从AI模型到超算、数据与自主实验室，美国正在把AI for Science组织成一种新的国家科研基础设施。
2026年7月22日，美国能源部公布“创世纪计划”（Genesis Mission）首批入选项目：278项研究进入立项流程，覆盖能源、材料、制造、核科学、生物技术、量子、微电子、地球系统和国家安全等方向。这是一轮规模空前的AI for Science资助，进一步把行政令、统一平台、国家科技挑战、两阶段项目机制和产业投入连在一起看，图景就更明晰了：美国要把国家实验室长期积累的超算、科学数据、基础模型、大科学装置和机器人实验设施，编入一套可统一调用的“科学发现系统”。
未来，一项科研任务可能这样展开：科学家提出目标和约束，AI智能体检索知识、拆解问题并规划工作流；超算和科学模型在虚拟空间中筛选候选、推演机制；自主实验室完成少量高价值实验；光源、显微、谱学等设施提供真实观测；结果回流模型，触发下一轮计算与实验。
“创世纪计划”的雄心，正是把这条链路从少数实验室的示范，变成国家层面的常规科研能力。
“创世纪计划”瞄准的是一套可调用、可组合、可考核的国家科学发现系统，278个项目是这套国家级科学发现系统的“应用层”。
首批278项中，168项由大学牵头，87项由能源部及国家核安全管理局所属国家实验室牵头，19项由企业牵头，4项由非营利机构牵头；参与机构共342家，包括142所大学、157家企业和16家国家实验室。
图 1白宫科技政策办公室主任在创世纪计划峰会上（来源：HPC Wire）
牵头方以大学和国家实验室为主，企业参与数量却超过大学。这一结构体现了“创世纪计划”的组织思路：国家实验室提供独特的数据、算力和设施，高校探索新方法，企业带入基础模型、云计算、工程能力和应用需求，共同完成从科学问题到可部署工作流的验证。
项目范围极广。有人用AI设计稀土分离化学，有人开发自动生成和优化高性能计算代码的智能体；有的团队构建核反应堆数字孪生，有的研究自主实验室、量子算法、蛋白质功能、地下裂缝和极端天气。最大单项是为期三年、金额6000万美元的核能项目，目标是利用AI加快核设施建设并提升运行安全性。
更关键的信息藏在项目机制里，“创世纪计划”设置了一个明显的筛选漏斗。第一阶段278支“探针”，先进入不同的科学问题，寻找AI真正具有优势的工作流，再把资源集中到少数能形成变革性能力的方向。阶段通常为9个月，每项50万至75万美元，由小团队证明一条清晰、具体、可评估的AI科研工作流，项目运行约6个月时接受“继续或停止”评审；第二阶段为3年，单项预计600万至1500万美元，由更大团队放大已显示出潜力的方向。DOE还可以把多个第一阶段团队合并，重组为一个第二阶段项目。
因此，278项更像把国家实验室纳入同一套“科学操作系统”。
支撑这些项目的核心，是“美国科学与安全平台”（American Science and Security Platform）。按行政令的设计，平台将统一提供六类能力：高性能计算和安全云环境；可探索设计空间、评估实验结果并自动编排流程的AI智能体；科学计算、模拟与优化工具；不同学科的基础模型；经过权限和安全治理的数据；以及可开展AI定向实验和制造的自动化设施。
这些资源过去就存在，只是分散在不同实验室、项目、学科和管理体系中。平台的价值在于形成稳定的接口、权限、调度、数据和评测机制，让研究团队可以组合调用这些资源。
行政令为此排定了紧凑的时间表：90天内识别可用的计算、存储和网络资源；120天内确定首批数据与模型资产并提出安全接入方案；240天内评估国家实验室的机器人实验和生产设施；270天内至少围绕一项国家科技挑战展示平台的初始运行能力。这一时间表传递出明确信号：平台要尽快投入真实任务，在运行中逐步扩大资源和能力边界。
资金同样通过多渠道组织。DOE本轮申请计划的可用资金约2.94亿美元；白宫随后宣布，15个以上联邦机构将为整个“创世纪计划”提供超过50亿美元的投入；产业与非营利伙伴另承诺超过8亿美元支持，包括算力和云额度、基础模型、科研服务、合作研究以及直接资金。这些数字覆盖范围不同，不能简单相加，也并非全是现金拨款；但它们共同表明，“创世纪计划”已从能源部项目扩展为跨部门、跨产业的国家行动。
伯克利实验室：同一套底座，进入四十多条任务链。
劳伦斯伯克利国家实验室是观察这套机制的一个窗口。首批项目中，伯克利实验室牵头13项，并参与另外30余项。这13项任务横跨材料发现、关键矿产、量子与光电材料、核废物、聚变磁体、水资源和高性能计算，看似彼此相距甚远，背后却共享同一套能力：NERSC高性能计算、ESnet高速科研网络、先进光源、分子铸造厂，以及长期积累的数据管理和科学AI能力。
图 2The White House Website
其中，自主材料发现项目让AI与自动化实验室共同完成“设计—实验—学习”的循环；复杂合金项目把AI结构预测、高通量合成和先进显微表征连成一体；“智能体高性能计算管线”则把复杂的DOE科学代码封装为可在商业云上调用的自主工作流，企业不必每次都依赖国家实验室专家手工配置。
核能和地球系统项目展示了另一类路线：HERALD利用AI审查和整理长期封存的核能资料，在安全规则约束下释放可供产业使用的知识；多个数字孪生项目把多源观测、物理模型、风险推断和行动决策组织进同一个动态系统，用于地下裂缝、核废物处置库和高温超导聚变磁体。
伯克利实验室的优势来自“复用”：它不为每个项目单独建设算力、数据和实验平台，而让同一套国家科研基础设施进入多条任务链。项目越多，底座的边际价值越高；工作流越成熟，又会反过来沉淀为其他团队可调用的能力。
“AI优势”必须在真实科研流程中被证明。
“创世纪计划”反复强调一个词：AI advantage，即AI优势。这一优势必须落实到一条可运行、可比较的科研工作流中。第一阶段项目要给出定量证据，说明AI能否提升预测能力、改善实验、产生新的科学认识，或把原本难以执行的任务变成可行流程。模型在公开数据集上刷新指标，无法自动迈过这道门槛，还必须进入数据、模拟、实验和决策相互约束的真实环境。
图 3「Genesis Mission has arrived」竖版海报
（来源：美国能源部X/LinkedIn官方账号2025年12月18日推文）
这正是两阶段机制的意义：短周期、小投入用于路线探索，明确的“继续或停止”节点控制沉没成本；进入第二阶段的团队再解决跨设施部署、数据治理、可靠运行和产业转化。项目制由此承担两项任务：既寻找新的科研方法，也为统一平台筛选真正值得固化的能力。
这套机制也揭示了AI for Science进入深水区后的难点：科学智能体可以生成方案，实验设施却存在设备边界、样品差异、仪器漂移和安全约束；模型可以给出预测，真实科研还要处理不确定性、证据链和可复现性；单次演示可以依靠专家“托底”，规模化运行则必须具备异常识别、容错恢复、审计追踪和版本管理。最终决定系统上限的，是连接模型与物理世界的融合层。
从单点闭环到网络化自主科研，我国已有怎样的基础？
从我国科研实践看，这条路线已出现较完整的化学与材料闭环。
以中国科学技术大学团队建设的智能科学家体系为例：其技术路线已从预设流程自动执行，发展到算法驱动的理论—实验迭代、大模型驱动的科研智能体、多实验室协同，再到面向自主假设生成与验证的科学闭环。科研人员提出目标后，任务总控、文献阅读、实验设计、计算模拟、机器人操作和评审智能体协同把需求转化为“文献—假设—设计—执行—分析—迭代”的任务链。
图 4中国科学技术大学精准智能化学全国重点实验室
该体系已形成19个分布式创新设施、80个AI驱动的化学与材料实验平台，研制集成110台科研机器人和500台智能工作站，沉淀500余套机器指令集、3000余个实验模板和300余个专业智能模型。重点已从单台机器完成实验，转向多平台、多任务、多智能体的资源感知调度和理论—实验协同。
更重要的是该系统已展示出提升科研效率百倍以上的能力，并涌现出一批既是前沿创新也是产业所需的实用成果：首创功能蛋白智能平台，不到一年实现多肽药物精准优化，打破传统药物开发十年十亿美元的“双十”困境；发明新型硬碳负极材料，突破钠离子电池国产化关键瓶颈；发明新型相变阻燃材料，解决高温安全防护长期难题，已在安徽消防队、奇瑞汽车应用；首创物尽其用的智能研发模式，将废弃催化剂转化为单原子绿色农药，全球首次解决农药重金属残留痛点，已推广超千万亩。这些成果成为智能科研赋能新质生产力的一系列标杆案例。
这些工作说明，我国在化学和材料领域的智能体—计算—机器人—表征闭环和真实场景部署上已形成先发基础。美国“创世纪计划”尝试建立的突出优势依托的是来自国家级资源整合：统一调动超算、数据和大科学装置，建立跨部门和产业参与机制，并通过阶段性筛选把分散探索沉淀为平台能力。两条路线正在同一方向汇合：科研系统既要具备深入具体学科的垂直闭环，也要形成可跨实验室复用和扩展的横向基础设施。
下一道分水岭：让机器从“找到更优解”走向“形成新认知”。
目前自主实验室最成熟的能力，仍集中在给定目标下寻找更优配方、材料或工艺。科学发现还要求系统提出可证伪的假设，选择能够区分竞争性解释的实验，并把相关性提炼为可迁移的机制和规律。
这需要一种更完整的“化学世界模型”：围绕“状态—行动—观测—更新”组织科研过程，系统先理解样品、过程和设备的当前状态，预测一次加料、升温、光照或测量将带来怎样的状态变化，预判相应的谱学、图像和过程信号，再用真实观测修正对物质世界的认识。
在这一框架中，谱学和多模态表征成为连接微观模型与真实实验的观测层；成功结果、失败实验、负结果、仪器校准、环境条件和临场处置都要被结构化记录。一次实验的价值由此不再局限于最终性能指标——它同时为模型提供“为什么成功、为什么失败、下一步如何区分”的证据。
中国科大团队已把“全谱学、全信息”、原子尺度模型、科学基座模型、云端化学孪生和联邦协同纳入下一阶段技术路线，计划推动智能科学家由任务完成型走向认知发现型。核心方法可概括为三个方向：扩大可并行服务的实验和用户，即scale out；支撑更长链条、更复杂的研究任务，即scale up；让工作流、模型和经验跨仪器、跨实验室迁移，即scale across。
“创世纪计划”释放的最大信号，是全球AI for Science竞争正从单一模型和单个示范平台，转向科研资源的系统组织能力。
未来的关键问题将更加具体：谁能把每一次实验沉淀为可训练、可追溯的证据，谁能让一条科研工作流跨实验室稳定复现，谁能让模型、超算和实验设施按需组合、同时控制误差与风险，谁就更有可能把偶发的智能发现，变成持续增长的国家科研生产力。
主要资料来源：
2.The White House, Executive Order, “Launching the Genesis Mission,” 24 November 2025.
3.U.S. Department of Energy, Genesis Mission RFA informational materials, DE-FOA-0003612.
4.The White House, “More Than $5 Billion for the Genesis Mission,” 22 July 2026.
2026年7月29日