谷歌DeepMind
搜索文档
一财社论:冲出象牙塔,诺奖里也能看到商业的力量
第一财经资讯· 2025-10-09 21:32
文章核心观点 - 诺贝尔奖的性质正在发生变化,从纯粹的学术荣誉转变为影响未来市场竞争格局和商业价值的关键因素,表明基础研究与应用研究、学术价值与商业价值的边界日益模糊 [1] - 以谷歌连续两年获奖为代表,企业正凭借其资源、融资和效率优势,成为基础研究领域的重要力量,甚至挑战和超越传统大学及科研院所 [1][2][3] - 在AI技术推动下,企业研发向基础研究延伸,加快了科研成果的商业化转化速度,并改变了企业的核心竞争逻辑,从模仿创新转向原始创新和快速迭代能力的竞争 [2][3] - 面对全球研究体系的解构与重构,中国需要深化市场改革、激发企业活力、建立去中心化的研究体系,以释放国家的创造力和智慧潜力 [4][5] 行业趋势与竞争格局演变 - 基础研究与应用研究的边界越发模糊,其商业价值变得可度量,科学的猜想与商业的价值发现不再违和 [2] - 企业研发正沿着微笑曲线,从靠近市场的应用研究跃迁到基础研究之上 [2] - AI技术将基础研究中的不确定性转化为可度量的风险概率分布,提高了基础研究向应用研究转化的贴现率,并缩短了其转化为商业价值的边际时间 [2] - 企业的竞争焦点发生位移,单纯依靠模仿创新、反向工程等跟随式创新的商业空间将遭到根本性挤压 [3] - 企业的核心竞争优势转变为创新迭代解决方案的竞争能力,强调“天下武功唯快不破” [3] 企业角色与优势重塑 - 谷歌连续两年在不同前沿领域(2024年化学奖、2025年物理学奖)获得诺奖,表明企业正成为基础研究的重要参与者 [1] - 相较于传统科研院所,企业在基础研究中能调动更多资源,包括先进算力、数据和算法,更低成本的商业市场融资,以及更快捷充足的资本支出 [3] - OpenAI与AMD开创的“股权换采购”新融资模式,是企业在基础研究融资方面领先的例证 [3] - 越来越多的顶尖科学家进入商业世界,企业正成为研究市场全方位的挑战者和超越者,未来更多诺奖得主和成果来自企业将成为常态 [3] - 马斯克基于物理学第一性原理的创业和运营,早已将基础研究与应用研究、学术价值与商业价值有效交融 [2] 对市场与政策的启示 - 需要调整和重新汇聚国家科研力量单元,为科研创造自由驰骋的环境 [4] - 关键在于放活企业这一市场主体的活力,为其营造“有求必应、无事不扰”的市场秩序 [4] - 需全面深化市场改革,让市场在资源配置中发挥决定性作用,让市场价格真正发挥资源调剂信号的作用 [4] - 应搭建去中心化的研究制度体系,将竞争引入研究市场,让市场配置研究资源 [4] - 一个国家的研究市场机制越灵动、越尊重人的自主性,越能扫除非市场壁垒,从而释放本国的创造力和智慧潜力 [4][5] - 走出模仿创新和反向研究,是中国创造和中国智慧上场的必要准备 [5]
谷歌DeepMind冲击千禧年大奖新进展,利用AI方法在3个流体方程中发现新的不稳定奇点
36氪· 2025-09-19 16:48
研究项目概述 - 谷歌DeepMind联合多所顶尖大学的研究人员,在三个不同的流体方程中首次系统地发现了新的不稳定奇点,并揭示出一条将爆破速率与不稳定阶数联系起来的经验渐近公式 [1][2] - 此项名为“纳维-斯托克斯行动”的计划已持续3年,由20人团队执行,此前保持高度保密 [1] - 谷歌DeepMind负责人Demis Hassabis曾于今年1月透露,其团队“即将解决一项千禧年大奖难题”,并预计“明年或一年半内就能见分晓” [1] 研究方法与创新 - 研究采用两阶段结构:解的发现与解的分析,以实现高精度不稳定奇点的发现 [6] - 方法核心是结合机器学习框架与高精度的高斯-牛顿优化器,利用物理信息神经网络(PINN)并嵌入数学见解来引导优化过程 [2][6][11] - 通过架构设计强制执行由控制方程导出的约束(如对称性、周期性),并为学习提供强大的标准训练参数 [11] 技术突破与精度 - 该方法在所有发现的解上都达到了显著超越既有工作的精度,对于特定的CCF解,结果接近双精度浮点的机器极限,仅受限于GPU硬件的舍入误差 [2] - 引入高斯-牛顿优化器,可在约50,000次迭代内将残差降到10⁻⁸,对比标准梯度优化器表现出更佳性能和显著更快的收敛速度 [13] - 采用多阶段训练策略,能够将最大残差提高5个数量级,该精度足以满足基于计算机辅助证明(CAP)的严格数学验证 [13] 研究成果与意义 - 研究成果以“Discovery of Unstable Singularities”为题,已于2025年9月17日在arXiv发表预印本 [3][4] - 该研究为探索非线性偏微分方程的复杂图景提供了一种全新的研究范式,并为攻克数学物理中的长期难题开辟了新路径 [2] - 研究展示的精度相当于将地球直径的预测误差控制在几厘米以内 [15] 研究团队与背景 - 论文一作为华人博士Yongji Wang,现任纽约大学库朗数学科学研究所博士后,同时是斯坦福大学访问博士后 [17][19] - 纳维-斯托克斯方程是克雷数学研究所设立的7项千禧年大奖难题之一,解题者可获得100万美元奖金 [1]