“創世紀計劃”：當AI被拉上國家科技戰略的主戰場

2025年11月24日，美國白宮簽署了一項被內部稱作“創世紀計劃”（Genesis Mission）的行政令。

如果說二戰時期的“曼哈頓計劃”、冷戰時期的“阿波羅登月”代表著原子能和航天時代的起點，那么“創世紀計劃”要押注的，是以人工智能為核心的新一輪科學革命。
不同的是，這一次的主角不再是某一件具體武器或某一項工程，而是一整套用AI重構科學研發體系的嘗試。

很多人熟悉的AI，還停留在“寫文案、畫頭像、做PPT”的層面。而在這個計劃里，AI被直接推到了“解核聚變、造新材料、找新藥”的臺前——這背后，既是科學體系自身的瓶頸，也是國家競爭邏輯的變化。

一、為什么要搞“創世紀”？——科學體系的“隱形困境” 1. 科研投入越來越多，產出越來越慢

過去幾十年，一個不太好說破的現實是：
錢砸得越來越多，重大突破卻越來越難。

• 新藥研發動輒十年以上、百億美元級別投入，卻大量止步于臨床試驗；

• 摩爾定律漸漸放緩，芯片工藝逼近物理極限；

• 在材料、聚變、生命科學等領域，模擬和實驗的復雜度遠超人類大腦的直覺能力。

從宏觀上看，美國聯邦科研經費在持續增長，但單位經費對應的“重大發現數量”卻并沒有線性增加。這種“邊際收益下降”，就是很多科學家口中的“科研中年危機”。

2. 人類大腦與傳統方法的極限

蛋白質折疊、等離子體湍流、復雜材料的微觀結構，這些問題的本質，是高維度、多變量、強耦合的復雜系統。
傳統模式是：

人類科學家基于經驗提出假設 → 做實驗或數值模擬 → 失敗 → 調整參數 → 再試。

這種迭代方式，本質上依賴于人類的直覺與有限的算力。隨著問題復雜度上升，人類單靠腦力和傳統實驗室，很難在可控時間內跑完足夠多的方案。

AI，尤其是數據驅動的模型和大規模計算平臺，被視為一種新的“科學儀器”：
不再只是幫人寫報告，而是參與到理論假設的生成、實驗路徑的設計、結果的解釋中。

3. 從“市場驅動”到“國家意志”的轉折

過去十年，AI的大部分動力來自商業世界——

• 為廣告和推薦系統優化點擊率；

• 為互聯網平臺提升留存和轉化；

• 近期則集中在生成內容的消費級產品。

在這樣的路徑下，AI的發展方向很大程度由“流量”和“商業變現邏輯”決定。
“創世紀計劃”的核心變化在于：美國聯邦政府決定不再只做“場外觀眾”，而要親自下場，給AI設定一個以基礎科學和硬科技為主的國家級目標。

官方給出的一個明確指標是：

用十年時間，讓美國聯邦研發效率“翻倍”。

這個目標本身就釋放了信號：AI不再只是某幾個互聯網公司的業務線，而是被納入國家科技競爭的主結構里。

二、“創世紀計劃”到底在做什么？——從平臺到閉環

如果把“創世紀計劃”拆開看，至少有三個關鍵組件：一個國家級科研底座、一條高度自動化的科研流水線、以及一張由政府與企業共同編織的合作網絡。

1. ASSP：把國家實驗室和超算中心裝進一個“AI大腦”

計劃的核心基礎設施，被稱為“美國科學與安全平臺”（ASSP）。

簡單理解，可以把它看作是：

• 由美國能源部牽頭；

• 把全國最強的超級計算機集群接到一起；

• 把散落在各個聯邦部門、國家實驗室里的歷史科研數據、實驗記錄，盡可能打通；

• 在這個基礎之上，構建一套面向科學研究的通用AI平臺。

這與普通企業自建的AI平臺有幾個顯著差異：

1. 數據類型不同

   ：
   重點不再是用戶行為、消費數據，而是核能、材料、生物、氣候等高價值科研數據。

2. 權限與保密級別高

   ：
   很多數據涉及國家安全和關鍵技術，民間機構很難獲得同等級別的訪問權限。

3. 目標函數不同

   ：
   平臺的考核不主要看“營收和用戶增長”，而是看是否能顯著縮短科研周期、提高成果數量與質量。

可以預計，ASSP會成為美國科研機構和企業在“AI for Science”領域的通用底座，類似過去互聯網時代的“國家級云基礎設施”。

2. “閉環AI”：從人肉實驗室到自動化科研流水線

傳統科研流程往往是“斷點式”的：

科學家構思 → 寫項目 → 申請經費 → 搭實驗 → 做實驗 → 分析數據 → 再設計新實驗。

其中的每一個環節都消耗大量時間，且高度依賴人工操作。

“創世紀計劃”提出的，是一種更接近“工業生產線”的閉環模式：

1. AI閱讀文獻和歷史數據，自動生成假設或候選方案；
2. AI下發指令給自動化實驗室（機器人、自動化儀器等），執行實驗；
3. 實驗結果實時回傳到AI模型；
4. 模型根據新數據修正假設，篩掉無效方向，放大有前景的路徑；
5. 循環往復，7×24小時運轉。

如果這種模式落地，理論上可以把原來需要幾年甚至十年的研發周期，壓縮到以周甚至以天為單位來計算。

這并不意味著科學家被“取代”，而是：

• 人的角色，從“親自擰螺絲的工人”，變成“設定目標和評價結果的總工程師”；

• AI+機器人負責高頻試錯和重復操作，人類負責提出有意義的問題、做關鍵決策和倫理把關。

計劃的另一大特點，是不搞封閉的“純政府工程”，而是在頂層由聯邦政府“搭臺”，再大規模吸納企業參與。

從已經公開的參與方來看：

• 英偉達負責提供算力芯片及相關技術棧；

• AWS宣布將投入約500億美元建設相關基礎設施；

• 其他如AMD、戴爾、甲骨文等也進入合作名單。

這種模式在經濟學上接近“公私合營”（PPP）：

• 政府負責：目標設定、規則制定、核心數據和科研資源的開放；

• 企業負責：技術實現、系統建設、產品化和部分運營。

這意味著，“創世紀計劃”并不是一個只存在于文件里的口號，而是會通過這些科技巨頭的產品和服務，滲透到具體的科研項目、產業場景之中。

三、對AI產業的影響：從“會說話”到“會做實驗”

“創世紀計劃”一旦全面鋪開，AI產業最顯著的變化，并不在“模型多大”，而在“模型用來干什么”。

1. 從AIGC到“AI for Science”

過去兩年最吸睛的，是能寫、能畫、能剪視頻的生成式AI（AIGC）。這些應用門檻低、效果直觀，也的確改變了內容行業的工作方式。

但在“創世紀計劃”的邏輯里，真正被寄予厚望的，是另一條路線：

讓AI幫助人類發現新材料、新藥物、新工藝、新能源路徑。

這會帶來幾個可能的行業重心轉移：

• 評價標準變化

  ：
  最“值錢”的AI，可能不再是對話最流暢的聊天機器人，而是能在某個細分學科上貢獻真實科學突破的模型。

• 數據壁壘重構

  ：
  相比互聯網公開數據，科學實驗數據更加稀缺、昂貴且敏感，誰能積累并利用這些高價值數據，誰就能在行業中建立新的“護城河”。

• 人才結構重組

  ：
  既懂AI又懂材料、化學、物理、生物的“交叉型人才”，會變得異常搶手；
  傳統只做通用算法而不懂具體領域的工程師，則需要向垂直場景靠攏。

“AI for Science”的一個直接后果，是對算力需求的急劇膨脹。

• 科學模擬和多尺度建模，本身就極其耗算力；

• 加上大模型訓練和推理，更容易把超算中心推向極限。

這也解釋了為什么相關消息公布后，美股的AI硬件板塊迅速走強：市場預期這是一個長期、確定的算力需求來源。

與此同時，算力背后的“電力問題”也被擺上臺面：

• 數據中心本身就是“吞電獸”；

• 若再疊加大規模AI科研任務，現有電網和清潔能源供給都將面臨壓力。

“創世紀計劃”在愿景中給出的答案，是讓AI反過來優化能源系統：

• 用AI做電網調度、負載預測，提高整體效率；

• 探索包括核能在內的新型能源形式，以支撐長周期的算力需求。

未來一段時間，“能源×AI”很可能會成為投資與政策的焦點交匯點。

3. 監管邏輯的調整：從“謹慎觀望”到“優先發展”

在監管層面，“創世紀計劃”釋放的信號也很清晰：

• 為了在AI時代取得優勢，美國聯邦層面強調要減少不必要的監管障礙；

• 盡量避免各州各自為政地設置零散限制，由聯邦統一制定規則和底線；

• 在安全可控的前提下，為科研與產業應用“開綠燈”。

對于創業公司而言，這種環境意味著：

• 在科研相關的AI應用上，試錯空間更大；

• 只要能夠證明對科技創新有實際促進作用，在合規框架內獲取數據和算力的難度有望降低。

當然，這并不意味著“無監管”，而是從“以防范為主”向“發展與安全并重”傾斜。

四、冷靜看待：機會之外的約束與風險

任何大規模國家項目，都不會一帆風順。“創世紀計劃”也不例外。

1. 數據開放的邊界：安全與共享之間的拉扯

理論上，把幾十年積累的聯邦科研數據全面“喂給AI”，可以最大化模型能力。
但在現實中：

• 涉及國防、能源核心技術的數據，需要高度管控；

• 企業也不愿輕易開放自身在藥物、材料等領域積累的獨家數據。

如何在安全可控與高效共享之間劃清邊界，將決定這一平臺的“含金量”。
如果最終只有部分數據可用，AI的潛力也會被相應折扣。

2. 能源瓶頸與環境壓力

算力翻倍，電力需求往往是成倍增長。

• 若電網和新能源建設跟不上，“缺電”將成為部署AI科研基礎設施的現實掣肘；

• 同時，大規模數據中心的碳排放和用水問題，也會引發新的環保爭議。

“用AI解決AI帶來的能源壓力”，更像是一場長期博弈，而不是短期就能兌現的承諾。

3. 復雜的利益協調與官僚成本

要讓聯邦機構、國家實驗室、科技巨頭、大學和中小企業協同合作，本身就是一項復雜工程：

• 不同機構有各自的KPI和利益訴求；

• 數據、設備和人才的流動涉及預算、績效、知識產權等一整套規則；

• 行政流程過長，有可能抵消掉部分由AI帶來的“提效”。

某種程度上，“創世紀計劃”既是在考驗AI的能力，也在考驗美國政府協調各方利益的能力。

五、這對全球和普通人意味著什么？

從更大的視角看，“創世紀計劃”標志著AI競爭正在完成一次“檔位切換”：

• 過去更多是企業之間的商業競爭；

• 未來則越來越接近“綜合國力競爭”：比的是算力、能源、人才、基礎科研體系的整體實力。

對其他國家而言，這既是壓力，也是參照系：

• 誰能在本國構建起類似的“AI科研基礎設施”，誰就有機會在下一輪科技浪潮中占據一席之地；

• 單純在應用層跟風做“換皮AI產品”，很難應對這種結構性變化。

對普通人來說，這些國家級工程看似遙遠，但最終會體現在身邊的具體變化上：

• 新藥物可能更快問世，罕見病的治療路徑有望提前出現；

• 新材料、新能源、新工藝，會緩慢但持續地改變出行、居住、消費的體驗；

• 教育和科研崗位的形態也會發生變化，AI將成為科學家的“標配工具”，而不是可有可無的選項。

“創世紀計劃”可以被看作美國在AI時代的一次系統性押注：
不滿足于讓AI停留在“工具”和“應用”層，而是試圖用它改造知識生產的底層結構。

這不一定意味著短期內就會誕生多少“革命性奇跡”，但它清晰地透露出一種趨勢：

• AI從“會說話的程序”，變成“參與科學發現的基礎設施”；

• 從被動服務市場需求，轉向主動服務國家科技戰略。

如果說上半場是互聯網公司和算法工程師的舞臺，那么下半場，很可能是：

國家、科研機構、企業和跨學科人才，共同站在同一條賽道上。

在這條賽道上，最重要的問題，已經不再是“AI能不能把文章寫得更像人”，
而是：它能不能幫人類更快、更穩地找到那些原本要幾十年才能找到的答案。

*本文由AI工具輔助完成

All rights reserved. Copyright ? 2025

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}

.cls-1{fill:#001e36;}.cls-2{fill:#31a8ff;}