浙大杨怡豪谈“求是引擎”72小时AI自主科研直播

当AI开始独立推进一个开放的科学问题，外界凭什么相信它真的完成了研究？ 作者｜寇雨然 编辑｜王博 9月22日，云栖大会现场，一场将持续72小时的AI自主科研直播开始了。 现场的大屏幕上，自主科研系统“求是引擎”得到了一个研究目标：寻找新的高维吻接数（Kissing Number）下界。 吻接数是数学里的一个经典难题，研究的是：在N维空间中，一个球周围最多能紧紧贴住多少个大小相同、互不重叠的球。这个问题虽然在2维和3维空间很好理解，但是在许多高维空间还没有精确答案。而提高下界，就是找到一种新的摆法，证明可以放下更多球。 吻接数问题在2维3维空间中的情况，图片来源：AI生成 这是浙江大学联合阿里云发起的AI科研挑战。此后的三天里，没有研究人员替“求是引擎”指定技术路线。系统自己查找资料、提出方向、编写程序、生成构造、检查结果，再根据反馈调整下一步。 直播开播约两小时，第一项结果出现了：32维吻接数下界从346432提高到346944，一次增加512个球。直播结束后，“求是引擎”团队宣布在10个维度上推进了此前的已知下界。 但是这背后有一个朴素的问题：当AI开始自主推进科研任务，外界凭什么相信它真的完成了研究？ “求是引擎”72小时自主科研挑战现场和成果总结 近一段时间以来，越来越多机构宣布AI取得了科研成果，但外界看到的往往是论文、证明或最终指标，AI在其中承担了多少工作，研究方向如何形成，一条路线失败后由谁调整，系统又怎样判断结果是否可信，这些过程通常藏在黑箱里。 例如，“求是引擎”的直播结束十多天后，OpenAI一次公开了722篇数学手稿，归为372个成果族。虽然OpenAI同时公开了部分Lean形式化材料和少量推理摘要，但大多数成果的完整研究轨迹仍未呈现给外界。 “求是引擎”进行了吻接数研究，表面上看是“AI刷新数学纪录”的新成果，但是“求是引擎”团队更想展示这些数字产生以前发生了什么。全程直播、公开研究报告、构造数据和验证程序供外界复验就是“求是引擎”团队的选择。 近期，「甲子光年」独家对话了“求是引擎”研发者、浙江大学信息与电子工程学院研究员杨怡豪。 杨怡豪 杨怡豪博士毕业于浙江大学，长期从事前沿光子学、物理与AI交叉研究，曾获国家自然科学奖二等奖，入选麻省理工科技评论35岁以下科技创新35人（中国区）。2025年，DeepSeek-R1展现出的长链推理能力让他和团队开始思考：如果把这种能力延伸到上千个模型与工具步骤，AI能否围绕一个重大科学问题持续研究？ 2025年8月，杨怡豪和团队正式启动全新的科学发现系统研发，并获得学校特批，用浙江大学校训“求是创新”中的“求是”来命名。2026年7月，团队正式发布“求是引擎”，并成立了隐核智能。团队将“求是引擎”其定义为具备千步级长程推理自主科研能力、可自主组织并持续推进科研工作的科学发现系统。 在这场对话中，我们追问了几个更具体的问题：72小时直播究竟证明了什么？所谓“千步级推理”和一场更长的对话有什么区别？系统怎样记住走过的正确与错误路径，又由谁判断最终结果是否可信？而杨怡豪反复强调一句话是：“结果很重要，但过程更重要。” 本文，「甲子光年」独家对话杨怡豪，经整理编辑，在不改变原意的基础上有所删改。 1.科学问题：结果很重要，但过程更重要 甲子光年：为什么要把“求是引擎”的研究过程连续直播72小时？ 杨怡豪：现在很多人宣称用AI解决了一些问题，但有些过程是黑盒，外界也不知道AI到底参与了多少。大家很关心AI解决了什么，却看不到它到底怎样解决。 甲子光年：之前没人做过吗？ 杨怡豪：之前没人展示过这个中间过程。我们想做个科普，让大家看到AI真的可以在得到一个目标后，不需要人参与，一步一步自己分解任务，不断试错、积累经验，最后解决科学问题。 甲子光年：你们最想证明的是什么？ 杨怡豪：对于数学或者科学问题，结果很重要，但过程更重要。因为过程里面会提炼出一些新方法、新思路，甚至一些新哲学，对研究其他科学问题非常有帮助。 过程拆解之后，大家可以看到AI是怎么一步一步做的，提出了哪些思路，哪些走得通，哪些走不通。走得通的可以借鉴，走不通的以后可以避免，这也是很有价值的一部分。 甲子光年：我很好奇，那么多数学难题，你们为什么选择吻接数问题？ 杨怡豪：吻接数问题在学界非常有名，大家都想解决它。它还有一个很重要的特性：解决很难，但验证比较容易。 如果把这个问题解决了，甚至不需要非常专业的人士，自己写一些代码，也可以验证结果的正确性。所以，它天然是验证AI系统能力的好任务。 当时Google推出AlphaGo时，宣传AlphaGo很强的一点，就是在吻接数问题的一个维度上推进了纪录。硅谷很多前沿公司也在做AI自主科研系统时，也是用吻接数问题展示能力，把某一个维度的纪录向前推进一步。 甲子光年：你的研

来源只提供摘要，完整内容请打开原文。