新机构与自主AI重塑科研生态，打破传统瓶颈

快速阅读: 27岁路易斯·安德烈启动“Episteme”，获山姆·阿尔特曼等人支持，旨在解决科学机构瓶颈，提供长期资金和研究自由，结合代理AI，重塑科学发现方式。

新的科学-工业复合市场

乔西帕·马吉克·普雷丁

当27岁的路易斯·安德烈以一句简单的宣言启动“Episteme”时：“科学的瓶颈不是人才的缺乏，而是他们可以发挥最佳才能的地方”，回应立即到来。山姆·阿尔特曼放大了这一信息，科技界开始讨论阿什利·万斯在《核心记忆》中所称的“现代贝尔实验室或Xerox PARC”，得到了阿尔特曼、孙正义和其他未公开投资者的支持。

时机并非巧合。在整个AI研究领域，观察者们一直在追踪“代理AI”的快速崛起——这些系统不仅能够反应或遵循预设规则，还能自主、主动并适应性地追求目标。这些系统可以根据上下文做出决策，将目标分解为子任务，并与其他工具和AI系统协作。

结合Episteme的成立和代理AI的兴起，可以看出更大的图景：一个新兴的科学-工业堆栈，其中超资金支持的私人实验室、AI平台和机构实验正在汇聚，重塑发现的方式。

核心论点：机构是瓶颈

这一前提简单却激进。据《核心记忆》报道，许多杰出的研究人员大部分时间都花在撰写资助申请、管理行政负担和发表论文上，而不是追求他们的真正工作；而风险投资支持的初创公司面临短期财务压力，无法给予最大、最冒险的想法足够的跑道。

据《核心记忆》报道，Episteme的回答是提供丰厚的薪水、实验室资源和股权所有权，以减轻科学家们的筹资压力。安德烈和阿尔特曼都强调给予研究人员最大的自由和时间，阿尔特曼表示他会“对他们施加最小的压力”，并承认“有时一个项目需要两个月，有时则需要十年”。

这一模式呼应了工业研究的黄金时代。贝尔实验室，由AT&T的垄断利润支持，给予了科学家长期的时间线和自由去追随他们的研究，导致了一系列革命性的突破，包括1947年发明的晶体管（其发明者获得了1956年的诺贝尔物理学奖）、激光、Unix、蜂窝技术和信息理论。

第一层：新的资本阶层

这一新兴市场的第一层是资金基础，即愿意为可能数十年后才会回报的科学研究投资的亿万富翁和机构。

技术创始人作为科学赞助人

据报道，杰夫·贝索斯投资了Altos Labs，该公司于2022年1月成立，至少获得了30亿美元的资金支持，可能是生物技术公司有史以来最大的单轮融资。该公司以每年100万美元以上的薪资吸引大学科学家研究细胞衰老和重新编程技术。

Arc研究所，由斯坦福大学教授Silvana Konermann、加州大学伯克利分校教授Patrick Hsu和Stripe首席执行官Patrick Collison共同创立，于2021年12月成立，初始捐赠额为6.5亿美元。创始捐助者包括以太坊创始人Vitalik Buterin、Collison兄弟和Facebook联合创始人Dustin Moskovitz。

这代表了科学资助的根本转变。这些资助者不再关注季度收益或拨款周期，而是着眼于长达十年的时间框架。正如一位物理史学家对原贝尔实验室的评论所说，“每笔跨州电话费中有三分钱用于研发，主要是在贝尔实验室”，这给了他们“大量自由去追随他们的研究兴趣”。

第二层：机构平台，新的实验室外壳

第二层由旨在促进长期、高风险研究的新型组织结构组成。

Episteme：AI原生研究实验室

Episteme定位为介于学术界的拨款申请和企业R&D的季度压力之间的“第三条道路”。据万斯的报道，该组织从盖茨基金会、DeepMind和ARPA项目中招募团队成员，专注于AI、能源、材料、神经科学等突破性领域。

Altos Labs：长寿的登月计划

Altos Labs的研究重点是科学家山中伸弥发现的生物重编程技术，他担任公司的科学顾问委员会主席，并因发现如何将成年细胞重新编程为干细胞而分享了2012年的诺贝尔奖。其目标是在实验室中使用细胞重编程技术来恢复细胞活力，潜在应用于逆转与年龄相关的疾病。

Arc研究所：好奇心驱动的非营利组织

Arc作为一个非营利组织与斯坦福大学、加州大学伯克利分校和UCSF合作，向科学家提供无需附加条件的多年资助，使他们不必申请外部拨款。该研究所的模式为首席调查员提供了可续期的八年任命。

拥有完全自主权追求研究理念的同时，技术中心提供了超越传统培训期的长期职业选择。

第三层：代理型人工智能，计算基质

故事在这里变得具有变革性。新机构为科学提供组织基质，而代理型人工智能则提供计算基质。

代理型人工智能的特点

代理型人工智能系统表现出自主性和目标导向性，能够无需人类监督地发起并完成多步骤任务，具备规划和推理能力，将复杂目标分解为逻辑序列，并动态选择和使用外部工具如API和业务系统。

与主要响应提示的大规模语言模型不同，

代理型人工智能

利用推理和规划能力，以有限的人类干预解决复杂的多步骤问题。

科学研究应用

最近的arXiv论文展示了人工智能代理运行自动化物理实验的情况，这些系统能够在无需人类参与的情况下自动触发干预协议。这代表了能够跨多个步骤、工具和平台自主进行推理、规划和行动的系统，远超传统的任务自动化。

商业转化与行业垂直领域

最终一层是科学向市场的转化。

长寿与再生医学

像Altos Labs和Unity Biotechnology这样的公司正在探索细胞重编程和衰老细胞清除，以减缓或逆转老化症状。

Juan Carlos Izpisúa Belmonte

在2016年的研究显示，细胞重编程减少了小鼠的老化迹象并延长了它们的寿命。然而，

仍存在重大挑战

，包括因不受控制的细胞生长而导致的肿瘤（畸胎瘤）风险。

能源、材料与工业技术

正如耶鲁大学天文学系主任兼Episteme顾问

Priyamvada Natarajan

在接受Core Memory采访时所说：“这是一个广泛的学科领域。涉及人工智能、能源、材料、新型电池系统和新的超导体。”

人工智能驱动的科研基础设施

像Arc这样的组织正在建立

技术中心

，专注于机器学习、基因组工程、细胞模型和多组学，提供具有竞争力的薪资和永久职位，以创建长期团队，在紧密迭代中开发应对生物医学问题的技术。

新时代的战略问题

这种融合提出了关键问题：

1. 谁能获取价值？

传统学术研究免费分享知识。这些新实验室处于中间地带，

Episteme科学家持有股权

，而

Arc研究所建立了转化基础设施

，为衍生企业提供简化的知识产权许可和资金支持。

2. 什么是可防御的？

在一个代理型人工智能可以与工具和系统协作实现成果的世界里，可防御性可能从知识本身转移到专有数据集、实验基础设施以及人类团队与AI代理之间的紧密耦合上。

3. 公共科学如何互动？

NIH仍然是医学科学资助的巨无霸，获得R01资助的平均年龄持续上升。这些私营机构既可以补充也可以与公共资助体系竞争。

4. 安全与伦理关切是什么？

开发代理型人工智能的组织必须建立参数，包括决策阈值以触发人类干预、行动约束以及访问某些材料的限制。这些系统的自主性越高，监督就越重要。

发现的架构

真正的故事不是Episteme或代理型人工智能单独存在，而是二者的融合。

首次，我们拥有了：

愿意资助十年研究项目的耐心资本

为自由和长远目标设计的机构框架

能够作为自主研究合作者的AI系统

在保持科学完整性的同时实现影响力的商业化路径

贝尔实验室通过长期资助、精英人才和制度自由带来了晶体管。Episteme及其同行正在构建类似的东西，但有一个关键区别：他们从一开始就将AI代理嵌入到研究过程中。

瓶颈从来不是人才。而是围绕这些人才的结构，如资助周期、发表或消亡的压力、短期思维。这些由代理型人工智能驱动的新机构代表着一种结构性重置。我们可能会回顾这一刻，认为这是科学从手工艺模式转向工业化模式的转折点；不是指装配线意义上的工业化，而是指有意、系统地大规模创新。

问题不在于这是否会奏效。真正的问题是：当世界上顶尖的科学家拥有无限的时间和支持，以及从不休息的人工智能助手时，能够实现什么？

(以上内容均由Ai生成)