北京時間10月9日下午，瑞典皇家科學院決定將2024年諾貝爾化學獎頒給三位科學家。其中，丹米斯·哈薩比斯（Demis Hassabis）和約翰·喬普（John M. Jumper）兩位諾獎得主來自谷歌DeepMind公司，利用AI 模型AlphaFold2，以超過90%的正確率通過氨基酸序列預測人類所知的2億種蛋白質結構。
無獨有偶。早前一天8日，2024年諾貝爾物理學獎也頒給了AI 領域的兩位科學家：美國普林斯頓大學教授約翰·霍普菲爾德(John J. Hopfield)和加拿大多倫多大學教授杰弗裡·辛頓（Geoffrey E. Hinton），表彰他們透過人工神經網路實現機器學習的基礎性發現和發明。
很顯然，今年成為諾貝爾獎的“AI 年”，物理學獎與化學獎都頒給了AI相關的工作。那麼，這是否意味著，AI已經能夠取代科學家的工作？本屆得主為何獲得化學獎而非生理學或醫學獎？對於AI泡沫，尤其是AI 軟體的產業回報低於預期，AI 從技術到應用並產生正向利潤的距離還有多遠？
對此，鈦媒體App與英矽智慧（InSilico Medicine）創辦人、CEO Alex Zhavoronkov，北電數智首席科學家竇德景教授等多位學者進行獨家對話交流。
如何解讀今年諾貝爾獎的「AI 年」？對此，北京智源人工智慧研究院創始理事長、美國工程院外籍院士張宏江在向鈦媒體App展示的一段影片中表示，AI對於科學研究、物理研究其實有非常大的作用，此次兩位得獎實至名歸。 “我認為這是對AI它未來潛力的一個非常好的認可。我相信未來物理也和AI 密不可分。”
「Hinton 2006 年利用RBM 做DNN 自監督預訓練，成功訓練深度神經網絡，可以說是這輪AI 革命的先聲，Hopfield 網絡為RBM 奠定了基礎。」張宏江稱，兩個人其實跟物理有非常緊密的聯繫。另外，非常重要的是，諾獎給到網路機器學習領域，實際上是對於以神經網路為基礎的AI 或者機器學習的重要性的一個認可和期待。
哈佛大學理論物理學家馬特·斯特拉斯勒表示，「Hopfield和Hinton的研究是跨學科的，融合了物理學、數學、電腦科學和神經科學。從這個意義上說，它屬於所有這些領域。
北電數智首席科學家竇德景教授對鈦媒體App表示，首先，今年化學諾獎頒發給DeepMind 哈薩克斯和喬普，他們「在蛋白質結構預測方面的貢獻」確實功不可沒，用AlphaFold 高準確度，低成本地預測了以前生物科學家長期以來費時費力才能得到的蛋白質複雜結構，推動了生物科學研究模式的變革；而物理諾獎頒給AI 領域，代表了整個科學界對AI 貢獻的認可。從ChatGPT誕生後，AI飛速發展了兩年，並且一直在加速。雖然還沒有實現很大的商業變現，但對各行各業已經產生了許多影響，尤其對科學界的影響力也不小。這次的物理學獎頒給Hopfield和Hinton，表彰他們推動利用人工神經網路進行機器學習的基礎性發現和發明，其核心主要是把物理學的基本原理應用到了AI 神經網路領域。
不過，竇德景認為，“AI對物理學本身的貢獻還不夠明顯。”
他介紹，過往AI對物理學界產生一個貢獻是在2017年，天文學家用電腦視覺技術幫助處理得到人類首張黑洞照片。 雖然近兩年火熱的大模型技術的進步也依賴數學、統計學、資訊學和物理學等基礎學科，當諾獎物理學獎頒發給Hinton時他本人也很吃驚，沒想到會發生。
竇德景對鈦媒體App強調，「總結來說，數學、統計、物理學、資訊學都是電腦科學基礎，這些基礎理論幫助了電腦科學和AI的發展，也是AI的基礎，但反過來，AI目前仍未真正影響物理學的基本原理、並幫到物理學的發展。除了物理學和化學以外，生物醫學等的諾貝爾獎也可能表彰AI學者的貢獻。
英矽智慧創始人、CEO Alex Zhavoronkov對鈦媒體App表示，AI對科學技術產生了深遠的影響，並將改變人類生活的各個層面。
「我認為諾貝爾委員會認識到了這一點，並且必須突破界限才能認識到這一深刻的變化。」Alex表示，今年的獎項有很多不尋常的事實。首先，AI 主要是數學。約翰·麥卡錫（John McCarthy）、艾倫·圖靈（Alan Turing）、馬文·明斯基（Marvin Minsky）、艾倫·紐厄爾（Allen Newell）、赫伯特·西蒙（HerBERT A. Simon ）、納撒尼爾·羅徹斯特（Nathaniel Rochester）、克勞德·香農（Claude Shannon）大多是數學家和工程師。當諾貝爾獎首次推出時，還沒有電腦科學或人工智慧作為一門獨立的學科。因此對於深度神經網絡，他們不得不將AI 歸類為物理學，而AlphaFold 獲得諾貝爾獎是意料之中的事。
在Alex看來，諾貝爾獎將激勵更多的人，而神經網路對產業的價值是巨大的。
「許多非常簡單的任務已經被AI 接管。即使在Insilico，我們也用AI 取代了許多註釋、寫作甚至編碼工作，並且不得不重新培訓和提高許多準備數據的員工的技能。經濟效益尚未顯現，但確實存在。 而且，沒有什麼比藥物發現的影響更深遠的了。 ，並通過了一項II 期試驗。能力就比世界上大多數已開發國家都要強。感受到AI 對這個行業的影響。
上海交通大學化學化工學院長聘教軌副教授沈琦對外表示，隨著AI的出現，蛋白質預測的準確率和效率都得到了前所未有的提高，解決了困擾化學家多年的重大科學難題，並成為廣大科學研究人員手中的得力工具，得獎實至名歸。
事實上，自1901年首次頒發諾獎以來，諾貝爾獎經常強調研究對社會的影響，並獎勵實用發明，而不僅僅是純科學。在這方面，今年的獎項並不罕見，例如有時，它們會頒發給非常出色的工程項目。其中包括雷射和PCR領域。
據了解，2024年諾貝爾物理學獎、化學獎將均分單獎總額1,100萬瑞典克朗（約合人民幣744.46萬元）的獎金。
儘管今年諾獎已經公佈完畢，但對於「生成式AI 熱潮是否已經形成泡沫」這個話題一直存在爭議。
根據Gartner技術週期顯示，AI 已經度過了過度預期的高峰，將進入幻滅的低谷。報告預測，到2025年，30%的當前AI 專案將在概念驗證後被放棄，同時，許多AI 專案將由於資料品質不佳、風險控制不足、商業價值不明確或成本不斷上升而失敗。
Gartner指出，實施生成式AI 專案可能耗資數百萬美元，並產生巨大的持續成本。例如，推出新一代AI 虛擬助理的成本可能為500萬-650萬美元，每位用戶每年的經常性預算支出為8,000至11,000美元。
對此，Alex告訴鈦媒體App，從短期來看，AI 就像許多其他科技泡棉一樣，它（生成式AI）是一個泡棉。許多低品質的公司獲得了資金，甚至一些較低級別的大學教授也獲得了新創業公司的資金，現在正在努力創造產品或收入。
竇德景對鈦媒體App表示，「我們認為，現在的AI還沒能夠幫助企業實現經濟盈利，雖然現在一些軟體公司用copilot來自動編程，能夠節省程式設計師的時間和一些成本，但是還做不到，用AI完全取代程式設計師。 ，成本分攤下來也需要非常長的回本時間。
在竇德景看來，就像當年搜尋引擎的出現，給大家更好獲得資訊的管道，但當時也在思索變現回報模式，後來是依靠廣告才開啟了獲利模式。目前，還沒有在AI 領域看到類似廣告這樣的獲利模式。未來是不是OpenAI能在自己平台上打廣告獲利，目前來看不明確，畢竟大模型公司的用戶日活量遠低於Google等搜尋引擎，還需要有一個像廣告這樣的獲利模式。
不過，從資本到企業自身，市場正在轉變，大模型領域的企業正加速應用落地，努力獲得收入。
根據竇德景介紹，作為一家AI 原生的國有企業，北電數智在當前算力資源的競爭格局下，解決如何有效利用現有多元算力資源，提升AI產業的核心競爭力的同時，降低企業使用AI算力的門檻並協助AI產業發展。
具體來說，北電數智正在通過以混元適配的核心技術，更高效地利用國產晶片處理不同類型的數據，同時確保數據的安全性和模型的性能，推動國產晶片實現從“可用”到「好用」轉變。同時，AI的廣泛應用，不僅技術本身需要創新，流程、系統和組織也需要創新；另外，北電數智正在構築AI 時代的生產線，推動基礎設施發展，除了算力層協同國產晶片協同作戰，模型層對主流的基座模型與開源模型提供普適性支持，資料層打造可信任資料空間，同時打造敏感產業的垂類模型矩陣；其次，每個星火·智算也都配以展覽展示、路演空間、實驗室，及開閉門研討會等，加速產業發展，讓AI可用的同時加速AI時代到來。
Alex表示，目前在AI 領域，只有少數新創公司能夠實現規模和工業能力——OpenAI 在推理方面做得很好，Insilico在藥物發現方面做得很好，但像谷歌、微軟、亞馬遜、Meta這樣的大公司掌握著主流工業應用的所有鑰匙。從非常積極的一面來看，在藥物研發方面，我們看到Insilico推動一種完全由AI 生成的藥物的首個II 期臨床研究已經完成，「我很自豪這是在中國完成的，如果我們很幸運的話，它可能是世界上第一種獲批的AI 藥物」。
根據英矽智能今年6月向港交所提交的財報資料顯示，英矽智能2021年、2022年營收分別為471.3萬美元及3,014.7萬美元，主要來自醫藥研發的服務。未來，Insilico將擴展AI、房地產和醫療保健的結合，Alex指出公司正在與一些領先的房地產公司合作。
根據產業研究數據顯示，2017-2021年，全球醫藥研發支出由1,652億美元增加至2,179億美元，期間複合成長率為7.9%。預計到2022年-2026年，支出規模將從2,421億美元增加到3,130億美元，期間複合成長率為6.9%。
「我認為成功的50%歸功於非常強大的生成式AI，50%歸功於中國高品質的人才、能力和職業道德。我認為，我們將在AI 領域看到的下一波最大的生產力浪潮將在中國。