何分工、交接和配合。它学习的不再只是“手该怎么动”，而是一间实验室怎样作为一个组织运转。短期来看，前两个层级有望通过持续积累数据逐步实现。第三个层级还很远，需要整个领域共同推进。

从细胞培养开始，把实验跑起来

DeepTech：在这条闭环里，你们为什么先从细胞培养切入？

吴英成：细胞培养相对标准化，而且在生物医药实验中占据很大比重，是一个适合建立闭环的入口。按我们的初步估算，它覆盖了药企和学术实验室相当一部分日常工作。先把这个场景做通，系统才能稳定地产生后续模型真正需要的数据。

这里的数据不只是实验终点，还包括模型当时面对的问题、采取的行动、环境状态、结果以及失败原因。说到底，我们要的不是一次漂亮的演示，而是一个能持续转起来的数据飞轮：实验产生数据，数据训练模型，模型再指导下一轮实验。

按照现阶段的测试，系统已经可以连续执行约两到三个小时的细胞培养相关任务。下一步希望继续提高长程执行能力，从几个小时延伸到数天，最终挑战以月为尺度的连续工作。只有这样，它才不只是在完成一次演示，而是能够源源不断地产生湿实验数据。

我们还有两条扩展路线：一条是提高场景覆盖率，让系统从细胞培养走向更多生物学实验；另一条是跨学科，把能力扩展到化学、物理、材料等领域。

我们初步梳理过 Nature、Science 等期刊论文中的公开实验方案，发现许多复杂实验最终都可以拆成约 70 类常见的原子任务。这个数字还需要继续校准，但它至少说明，实验室里的动作空间可能没有想象中那么无限。家庭环境充满偶然性，实验室反而高度结构化，许多设备、耗材和操作都有标准。这也是我们认为“通用 AI 科学家”有可能较早实现的原因。

我想象的场景是，科学家早上来到实验室，给系统一个任务，它可以自主规划并执行一系列复杂操作。人的时间不再主要花在重复劳动上，而是用来定义问题、判断什么值得做。

但最终目标也不只是把科学家的时间解放出来。机器人还应该参与科学发现：持续做实验、产生数据、训练虚拟细胞或其他世界模型，再根据模型提出的新问题进入下一轮实验。所谓虚拟细胞，是一类用于预测细胞状态、扰动响应和功能结果的计算模型；真实实验不断给它提供数据，它再反过来帮助提出下一轮值得验证的问题。

互联网记录了结果，却很少记录失败

DeepTech：你提出“蒸馏地球”。它与今天大模型的训练方式有什么不同？

吴英成：上一代 AI 在很大程度上蒸馏了互联网。如果用一句更直接的话说，互联网教模型描述世界，科学实验教模型干预世界。模型学习的是人类已经记录下来的知识、思考方式和经验。大家比较的是谁能获得更多数据、把数据清洗得更好。

但互联网本质上是一个存量：它是人类已经写下来的东西的总和，再大也有边界；而地球是一个增量，自然每时每刻都在生成新的、还没有被任何文本记录下来的答案。但自然规律并没有被完整地写在互联网上。疾病如何发生和发展，细胞受到扰动后会怎样变化，材料在不同条件下会出现什么性质——许多答案只能从真实实验中获得。

所以下一代 AI for Science 比较的，是谁能找到通向自然的 API。对我们来说，这个接口就是湿实验：规模化地做实验、采集数据，让“实验室在环”持续运行，再把其中的规律沉淀进模型。谁掌握了这个接口，谁就掌握了下一代 AI for Science 真正的数据源头：它不再是把互联网多爬一遍，而是直接向自然发起提问，并拿回只有真实世界才能给出的回答。

从这个角度看，我所说的面向前沿模型的 AI4S 数据基础设施，不只是收集实验结果，而是持续生产带有问题、假设、行动、反馈与归因的可验证经验。

“蒸馏地球”不是把地球上已有的文本再收集一遍，而是让模型走进物理世界，在一次次真实的交互里，把那些还没有、甚至可能永远不会被写进论文的规律，第一次变成可以被学习的数据。

DeepTech：真实实验数据昂贵，失败数据尤其难获得。为什么你反而很强调失败？

吴英成：论文和数据库通常记录成功结果，很少完整记录失败过程。但对模型来说，失败轨迹非常重要。一个科学家可能提出十个假说，最终只有两三个成立。剩下的七八个并非没有价值，它们告诉我们哪些方向走不通、在什么条件下会失败。对强化学习和模型后训练来说，这些数据能够提供负反馈，也帮助模型认识边界。

问题是，科学界长期更奖励成功。失败实验可能只留在纸质记录里，甚至只存在于研究者的记忆中。实验条件改了什么、哪一步出现偏差、为什么没有得到预期结果，这些信息很少被结构化保存。

这里面其实有两类工作。一类是回头整理过去的实验记录，包括手写笔记、研究者的口述和回忆；另一类是从现在开始改变记录方式，不再只保存最后的结果，而是保存实验的完整轨迹。前一类很难，但不能因为难就完全放弃；后一类则应该从系统设计的第一天就开始做。

所以从第一天开始，就要建立统一的数据协议。机器进入实验室后，不只是完成动作，还要记录成功和失败的轨迹：当时面对什么问题、基于什么信息提出了什么假设、采取了什么行动、环境发生了什么变化、最终结果如何，以及失败应当如何归因。只有把这部分“隐藏空间”留下来，模型才能真正从物理世界学习。

DeepTech：有些科学家认为，AI 可以执行任务，却很难真正创新。你怎么看？

吴英成：我不认为 AI 原则上不能创新。相反，我看到一些原来做科学研究、已经发表过很好成果的人，正在转向 AI for Science。这说明大家关心的已经不只是“让 AI 帮忙”，而是它能否改变发现本身。但他们的谨慎也有理由。今天至少还有三件事没有解决：

第一是科学品味。什么问题值得做，什么结果虽然新但并不重要，这种判断很难量化。如果未来能够把科学品味拆解成若干可评价的目标，模型才有机会学习。

第二是负数据。今天留下来的科学记录有很强的选择性，模型看到的是被筛选后的成功历史。

第三是数据基础设施。今天并不缺领域模型和垂直模型原型，虚拟细胞、蛋白质模型都有人做。真正的壁垒，是谁能稳定产生高价值、可验证的科学经验数据，并把它转化为前沿模型可直接使用的训练、评测和验证信号。没有这样的 AI for Science 数据基础设施，模型很难跨过从“读懂科学”到“真正做出发现”的最后一段距离。

这些问题解释了为什么今天的 AI 科学家还不够成熟，但不能直接推出“AI 不可能创新”。更准确地说，我们还没有给它足够完整的经验，也没有把人类科学家依赖的判断标准讲清楚。

AGI 不应只停留在聊天框里

DeepTech：你的个人主页上写着“I believe in AGI”。你相信的 AGI 是什么？

吴英成：我会比较粗略地把未来分成 AGI 之前和 AGI 之后。AGI 什么时候到来，没有人能够准确判断，但这种划分会影响我现在怎样做选择。很多人不理解我为什么不继续做医生，或者为什么愿意把已有的积累，重新押到一个更不确定、但可能更重要的问题上。对我来说，这些选择都是在为一种可能完全不同的工作和生活方式做准备。

今天的 AI 已经改变了我们的工作方式。很多时候，解决问题本身变得更容易，真正重要的是定义问题。但如果 AI 始终停留在聊天框里，它对真实世界的理解仍然不完整。而且我越来越觉得，只靠人类已经写下来的文本去喂养模型，进步是有上限的，这类数据本身正在见顶。

一个能自己动手做实验的 AGI，等于给自己接上了一条不会枯竭的数据来源：它主动向世界提问，再用世界给出的回答训练自己。在我看来，这才是通用智能能不能真正持续进步的关键，也是它必须走进物理世界的根本原因。

我想象中的 AGI 也不是单一模型，而是一个复合体。它需要世界模型理解环境，需要长程智能体规划任务，也需要在物理世界里执行、发现和自我改进。在我看来，衡量 AGI 的标准，不该只是它能回答多少问题，而是它能不能提出人类还没有问过的问题，再亲手把答案从物理世界里做出来。

会背诵整个互联网，和真正理解世界如何运转，并不是一回事，后者只能在与真实世界一次次的碰撞、试错和修正中长出来。也正因为如此，我不太担心 AI 只会模仿而不会创造：一旦它真正进入实验闭环，它面对的就是连人类也没有标准答案的问题。

科学是一个典型例子。AI 可以产生假说，但假说必须接受实验检验。实验结果可能推翻它，迫使它重新思考。经历这个循环，才意味着它不只是在复述已有知识，而是在获得新的经验。

DeepTech：如果把视线放到 AGI 之后，你会怎样想象那个世界？

吴英成：这只能是一种想象，不是准确预测。我觉得至少有两个方向。一个是物质会变得更丰富。自动化和具身智能如果大规模进入生产，许多商品和服务的成本可能继续下降。过去对普通人很昂贵的东西，后来可能只占收入很小的一部分。AGI 之后，这种变化也许会走得更远。

另一个是科学发现加速。以药物研发为例，数字世界里生成候选分子已经可以很快，真正耗时的是进入物理世界后的验证。如果实验也能够规模化，假说、实验和反馈形成持续循环，科学发现的周期可能被大幅压缩。

我不想把它说成一个确定的倍数，因为谁也不知道会快多少。但它至少说明了一点：AGI 不应该只停留在聊天框里。它还需要在物理世界中行动，并且从行动的结果中改进自己。

DeepTech：你对未来非常乐观，但也谈到 AI 最终可能超过人类，两者会矛盾吗？

吴英成：AGI 什么时候到来、又会以怎样的形态最终超过人类，说实话，没有人能够真正预测。有一种比喻是，人类和 AI 像两列速度不同的火车。最初人类在前面，AI 从后面追来；现在可能正处在两列火车接近、擦肩的阶段。等它跑到前面，我们也许就很难再看清它会去哪里。

这当然会让人害怕。但在它离我们最近的时候，我们仍然可以感受它、理解它，也尽力决定它被用来做什么。所以在我这里，乐观和担忧并不矛盾。恰恰因为它可能超过我们，眼下这段还能对它施加影响的窗口才格外珍贵。与其站在一旁等待一个不确定的结果，不如亲手参与，尽力把它推向真正对人类有益的方向。这也是我愿意押上全部去做这件事的原因。