标签： #AI for Science

Google 给学生免费送一年 AI Pro，GitHub 学生包里打包了各家模型订阅——推理成本是真金白银，厂商却抢着白送。这笔账有两层：毕业生身上的肌肉记忆是未来的定价权；学生用真实课题换额度的过程，是一张张高价值的「棋谱」。围棋是越新越强的运动，AlphaGo 的神之一手来自人类棋谱之外——而今年的成绩单上，自主科研四跑三败、二十项任务只赢四项。收谱，还没收够。

2026 生理学或医学奖颁给光遗传学。诺奖新闻稿自己点明了要害：二十世纪的方法无法证明因果关系——光遗传学给大脑带来了干预实验。这条「因果数据」生产线，正是 AI 神经科学的主粮：全光闭环（光遗传写入＋成像读出）喂给深度学习解码；而视蛋白家族连「读出」端（Voltron 电压指示器）也一并承包。反向的一条线——AI 反哺工具（基因组挖掘、结构、工程）——是支线而非主线。

把本科四级、硕士三级的诉求全部叠加在一个导师身上——竞赛、项目、毕业课题、实习、就业——还没算博士。四五十人的课题组不是师徒制的膨胀，是一家外包公司；它的产出结构恰好是「复制粘贴科研」，而 AI 恰好是这条流水线的完美替代品：不睡觉、不要毕业、没有「不利于毕业」的功利过滤器。金字塔先被吃掉，不是因为 AI 聪明，是因为它便宜。

把「结果可复现」拆成两轮独立验证来兑现：第一轮在本地工作站逐位复现既有管线（TPM r = 1.000000、SHA256 逐字节相同），第二轮把同一套工具放上 NVIDIA 与摩尔线程两台云服务器（五类输出跨厂商哈希一致，Rust 实现比传统 Python 工具快 3.6–4.0 倍）。本文是两轮验证的合并叙述，并附一节已知问题与未说明的边界。

ColabFold 1.6.3 全量 pip 安装、老卡 2.5x、ipSAE/pDockQ2 进主输出；AF2 的 monomer 推理被塞进手机浏览器。这篇按官方口径排一张部署阶梯：2.62 TB 的库、5,120 token 的 80 GB 担保线、940 GB 的绝对本地、免费层半小时的首跑——外加一张场景选型边界表，和为什么结果接近不等于认可等价。

一年之内五大巨头完成生物布阵：GPT-Rosalind、「AlphaFold 4」药物设计引擎、开源十亿蛋白质结构；苹果双线并进——健康教练 Mulberry 传缩水，蛋白质两连发 SimpleDesign 惊艳计算生物学圈。这篇把平台层、算力层、实验台层一起算完：巨头押注什么，机器人接管哪里，生物人怎么站。

同样是换语言，为什么这份基准敢写 TPM r = 1.000000（σ=0）？把上周的自测报告当标本，认真拆一遍工程决策：三端交叉验证的架构、有对照与无对照的两套验收学、把异常当输入的数据守卫、开机 20 秒自动续跑的断点设计、CPU·秒对墙钟的诚实测量——以及主动写下的「我们不宣称什么」。

用 MaleCNS v1.0 真实连接组（166,700 神经元、2558 万突触）仿真两只果蝇大脑，在 3D 场景对弈五子棋：五层架构、LIF 仿真、三因子可塑性、双蝇个体化，附 67 局实测数据与开源部署方案。