科研成果：那些让人又爱又恨的“意外”
说来你可能不信，大部分划时代的科研成果，都是“瞎猫碰上死耗子”。
青霉素是培养皿被污染发现的。X光是因为伦琴手欠多照了一张照片。就连微波炉，也是工程师在雷达前发现口袋里的巧克力化了……说实话，这些故事听多了，我都替那些正襟危坐、按部就班的项目申请报告感到尴尬。
但现实是，如今的科研圈，越来越容不下这种“意外”了。
一、当科研变成“计件工作”
我有个朋友——对，又是那个无中生有的朋友——在某高校做青椒。他给我看过他们的考核表：三年内必须发够4篇SCI，其中至少一篇是二区以上。完不成？走人。
没有“延期”，没有“转岗”。就是走人。
你能想象吗？那些可能改变世界的科学探索，现在变成了类似“每月销售业绩”的东西。于是大家开始疯狂水论文，把一个结果拆成八瓣儿发，用机器学习的模板套在各个领域，什么火就做什么。去年是石墨烯，今年是碳中和，明年大概就是“AI for Everything”了。
但这不是科研。这是代工。
有一个数据挺扎心的：全球发表的学术论文里，超过三分之一从未被引用。注意，不是没用，是连被看一眼的资格都没有。这些耗费着巨额经费、燃烧着年轻人大好青春的研究，最终的归宿就是数据库吃灰。偶尔被拿出来，也只是为了证明别人有多牛逼——成为别人论文里的“对比实验”。
可你又能怎么样呢？考核就在那里，项目结题就在那里，你总得交活儿吧。哎，说多了都是泪。
不过话说回来，就算在这样扭曲的生态里，偶尔还是能长出奇葩。
超导量子计算机稀释制冷机内部构造
但就是有那么一小撮人，死磕。潘建伟团队、谷歌的“悬铃木”（Sycamore）、IBM的“鱼鹰”……2019年“量子霸权”的里程碑，虽然争议不小，但至少让全世界都闭嘴了。
然后呢？
然后发现，现在的量子计算机依然像个需要精心伺候的祖宗。运算几分钟，制冷机的电费能让你破产。而且它能解决的问题，其实范围很窄——目前最有用的可能还是优化量子化学计算，至于别的大吹特吹的“破解RSA加密”，还早得很。
但我反倒觉得，这才是科研的本来面目：它不给你画大饼，它就是捧着一堆碎片，慢慢拼图。有时候拼了好几年，突然发现拼错了，只好推倒重来。这种挫败感和不确定性，才是常态。
为什么我们总把科研描述得那么光鲜亮丽？什么“重大突破”、“颠覆性成果”……好像不这么说就拿不到经费。这种预期错位，反而让公众对科学又盲目崇拜又失望至极——今天吹上天，明天出了点问题就骂“骗经费”。
其实，能死在实验室里的想法，远比活下来的多得多。这才是值得尊敬的真相。
AlphaFold预测蛋白质三维结构示意图
我身边做湿实验的生物狗，心情很复杂。以前一个蛋白结构，花两三年、烧几十万经费，还不一定解得好。现在？上传序列，刷个牙回来，结果就出来了，精度还比你高。怎么办？转行吗？
但有趣的是，这个冲击并没有让学术界哀鸿遍野。因为聪明的科学家发现，工具变了，问题也变了。以前纠结“这个蛋白长什么样”，现在可以问“它为什么动起来是这个样子”、“药物结合的动态过程怎么模拟”。AI 不是在取代科学家，而是在逼科学家去思考更本质的问题。
不过，新的毛病也来了：灌水更容易了。
以前随便找个什么蛋白测个结构，还能水一篇论文，现在？AI一跑全露馅。于是灌水方向变成了“AI辅助某某研究”，本质上还是那些东西，换个瓶子。而且现在审稿人也很头疼：你咋知道这篇论文里的深度学习模型没造假？权重文件一藏，神都不知道它怎么算出来的。
这就引出一个更深的坑：科研成果的可重复性危机。过去是生物学实验因试剂批次不同而重复不出来，现在是代码不开源、随机种子不公布，结果根本没法验证。科学精神里最核心的“同行检验”，正在被各种花里胡哨的技术黑箱侵蚀。
我不知道这是进步还是退步。或许都有。
四、那些真正改变世界的，往往是“失败者”
我特别喜欢杜克大学一句话：“伟大的研究来自于对失败的极度宽容。”
但现实是，我们的科研体系对失败几乎零容忍。项目要中期考核，进度不能落后，预期成果必须明确。可如果你真的在研究前所未有的东西，你怎么知道会有什么成果？
石黑一雄写小说谈过一种“缓慢的灵感”，需要几年甚至十几年发酵。很多科研其实也是这样。但现在的资助模式，恨不得你半年出东西。于是大家只能去做那些“可预见、低风险”的项目。这跟让探险家只准走高速公路有什么区别？
说个让我挺感慨的真事。2018年诺贝尔医学奖得主本庶佑，他的发现 PD-1 分子，最早是在 1992 年做的一个看似毫不相关的实验里偶然碰到的。当时他的团队一直在追另一个分子，结果没追到，反而逮着个无名的蛋白质。后来证明，那就是 PD-1，直接开启了癌症免疫治疗的新纪元。
如果本庶佑当年的课题是“根据预设路线图研究某已知分子”，可能就没有后面的故事了。
这就是我为什么对越来越精细化的科研管理深恶痛绝。它扼杀的就是这种“拐错弯发现新大陆”的可能性。
所以，怎么办呢？我也不知道。但至少，我们可以先停止把科研成果当成定期的“收成”，停止用流水线的思维去管理灵感的迸发。
说多了。就这样吧。
一、当科研变成“计件工作”
一、当科研变成“计件工作”
我有个朋友——对，又是那个无中生有的朋友——在某高校做青椒。他给我看过他们的考核表：三年内必须发够4篇SCI，其中至少一篇是二区以上。完不成？走人。
没有“延期”，没有“转岗”。就是走人。
你能想象吗？那些可能改变世界的科学探索，现在变成了类似“每月销售业绩”的东西。于是大家开始疯狂水论文，把一个结果拆成八瓣儿发，用机器学习的模板套在各个领域，什么火就做什么。去年是石墨烯，今年是碳中和，明年大概就是“AI for Everything”了。
但这不是科研。这是代工。
有一个数据挺扎心的：全球发表的学术论文里，超过三分之一从未被引用。注意，不是没用，是连被看一眼的资格都没有。这些耗费着巨额经费、燃烧着年轻人大好青春的研究，最终的归宿就是数据库吃灰。偶尔被拿出来，也只是为了证明别人有多牛逼——成为别人论文里的“对比实验”。
可你又能怎么样呢？考核就在那里，项目结题就在那里，你总得交活儿吧。哎，说多了都是泪。
不过话说回来，就算在这样扭曲的生态里，偶尔还是能长出奇葩。
二、量子计算：从“神棍”到“神器”的弯路
现在说起量子计算，大家都会觉得很高级，对吧。但你可能不知道，仅仅在二十年前，搞量子计算的科学家在圈内都抬不起头。 那时候大部分人觉得这就跟搞永动机差不多——理论上可能，实际上扯淡。毕竟量子比特太娇气了，稍微一点干扰就“退相干”，什么都算不出来。有个段子说，早期做量子实验的博士生，一半时间在调节光学平台，一半时间在怀疑人生。超导量子计算机稀释制冷机内部构造
但就是有那么一小撮人，死磕。潘建伟团队、谷歌的“悬铃木”（Sycamore）、IBM的“鱼鹰”……2019年“量子霸权”的里程碑，虽然争议不小，但至少让全世界都闭嘴了。
然后呢？
然后发现，现在的量子计算机依然像个需要精心伺候的祖宗。运算几分钟，制冷机的电费能让你破产。而且它能解决的问题，其实范围很窄——目前最有用的可能还是优化量子化学计算，至于别的大吹特吹的“破解RSA加密”，还早得很。
但我反倒觉得，这才是科研的本来面目：它不给你画大饼，它就是捧着一堆碎片，慢慢拼图。有时候拼了好几年，突然发现拼错了，只好推倒重来。这种挫败感和不确定性，才是常态。
为什么我们总把科研描述得那么光鲜亮丽？什么“重大突破”、“颠覆性成果”……好像不这么说就拿不到经费。这种预期错位，反而让公众对科学又盲目崇拜又失望至极——今天吹上天，明天出了点问题就骂“骗经费”。
其实，能死在实验室里的想法，远比活下来的多得多。这才是值得尊敬的真相。
三、AI“入侵”科学圈：是助手还是上帝？
这几年 AI for Science 火得一塌糊涂。去年 DeepMind 的 AlphaFold3 把蛋白质结构预测玩得飞起，几乎把结构生物学家的活给抢了。AlphaFold预测蛋白质三维结构示意图
我身边做湿实验的生物狗，心情很复杂。以前一个蛋白结构，花两三年、烧几十万经费，还不一定解得好。现在？上传序列，刷个牙回来，结果就出来了，精度还比你高。怎么办？转行吗？
但有趣的是，这个冲击并没有让学术界哀鸿遍野。因为聪明的科学家发现，工具变了，问题也变了。以前纠结“这个蛋白长什么样”，现在可以问“它为什么动起来是这个样子”、“药物结合的动态过程怎么模拟”。AI 不是在取代科学家，而是在逼科学家去思考更本质的问题。
不过，新的毛病也来了：灌水更容易了。
以前随便找个什么蛋白测个结构，还能水一篇论文，现在？AI一跑全露馅。于是灌水方向变成了“AI辅助某某研究”，本质上还是那些东西，换个瓶子。而且现在审稿人也很头疼：你咋知道这篇论文里的深度学习模型没造假？权重文件一藏，神都不知道它怎么算出来的。
这就引出一个更深的坑：科研成果的可重复性危机。过去是生物学实验因试剂批次不同而重复不出来，现在是代码不开源、随机种子不公布，结果根本没法验证。科学精神里最核心的“同行检验”，正在被各种花里胡哨的技术黑箱侵蚀。
我不知道这是进步还是退步。或许都有。
四、那些真正改变世界的，往往是“失败者”
四、那些真正改变世界的，往往是“失败者”
我特别喜欢杜克大学一句话：“伟大的研究来自于对失败的极度宽容。”
但现实是，我们的科研体系对失败几乎零容忍。项目要中期考核，进度不能落后，预期成果必须明确。可如果你真的在研究前所未有的东西，你怎么知道会有什么成果？
石黑一雄写小说谈过一种“缓慢的灵感”，需要几年甚至十几年发酵。很多科研其实也是这样。但现在的资助模式，恨不得你半年出东西。于是大家只能去做那些“可预见、低风险”的项目。这跟让探险家只准走高速公路有什么区别？
说个让我挺感慨的真事。2018年诺贝尔医学奖得主本庶佑，他的发现 PD-1 分子，最早是在 1992 年做的一个看似毫不相关的实验里偶然碰到的。当时他的团队一直在追另一个分子，结果没追到，反而逮着个无名的蛋白质。后来证明，那就是 PD-1，直接开启了癌症免疫治疗的新纪元。
如果本庶佑当年的课题是“根据预设路线图研究某已知分子”，可能就没有后面的故事了。
这就是我为什么对越来越精细化的科研管理深恶痛绝。它扼杀的就是这种“拐错弯发现新大陆”的可能性。
所以，怎么办呢？我也不知道。但至少，我们可以先停止把科研成果当成定期的“收成”，停止用流水线的思维去管理灵感的迸发。
说多了。就这样吧。