哲学走进 WAIC：AI 治理与科学智能的现场观察

在 2026 世界人工智能大会（WAIC）科学智能开放论坛上，一个被反复提及的现象是：曾经冷门的哲学，正成为 AI 讨论中的高频词。复旦大学多位哲学学院教授登上演讲台，论坛主办方名单中出现了哲学学院与国家发展与智能治理综合实验室的身影，《2026 人文社会科学智能发展蓝皮书》同期发布。论坛传递出的信号是，AI 的能力问题尚未完全解决，治理与可信问题已经先一步走到聚光灯下。

AI 开始自己写论文、做数学证明

超衍智能创始人陈勇超在论坛上展示了自进化模型 Apex Search。该模型不只是从互联网数据中学习既有知识，而是进入真实任务，自己想 idea、写代码、跑实验，再用轨迹反馈调整数据、模型与执行环境。现场披露的结果显示，团队用 Apex Search 生成了 34 篇论文并提交至 ACL、ARR 等学术评审体系，其中约 10 篇有机会进入 Findings 或主会，两篇获得 3.67 分，评分高于约 95% 的人类投稿，审稿意见中出现了「领域内首项研究」「实验严谨」等表述。这意味着 AI 生成的科研成果，已经能够通过人类审稿人的第一轮检验。

复旦大学上海数学中心准聘副教授王天栋则给出了一种更清晰的人机分工：AI 负责检索、归纳、寻找特例和反例，并同时生成几十条候选证明路径；数学家负责判断问题是否重要、猜想是否值得研究；机器验证负责检查推理跳步与计算错误。简而言之，AI 扩大搜索空间，人定义价值，机器负责验证。

上海科学智能研究院 AI 科学家杨自雄把视角延伸到生命科学。AlphaFold 解决了从序列推断静态结构的问题，但蛋白质、RNA 等生物分子始终在运动，许多功能取决于构象分布与状态转换。后 AlphaFold 时代的研究目标，已经从「预测一个结构」转向「生成一段动态」，需要兼顾稀有构象、长时间结构稳定性，以及热力学、动力学等物理规律。

用大模型模拟社会，但要警惕「碰巧像」

上海人工智能实验室青年科学家瞿晶晶展示了社会模拟平台 Epitome，平台可以将十年的社会演变过程压缩至 14 小时，研究者可调整干预政策、群体关系等变量，快速观测长期社会影响，特别适合那些在真实世界难以直接开展的实验。

不过风险同样存在。浙江大学公共管理学院百人计划研究员蒋卓人在《社会之变》圆桌中分享了一组跨国信任研究数据：大模型生成数据在国家均值层面的相关系数可达 90% 以上，但进入回归分析后显著性覆盖程度下降到 34%–37%，尝试用这些数据恢复国家类型时，结果接近随机。也就是说，模型从宏观上看起来很像真实社会，一旦进入具体人群与因果关系，偏差便会暴露出来。更值得警惕的是循环效应，现实中的偏见进入训练数据，模型再参与招聘、教育、内容分发与公共决策，新的结果又成为下一轮训练材料，偏见可能在循环中被不断放大。

治理不能只盯「模型准不准」

复旦大学科技伦理与人类未来研究院青年副研究员朱林蕃指出，当前 AI 治理普遍面临「一管就死、一放就乱」的困境，需要技术、政策、伦理与国际合作共同寻找更细致的方案。上海市青浦复旦未来技术研究院青年研究员马立鹏从技术角度补充：今天的 AI 几乎什么都能答，却缺少「知道自己不知道」的元认知能力，只有先让 AI 认清自身能力和边界，后续的评估与治理才更有抓手。

《2026 人文社会科学智能发展蓝皮书》给出的方案之一是 STRIDES 框架，在理论、方法、数据、执行和审查等环节设置检查节点，明确哪些假设需要写明、哪些证据需要定位、哪些低置信度结论要重新交给人判断。蓝皮书还区分了代理型与辅助型两种 AI 嵌入模式，前者让算法一路参与决定输出，人只在故障或申诉时出现；后者让 AI 承担检索、计算、风险提示与方案生成，最终决定由人完成。所谓「人在回路」，也不能只剩一个确认按钮，人需要拥有介入权、纠偏权与解释权。

产业落地的最后一公里

论坛下午的《致用之路》圆桌把目光投向了实验室之外。中国科学院深圳先进技术研究院研究员、森瑞斯生物科技创始人罗小舟指出，AI 写代码、做数学可以在计算机里完成闭环，但生物制造还要跨过数字世界与物理世界之间那道坎，实验设备需要真正把假设做出来，再把检测结果反馈给模型。罗小舟团队依托投资超过 20 亿元的深圳合成生物重大科技设施，让自动化设备充当「身体和手」，AI 承担实验设计与决策，相关技术已用于角鲨烯、角鲨烷等产品研发与生产。

镁伽科技联合创始人兼高级副总裁张琰则把难点概括为 AI 落地物理世界的「最后一公里」，实验室自动化与机器人技术已相对成熟，更难的是把 AI、软件系统、仪器设备和具体学科需求真正打通。上游缩短了研发时间，瓶颈很可能马上转移到下一个环节：监管制度、产业惯性与组织流程若没有同步变化，技术带来的加速很难沿价值链传递下去。新的生产力，正在催生新的生产关系。