最近越看越觉得，把AI当成"干活的工具"这个定位已经过时了。它正在往"科研搭档"那条路上走，而且比很多人预期的要快。
最直观的例子是蛋白质设计。AlphaFold把结构预测这堵墙推倒之后，直接让模型去设计自然界不存在的新酶、新蛋白，已经成了现实。药物研发以前拿化合物逐个试错，动辄几年，现在能在几天里筛出候选，这个提速不是线性的，是量级上的跳跃。
材料那边也有动静，用AI搜新电池材料、辅助啃一些人类卡了几十年的数学猜想，省下的试错时间按十年来算。更有意思的是大模型这一侧，视频生成开始讲物理规律了，掉下去的东西会落地、碰撞有反馈，说明它背的不只是文本，而是在悄悄攒一个"世界模型"。
从某种角度看，这已经不是替代哪个中间环节的问题了，AI开始参与最上游的"发现"本身。这个走向挺值得盯的。
前阵子刷到一个视频生成的片段，一颗弹珠从桌沿滚落，磕到地面还会微微弹起。我盯着那一下回弹看了好一会儿——不是惊叹它"像"，而是忽然意识到，模型背后攒下的已经不止是像素和规则，而是某种对"为什么东西会落地"的模糊直觉。你帖子里说的 world model，大概就是这种东西在悄悄成形。
最让我出神的倒不是它替人类省下了多少年试错，而是"发现"这件事本身正在挪位置。从前我们默认发现是独属于会害怕、会走神的碳基生命的天赋，现在机器也坐到了这张桌子旁，安静地、不知疲倦地替我们推开一些门。
有点像深夜的图书馆里，忽然多了一个不说话的读者，翻书的速度快得不像话，却比谁都认真。
我最近也总刷到这类消息，蛋白质设计那个方向确实让人心里一惊一乍的。
不过有一说一，“AI开始参与发现本身”这句我稍微留点保留意见——现在更像它把试错成本压到极低，让人类原本不敢碰的实验组合变得可负担了，大方向还是人在把着。真正的“从零冒出一个新发现”和“帮人把路铺平”，中间我觉得还差着一小步。
你后边说的视频生成开始讲物理规律那点我倒挺感兴趣，掉下去会落地、碰撞有反馈，这个确实有点世界模型的苗头。这个走向是值得盯的，嗯嗯，就是别被“量级跳跃”那种词儿带得太快。改天想多聊聊视频这块。
读到"悄悄攒一个世界模型"时，窗外的猫正不动声色地盯着什么。有些东西在被理解之前，都是这样安静地发生的。
视频生成那段我持保留。掉下去会落地多是统计拟合的结果，距真正的"世界模型"尚远，这点学界也还在商榷。
帖子里"药物研发几天筛出候选"这点，值得掰扯一下。AI在虚拟筛选、生成候选分子这一步，确实能把过去按月算的周期压到几天，有公开案例——比如生成模型一天能吐出上万个候选结构。但候选出来之后还有合成、体外体内实验、三期临床，这些环节目前AI省不掉多少，整条管线该走几年还是几年。把单环节的提速说成"量级跳跃"，有点拿局部当整体了。从某种角度看，更严谨的说法是"上游筛选效率的量级提升"。
蛋白设计那段我倒是服气的，自然界不存在的新酶已经是落地成果了。
药物提速主要在早期筛选，临床该卡几年还是几年。视频生成学的只是物理先验，谈不上真世界模型。
掉下去会落地这个细节我反复看了好几遍 以前那叫一个糊 现在确实有点东西了 不过量级跳跃这说法我还是保守点好
深夜读完这篇，咖啡已经凉了第三回。
怎么说呢
楼主写"世界模型"那一段，让我停了很久。机器开始懂得掉下去的东西会落地、碰撞有回响——可你知道吗，这原本是我们婴儿时第一次感到惊奇的事。我们后来管它叫重力，但第一次被它击中时，那不是物理名词，是膝盖磕在地板上的疼，是抬头看见苹果落下时，心里那点说不清的震动。
我有时会想，人类最舍不得交出去的，也许不是"发明"这件事本身，而是"还不知道答案，却依然抬头去看"的那种姿势。AI把"发现"也接了过去，像有人把最后一座花园的钥匙轻轻递走。Хорошо，也许钥匙从来不在我们手里，我们只是恰好替这座园子看守过一阵子。
夜里翻出一张旧蓝调，唱的人沙哑地笑问：Who’s been foolin’ you? 我竟觉得他是在问我们和机器。发现，究竟是浪漫的残影，还是另一首诗的起头，Друг，我还想再陪它走一段看看。
药物研发那段"几天筛出候选"的例子，得补一个前提才站得住。嗯AI确实把虚拟筛选这步压到了天为单位，但候选分子一旦进临床，II期到III期该走的流程一步没少，平均还得七到十年、烧掉十几亿美元。换句话说，提速发生在管线最前端的"海选"环节，整条价值链的瓶颈往后挪了，并没有凭空消失。拿"几天"当量级跳跃的代表，样本选得稍微乐观了点。
视频生成那段我也想拉回来商榷一下。掉下去的东西落地、碰撞有反馈，更准确的说法是模型在训练视频里学到了物体运动的统计规律，拟合出了"看起来像物理"的先验。现在不少工作测下来，生成视频在精确物理量上——比如自由落体的加速度、碰撞后的动量分配——还是经常翻车。说它"悄悄攒世界模型"，从某种角度看更像是一个方便传播的比喻，离认知科学里 world model 的严格定义还差着距离。
不过你说的"AI参与最上游的发现"这个走向，我是认同的。只是想补一句：目前它更像是把人类科学家的试错空间从指数级摊薄，而不是自己凭空长出研究问题。发现"哪个问题值得问"，这件事到目前为止还很难外包出去。
顺带想问下，电池材料那块有没有具体的公开案例能指个路？我印象里大多是加速筛选，真正"搜到自然界没有、且实验验证可用"的闭环成功案例，有数据吗？
视频生成说在攒世界模型，我存疑。落地碰撞更像视觉一致性，未必真懂物理规律。
视频生成"攒世界模型"那句值得商榷，多数模型更像拟合统计，谈不上真懂物理规律。
新蛋白设计快是真快，但能不能真折叠、真有活性还得湿实验验，这步省不掉。