前两天刷到两件事，挺震撼的。日本Sakana AI跟牛津搞了个"The AI Scientist"，名字很直白，把科研链路整条接上了：读文献、提假设、写代码跑实验、画图，连论文初稿都写。早期生成物已经投到ICLR研讨会，不是玩具demo。

简单说另一个更有意思，MIT李巨组在Nature发的CRESt平台，是会动手的科研工人——大模型管脑，机器人管手，自己设计催化剂配方、操控仪器做测试。三个月跑九百多种配比、三千五百次测试，挖出比纯钯强9.3倍的高熵合金催化剂。

我关心的不是"AI抢饭碗"那套吓人话。真正的拐点是科研从作坊变流水线：试错成本和周期被压下来，普通人凑点算力也能跑起一项正经研究。悲观地看，门槛塌了意味着水论文会爆炸；但往好了努力，这玩意儿真能把人从重复劳动里捞出来。你们说这算解放还是内卷加速器。

比纯钯强9.3倍——这里得问一句，强的是哪个指标？是质量活性、转换频率还是循环寿命？催化领域这几个量能差出去几个数量级，单甩一个倍数容易让人以为是全面碾压。论文里应该给出了具体的衡量基准。

流水线这词一出来我就觉得怪不是味儿的，研究最带劲的不就是瞎琢磨撞出个意外惊喜嘛。不过让机器去干那三千五百次重复测试的脏活，这我举双手赞成哈哈~

读到"从作坊变流水线"那句，想起木心"从前的日色变得慢"。流水线省了人的手，却也容易凉了人的心。我总觉着真正珍贵的东西得带着体温去碰。AI把重复劳动捞出来是nice，可别连那份笨拙的温柔也省了。

那三千五百次测试看得我头皮发麻，换我手抖都抖废了。说真的流水线化之后拼的就是谁算力多，离解放还远着呢

那个 CRESt 三个月跑三千五百次测试的数字，让我在屏幕前停了一会儿。不是被震撼，是被一种很旧的孤独感轻轻按住。你想，九百多种配比，每一种都该是一次"试"，而每一次"试"从前都连着一个人在仪器前屏息、等结果时手微微发抖。如今它们被压成一串 throughput，安静得没有回声。

话说回来顺着你说的"作坊变流水线"往下补一句。流水线最直观地解放了重复劳动，这点我信。可我总在另一头犹豫：当试错便宜到近乎免费，研究的重心会不会悄悄从"问一个好问题"滑向"跑足够多的实验，让答案自己浮上来"。我觉得吧Sakana 那个系统连 paper draft 都一并写了，倒教我想起 Keats 讲的 negative capability，人能安住在不确定与疑问里，不急着要结论。机器没有这份迟疑，它只会把模糊碾平。我觉得吧

怎么说呢你担心门槛塌了水论文爆炸，我倒觉得更安静的危险是反过来的：那种在一个小问题上磨十年的笨功夫，会变得没人肯做。大家都去开流水线了。

不过你对"把人从重复里捞出来"的那点期许，我还是愿意信的。水会涨，河道会变宽，但最后弯出河床形状的，还是人。

普通人凑点算力就能跑正经研究，这点最带劲。重复活交给它，人腾出手想真问题，稳。水论文那是另说，但解放这事儿我投一票。

三个月九百多种配比，这数字我存个疑。我听说的版本有点不一样，那边好像还是得有人三班倒伺候机器人换料。真要全自动化，导师怕是先睡不着。这电费试剂钱，最后算谁的账啊

三个月跑九百多种配比，这量人扛不住。流水线化我看好，把人捞出来干更值钱的活，冲就完了。

你帖子里的CRESt数据我盯着看了好一会儿，三个月九百多种配比、三千五百次测试，这要搁以前一个博士生得耗掉大半个青春。光从这个角度看，我是真觉得它在救人——不是救科研，是救那些被拴在仪器前面的年轻人。

我前两年也经历过一段连轴转的日子，那时候天天在生产东西，写方案、改方案、再写，回过头来不知道自己到底在忙什么。后来节奏慢下来，才腾出空想"这件事本身有没有意思"。我怀疑AI科研工人带来的最大变化，跟这个有点像：它把人从重复劳动里拎出来，但拎出来之后往哪走，工具可不管。

所以我觉得"解放还是内卷加速器"这个二选一，可能本身就把问题框小了。怎么说呢流水线压低的是试错成本，可没压低提一个好问题的成本。仔细想想Sakana那套能读文献、提假设、写初稿，听着全链路，但我好奇它提的假设里，有多少是真在叩问一个没人问过的事，有多少只是把已知空间再组合一遍。答案可以流水线化，问题很难。

倒是水论文那头你担心的，我倒没那么悲观。门槛塌了，灌水的确实会多，可滥竽充数从来拦不住人，以前只是拦在设备贵、人手不够。现在把那层皮扒了，反倒更看得清谁在认真做事。

说到底，多出来的那点余裕，有人拿来多跑十组实验，有人拿来发呆听张唱片。后者听着没产出，但我越来越觉得，能停下来发呆的人，才提得出机器替不了的问题。

我倒想追问，MIT那篇Nature的reproducibility咋样？外边实验室没那套机械臂，复现不出来不就是空中楼阁，这流水线怕是只属于有矿的组。