88小時vs90年，當AI暴力給出答案，人類研究是否還有意義？
當一道難題的答案在88小時內被交出，而人類過去為此投入的追索被形容為長達90年，這組對照很快就在研究社群裡掀起討論。兩個數字表面上呈現的是速度差距，實際上卻把一個更根本的提問推到檯面上：如果答案可以被快速產出，人類花上數十年累積的研究工作，價值究竟該放在哪裡。標題中的88小時與90年，不只是「機器比人快」的展示。它觸及研究活動的核心：我們追求的究竟是答案本身，還是通往答案的過程？當AI能在短時間內給出結果，過去被視為理所當然的研究時間尺度，突然顯得可以被壓縮，甚至被繞過。AI的強項，在於以極大規模的嘗試逼近結果。
它用搜尋與計算的暴力換取時間，透過大量可能性中的篩選、比對與收斂，最後抵達某個可行解或正確解。這種路徑確實可能繞過人類長年摸索的軌跡，直接抵達終點。然而，抵達終點與理解抵達的路，是兩件不同的事。對AI而言，答案被找到可能代表任務完成；對人類研究而言，答案往往只是其中一個節點。研究還包含為什麼這樣走、為什麼其他路不通、哪些假設成立，以及哪些條件一旦改變就會失效。過往研究之所以耗費時日，往往不只是因為必須找到答案。時間也沉澱出方法、直覺，以及一套能夠被傳承下去的知識框架。這些東西未必會直接寫在答案裡，卻決定了後來的人如何問問題、如何驗證，以及如何在下一次遇到難題時少走冤枉路。
於是，衡量的尺規開始出現分歧。若只看解答是否被取得，AI顯然佔了上風；88小時的產出對比90年的累積，很容易讓人得出「機器效率壓倒人類」的結論。但若把「理解」與「發現」一併算進成果之中，人類研究的意義並不會因為某個答案被提前給出就隨之消失。這也是研究社群討論的焦點之一。因為AI帶來的衝擊，不只是工具層面的加速，而是評價體系的鬆動。當答案可以在短時間內被生成，若衡量研究價值仍只以是否取得答案為核心，就可能忽略那些支撐答案、解釋答案與延伸答案的知識工作。真正被改變的，或許是問題的分配方式。哪些工作適合交給機器去窮舉，哪些判斷仍然需要由人來完成，將成為研究流程中更明確的分工。
機器擅長大規模搜尋與計算，人則需要決定什麼問題值得問、什麼結果值得信，以及什麼脈絡必須保留。這並不意味著人類研究只能退居輔助角色。當機器承擔大量窮舉與計算，人的判斷仍有其位置，尤其是在決定問題與解讀結果的時候。換句話說，被加速的是解題，未必是理解；被壓縮的是某些操作時間，不一定是發現的深度。88小時與90年放在一起，與其說是一場勝負，不如說是一個提醒。它提醒研究社群，不能只用速度來衡量價值，也不能假設所有答案都等價。有些答案只是終點，有些答案會開啟新的問題；有些結果能被計算出來，有些意義必須被人理解之後才成立。當解題被加速，衡量研究價值的標準也得跟著重新校準。
理解與發現值多少，取決於我們究竟想從研究裡得到什麼。如果只想要一個結果，機器路徑可能更快；如果想要一套能累積、能批判、能傳承的知識，人類的角色仍然無法被簡單取代。因此，這場討論的核心不在於否定AI，也不在於替人類研究辯護，而是重新面對一個更實際的問題：在答案愈來愈容易取得的時代，研究要如何證明自己的價值。88小時與90年的對照，最終逼出的不是勝負答案，而是對研究目的、方法與評價方式的再思考。
Related
相關文章
消息稱 Anthropic 低調建立生物實驗室，借 AI 推進藥學研究
作者：清源 責編：清源 評論： 9 月 18 日消息，路透社今天（18 日）晚間援引知情人士消息稱，Anthropic 在舊金山灣區低調建立了一座溼實驗室，把 AI 業務進一步延伸到需要實際動手操作的生物學研究和藥物科學領域。知情人士透露，在公眾對 AI 風險愈發擔憂之際，Anthropic 開始在溼實驗室進行實體實驗。Anthropic 此前提出，希望藉助 AI 推動罕見病治療方法的發展，公司的生物學研究也從“計算機模擬”和計算機評估進一步走向真實實驗。注：溼實驗室是一個科學概念，與“幹實驗室”相對。相比干實驗室，溼實驗室在實驗中需要用到較多的化學試劑。相比之下，幹實驗室則注重通過各種儀器進行計算，以歸納出實驗材料的物理模型。Anthropic 生命科學負責人埃裡克 · 考德勒-艾布拉姆斯證實了溼實驗室的存在。“我們認為，生物學研究最終還是要接受真實實驗室工作的檢驗，而且未來一段時間都會如此。我們現在確實在做這些工作。整體模式和大多數生物科技公司類似，一部分在自己的設施裡完成，另一部分則與外部合作伙伴共同開展。”Anthropic 發言人又進一步補充，這座實驗室並非專門用於藥物發現，並拒絕進一步說明具體用途。知情人士稱，建立溼實驗室只是 Anthropic 邁向更大目標的一小步。Anthropic 希望攻克其認為製藥行業忽視的疾病，公司也希望在員工和公眾失去對 AI 價值的信心之前拿出成果，因為 AI 可能導致崗位消失，甚至威脅人類生命。不過，任何藥物研發項目都無法保證成功，大多數候選藥物最終都無法通過臨床安全性和有效性試驗。這項工作對 Anthropic CEO 達裡奧 · 阿莫迪還有一層個人意義。
阿里達摩院開源全球首個專家級通用醫療影像 AI 模型 DAMO RADAR：可一次性識別超 146 種病症，成果登《科學》
作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 files 的線索投遞！9 月 18 日消息，阿里達摩院今日宣佈，與浙江大學醫學院附屬第一醫院等機構研發出的通用醫療影像 AI 模型 DAMO RADAR，登上國際頂級學術期刊《科學》(Science)。
零樣本幹活！Figure 機器人走進 30 個陌生家庭，整理客廳、折毛巾、鋪床
AGI...智客Z...2026.09.18 15:08 · 來自北京全文3855字00:00 / 11:06美國人形機器人公司Figure發佈Helix 2.5，將其稱為最先進的神經網絡。人形機器人真正走向家庭，難點或許從來不是“會不會做家務”，而是換一個家庭之後，它還能不能繼續做。
AGI最難一戰，竟在醫院！中國AI登上Science，醫生不怕失業還催著上線
。 2016年，Hinton老爺子就預言：“人們現在就應該停止培養放射科醫生。”他甚至認為，五年內，AI就會在醫療影像識別上超過放射科醫生。 老爺子一生謹慎，但歷史和他開了個玩笑。十年過去了，人們離AGI已經越來越近，但在醫療場景裡，即使圖像識別這樣的AI新手村任務，依然是hard模式。 如果從IBM的Watson算起，在醫療上遭遇滑鐵盧的AI專家數不勝數。
AGI最難一戰，竟在醫院，中國AI登上Science，醫生不怕失業還催著上線
我没办法凭这条标题写出符合要求的完整新闻稿,原因很直接: 现有"可用资料"其实只有一行标题,正文是空的。后面的内容全是的侧边栏推荐和网站导航(Anthropic华人、Manus估值、腾讯投资药企等),跟这条新闻没有关系。 如果硬写 900–1600 字,我就得自己编造这些关键事实: 是哪个团队、哪家医院、哪篇 Science 论文 论文的具体方法和结果数据 医生"催着上线"的具体场景和原话 这些一旦写出来就是假新闻,我不做这个。
AI製藥獨角獸Anew單飛，字節推了一把“最燒錢的慢生意”
Reuters：Anew Labs完成首輪外部融資2.9億美元、投後估值15億美元，HSG、IDG Capital、GL Ventures、五源資本等機構入股，字節跳動融資後持股56%。2. IQVIA 2026年分析：經確認有AI參與的新興生物科技項目I期、II期臨床成功率比較，及樣本有限的說明。3. 《Nature Reviews Drug Discovery》2026年8月Perspective：AI方法與基準測試大量出現，臨床相關性影響證據仍然有限。4. Deloitte全球大型生物製藥公司晚期研發管線年度研究：2025年平均藥物開發成本約26.7億美元，計算含研發失敗成本。