今年的菲尔兹奖或许被视作“纯血”数学研究的绝响，因为未来的突破性研究，很可能都将由 AI 辅助完成。这一转变速度超乎想象。在菲尔兹奖的新闻发布会上，有人问及获奖者之一、加拿大数学家 Jacob Tsimerman 的下一步计划，他坦言自己已开始转向 AI 安全研究，即将加入 OpenAI 的安全部门。OpenAI 首席研究主管 Mark Chen 随即表示欢迎。顶尖学者正将 AI 公司视为实现抱负的平台。
近期，越来越多的顶尖科学家——包括数学家、物理学家、生物学家等——正涌入头部大模型公司。仅今年上半年，诺贝尔化学奖得主 John Jumper、经济学家 Chad Jones、哲学家 Harvey Lederman 等便纷纷加入 Anthropic。这背后是 AI 公司的共同策略：将科学家请进研发一线。AI 与前沿科学的深度融合，已从可选项变为必选项。
国内大厂亦在跟进。本周四，字节跳动 Seed Edge 团队发布 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，邀请他们共同探索基础科学未知。据公开信息，这是国内首个大规模投入 AI 加速科学发现的计划。
在大模型“下半场”，竞争焦点早已从跑分转向了长期基础研究。在以天为单位的快节奏竞争中，深耕长期基础研究不如打磨代码、刷高跑分直观——后者能快速转化为产品体验与商业收入，而基础研究的反馈周期漫长且充满不确定性。但一旦取得突破，其范式级价值将远超普通产品迭代。姚顺雨曾提出“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。这与 Anthropic CEO 达里奥的观点不谋而合：驱动 AI 进步的核心是算力、数据质量与规模、训练时长以及可扩展的目标函数，“所有聪明的方法和技巧其实并没有那么重要”。回看 Claude、Seedance 等真正的 SOTA 模型，背后无捷径可言，核心都在于早早锚定方向，在数据质量和底层架构上做扎实的基础工作。
今年，DeepSeek 推出的 mHC（流形约束超连接）架构被视为大模型基础架构领域的突破，也是 DeepSeek V4 的重要升级。值得注意的是，mHC 研究引用了字节跳动 Seed 团队提出的 Hyper-Connections（HC）。此前，残差连接作为 Transformer 的默认配置被广泛接受，而 HC 率先打破了这一范式，在几乎不增加计算量的前提下大幅提升了特征表达能力。从 HC 的开创到 mHC 的工程化落地，展现了中国 AI 团队在底层架构上的创新缩影。
去年初，字节 Seed 成立了名为 Edge 的团队，专注于高风险、短期难见成效的研究课题。为保障研究环境稳定，团队甚至调整了绩效考核周期——中间不设考核，有结果再统一考核。该团队低调运作，近期在 X 平台发布超长程评测集 EdgeBench，首次系统定义了真实环境下的 Agent 学习规律，并发现了环境学习维度的新 Scaling 定律，引发业内热议。据悉，OpenAI 正在接入该评测集测试自家模型的长程能力。构建基准需要长期投入，OpenAI 开源的 Evals 框架、Anthropic 针对代码（SWE-bench）和终端操作（Terminal-Bench）的专项评测，都是为了确立行业标准、暴露弱点，引导领域向更透明可靠的方向发展。
为什么各家 AI 公司都在争抢领域科学家？答案是：留给大模型的“题”已经不够难了。主流评测多围绕有标准答案的封闭任务展开，而真实科学研究逻辑完全不同：没有清晰路径，需自主假设、设计验证、处理噪声、推导机制，充满试错与不确定性。真实世界任务才是检验 AI 的最终标准。继预训练 Scaling、测试时 Scaling 后，“在真实开放环境中持续交互学习”被视为下一个核心 Scaling 方向。因此，全球 AI 团队不再闭门造车，而是引入各学科专家，让真实领域问题成为模型进化的牵引力。
在北美，近期众多高校研究人员加入大模型公司。7 月初，伯克利 EECS 系主任 Jelani Nelson 宣布休假并加入 Anthropic。今年以来，至少有 22 名斯坦福、伯克利、哈佛等高校的教授及研究人员转入 OpenAI、Anthropic、DeepMind 和 Meta。这些大牛背后是成体系的项目。OpenAI 的 Residency 项目面向非 AI 领域人才，相当于“加速版博士训练”，ImageGPT、Codex 等项目均有其深度参与。Anthropic 则扩充了 STEM Fellows Program，邀请物理、生物、数学等专家入驻，利用 Claude 模型测试相稳定性推理、大气建模等专业领域。驻场期间，超过 80% 的研究员产出了高质量学术成果，这些反馈直接推动模型进化。
这类项目的价值早已超出科研本身，AI 公司将争抢领域科学家视为与争抢算力同等重要的事。对科学界而言，大模型正成为新的科研基础设施，重塑科研范式。受邀进入大模型团队，意义不亚于天文学家获得了下一代超级望远镜的使用权。科学家获得算力与“外脑”，聚焦于定义问题；公司获得真实世界的反馈与突破点。而在国内，字节 Seed 正率先补齐 AI 与基础科研交叉领域的空白。
AI 的终局在于长期主义。当菲尔兹奖得主加入 OpenAI，当科学家与模型团队深度协作，AI 的下一阶段竞争正从短期产品迭代转向更长期、更复杂、更前沿的基础命题。科学进展需要长期主义，AGI 的实现亦然。