今年的菲尔兹奖或许被视为最后一届纯粹依赖人类智力的奖项——未来的突破性研究，极有可能需要与人工智能深度融合才能完成。这一转变的速度甚至超乎想象：就在菲尔兹奖的新闻发布会上，当被问及获奖者之一、加拿大数学家 Jacob Tsimerman 的下一步计划时，他表示自己已开始转向 AI 安全研究，即将入职 OpenAI 安全部门。OpenAI 的首席研究主管 Mark Chen 随即表示热烈欢迎。顶尖学者已将头部 AI 公司视为实现抱负的理想平台。近期，越来越多的顶尖科学家，包括数学家、物理学家和生物学家，纷纷流向大模型头部企业。仅今年上半年，诺贝尔化学奖得主 John Jumper、经济学家 Chad Jones 以及哲学家 Harvey Lederman 等人便相继加入 Anthropic。这一趋势的背后，是顶尖 AI 公司不约而同地将科学家引入研发核心，推动 AI 与前沿科学的深度融合，使其从可选项转变为必选项。
国内的大模型厂商也在加速跟进。本周四，字节跳动 Seed Edge 团队发布了 Seed STEM 科学家计划，开放 100 个合作席位，面向数学、物理、化学、生物等领域的科学家和博士生，邀请他们与 Seed 共同探索基础科学中的未知问题。从公开信息来看，这是国内首个大规模投入 AI 加速前沿科学发现的计划。
大模型的下半场，竞争的核心早已不再是单纯的跑分。在当下 AI 领域以天为单位的快节奏竞争中，深耕长期基础 AI 研究，往往不如打磨代码能力、刷高评测跑分来得直观。后者的提升可以快速转化为产品体验与商业收入，而基础研究和 AI 加速科学发现的反馈周期漫长，探索路径充满不确定性。然而，一旦在这条路上取得真正的突破，其带来的范式级价值将远超普通的产品迭代。姚顺雨此前曾提出一个观点：大模型训练没有魔法，真正的挑战在于把最基础、确定能做对的事情做对。这一判断与 Anthropic CEO 达里奥长期持有的观点不谋而合——驱动 AI 进步的核心要素始终是算力、数据质量与规模、训练时长以及可扩展的目标函数，技巧和花招其实并不那么重要。回看 Claude、Seedance 等真正的 SOTA 模型，背后并无捷径可言，核心无不是早早锚定方向，在数据质量和底层架构上投入了大量基础工作。Anthropic 聚焦模型代码能力，通过强化学习让模型通过反复试验自主生成高质量代码，形成自我加速的进化飞轮；在视频生成领域，Seedance 通过创新的模型架构和精密的数据处理，将 AI 视频生成从随机的实验变成了可控、具创造性的工业级生产工具。可见，决定模型能力上限的，从来不是技巧的堆砌，而是把数据做扎实、把基础结构做稳，同时保持战略定力与足够的耐心。
这种长期主义在如今的环境里并非易事，但国内大模型赛道上，已有越来越多的公司愿意沉下心来走这样难而正确的路。今年，DeepSeek 推出的 mHC 架构（流形约束超连接）被认为是大模型基础架构领域的一项突破，也是 DeepSeek V4 的重要升级，取代了传统的残差连接。值得一提的是，mHC 研究引用了字节跳动 Seed 团队提出的 Hyper-Connections。在此之前，残差连接作为 Transformer 的基础骨架被普遍视为默认配置，而 Hyper-Connections 率先打破了这一单流范式，在几乎不增加计算量的前提下大幅提升了模型的特征表达能力。从 Hyper-Connections 的开创性提出到 mHC 的工程化落地，展现了中国 AI 团队在底层架构领域的创新能力。去年初，字节 Seed 专门成立了名为 Edge 的团队，专注于确定性较低、短期难以看到成果的研究课题。为了给研究者提供稳定的环境，团队甚至调整了绩效考核周期，中间不设考核，有结果后再统一考核。该团队成立后一直较为低调，前不久在社交媒体上发布了超长程评测集 EdgeBench，在业内首次系统定义了真实环境下的 Agent 学习规律，发现了环境学习维度的新 Scaling 定律，引发了业内热议。据悉，OpenAI 也正在接入该评测集测试自家模型的长程能力。在 AI 领域，构建 Benchmark 需要投入漫长的周期和大量人力。为先进的 AI 能力设计并开源基准测试，不仅是为了衡量自身进展，更是通过确立行业标准、暴露模型弱点，引导整个领域向更透明、更可靠的方向发展。顶尖 AI 实验室对此投入巨大。OpenAI 开源了 Evals 框架，成为业界评估大语言模型和基于 LLM 系统的标准化工具，并设计了 SimpleQA、BrowseComp、MLE-bench 等专用基准。Anthropic 围绕 SWE-bench 做了大量工作，明确了 Claude 的代码能力长板，并发布了 Terminal-Bench，用于衡量 Agent 在真实命令行环境中完成长链路任务的能力。这些评测工作与各家模型能力长板之间的关系并非偶然，反映了前沿 AI 团队对 AI 发展路径判断的转变：大模型的能力进化已走出单纯依赖参数与数据堆叠的预训练红利期，下一阶段的核心增长动力，必然来自模型在真实开放环境中的持续交互、反馈与自主进化。基础科学的前沿正是这种开放未知场景的最高形态。字节刚刚发布的 Seed STEM 科学家计划，正是为了与科学家一起识别和突破研究级问题，探索 AI 加速科学发现的可能。
为什么要与科学家合作？答案是现在留给大模型的题目已经不够难了。如今主流的模型评测体系大多围绕有标准答案的封闭式任务展开，题目有确定解，评测有固定标准，模型能力的提升路径清晰。但真实的科学研究完全是另一套逻辑：它没有清晰的解题路径，需要研究者自主提出假设、设计验证方案、处理异常与噪声数据、推导底层机制，全程充满试错、反复与不确定性。真实世界的任务才是检验 AI 模型能力的最终标准。继预训练 Scaling、测试时 Scaling 之后，行业普遍在寻找下一个 Scaling 方向，「在真实开放环境中持续交互学习」正是最被看好的路径之一。因此，全球 AI 顶尖团队在研发前沿模型时，已不再只靠 AI 团队闭门打磨，而是引入各学科的顶尖研究者，让真实的领域问题成为模型能力进化的牵引力。
在北美，近期有很多高校研究人员陆续加入大模型公司。7 月初，伯克利 EECS 系主任 Jelani Nelson 宣布学术休假并加入 Anthropic。今年以来，至少有 22 名教授和研究人员暂时离开或减少在斯坦福、伯克利、哈佛等高校的工作，转入 OpenAI、Anthropic、DeepMind 和 Meta。这四家公司目前至少聚集了 80 多名现任或前任大学教授。大牛陆续加入的背后，还有成体系的项目。在 OpenAI，Residency 项目已成为每年常态化的高端人才吸纳通道，明确面向「目前不以 AI 为主要研究方向」的人才，让参与者从第一天起就加入前沿应用和研究团队进行实战合作。该项目相当于「加速版博士训练」，能帮助跨领域专家快速完成学科融合。ImageGPT、Codex 等多个里程碑式项目中，都有驻场研究员的深度参与。而 GPT 系列模型在数学推理、生物机制推导上的科研能力突破，也离不开这类跨学科人才的持续输入。在 Anthropic，专门针对科学、技术、工程和数学领域专家的 STEM Fellows Program 在 2026 年进行了系统化和大规模扩充。该项目为期几个月，专门邀请物理学家、生物学家、数学家、经济学家等非 AI 领域顶尖专家进入 Anthropic 内部。他们可以带着自己领域的未解难题或复杂工作流，直接使用还未公开发布的 Claude 模型和内部评估工具。材料科学家会为 Claude 构建相稳定性推理的专属评测流程，气候科学家会把专业大气建模工具与模型深度打通。驻场周期内，超过 80% 的研究员都产出了高质量学术成果，这些来自真实学科的反馈直接成为模型迭代的训练信号，也推动了 Claude 在科研推理、复杂工具调用上的进化。这类项目的价值早已超出科研本身，顶尖 AI 公司纷纷把争抢领域科学家放在了和争抢算力同等重要的位置。
当然对科学界而言，合作同样价值巨大。大模型正在成为新的科研基础设施：从公式推导、数值模拟到海量文献与实验数据的分析，AI 正在重塑科研的范式，让过去受限于人力与算力难以推进的课题成为可能。受邀进入大模型团队参与驻场研究，意义不亚于天文学家获得了下一代超级太空望远镜的独家使用权。这类项目能为科学家带来诸多优势，不仅能获取大量 AI 算力、前沿模型的体验，还可以利用 AI 作为「外脑」，将精力转移到定义问题本身上。对于这些涌入 Anthropic 和 OpenAI 的科学家来说，这样的深度协作既是科研效率的放大器，也是撬动新发现的杠杆。而此刻把视野转回国内，我们发现 AI 与基础科研交叉领域的空白，正在由字节 Seed 率先补齐。
AI 的终局，拼的是长期主义。当菲尔兹奖得主决定加入 OpenAI，当越来越多的 STEM 科学家开始和模型团队走到一起，AI 的下一阶段竞争，正在从短期产品迭代、榜单跑分和单点任务突破，转向更长期、更复杂、更前沿的基础命题。科学研究之所以关键，因为它本身站在人类知识的最前沿。如果能在这类高复杂度的开放环境中站稳脚跟，就意味着下一代 AI 真正具备参与真实复杂任务的能力。这条路难以很快交出亮眼答卷，也很难在短期内形成清晰的商业闭环。它慢、重、充满不确定性。但也正因为如此，它才最能检验一个团队是否愿意真正沉下心投入基础、投入前沿。大模型最终要交出的答卷，是能不能和人类一起推进那些尚未被解决的问题。科学的进展需要长期主义，AGI 的实现也一样。