燒了18.6萬美元讓AI連軸肝了17天，它產(chǎn)出了166篇論文

如果你是一個(gè)博士生，寫一篇論文大概需要多久？

樂觀一點(diǎn)，三個(gè)月。悲觀一點(diǎn)，三年也不是不可能。中間還得經(jīng)歷選題被斃、實(shí)驗(yàn)跑崩、數(shù)據(jù)對不上、審稿人第三輪還在要求major revision（就是大改！）等人間疾苦。

最近有個(gè)AI，用了417小時(shí)干完了166篇。

這個(gè)AI叫FARS，全稱Fully Automated Research System，全自動科研系統(tǒng)，來自一家你可能沒聽過的中國初創(chuàng)公司，Analemma。它的工作流程跟博士生一模一樣：翻文獻(xiàn)、找選題、提假設(shè)、設(shè)計(jì)實(shí)驗(yàn)、寫代碼跑數(shù)據(jù)、分析結(jié)果、畫圖、成稿。全程沒有導(dǎo)師催，沒有deadline焦慮，不喝咖啡，不上廁所，24小時(shí)連軸轉(zhuǎn)。

更離譜的是，整個(gè)過程是直播的。任何人都可以打開網(wǎng)頁，實(shí)時(shí)圍觀這個(gè)AI怎么肝論文。就像看一個(gè)博士生在直播間里趕稿，只不過這個(gè)博士不需要睡覺。

讓它跑的人的原話很簡單：先寫100篇。

結(jié)果這臺“論文機(jī)器”一口氣跑了417小時(shí)，累計(jì)17天，產(chǎn)出了166篇論文。平均每2小時(shí)17分鐘交一篇。整個(gè)過程消耗了216億個(gè)token，燒掉大約18.6萬美元，折合人民幣超過130萬，算下來每篇論文的成本大約1100美元。

結(jié)算畫面

博士生看了沉默，導(dǎo)師看了流淚。

但先別急著感嘆。我們得搞清楚兩件事：這個(gè)系統(tǒng)是怎么工作的？它寫出來的東西，到底能不能看？

01.造一臺論文機(jī)器

做FARS的人叫孫天祥，復(fù)旦大學(xué)自然語言處理方向的博士，2024年畢業(yè)。

孫天祥個(gè)人主頁

這個(gè)名字你可能沒聽過，但他做過的東西你沒準(zhǔn)有印象：MOSS。

2023年初，ChatGPT剛在全球引爆AI熱潮的時(shí)候，復(fù)旦大學(xué)發(fā)布了MOSS，這是國內(nèi)最早一批對標(biāo)ChatGPT的大語言模型之一。當(dāng)時(shí)社交媒體上鋪天蓋地的討論，各路媒體爭相報(bào)道，MOSS項(xiàng)目的核心主導(dǎo)者，就是當(dāng)時(shí)還是博士生的孫天祥。

當(dāng)時(shí)的新聞稿，時(shí)間是亮點(diǎn)

2024年博士畢業(yè)后，他輾轉(zhuǎn)進(jìn)入上海創(chuàng)智學(xué)院擔(dān)任助理教授，同時(shí)創(chuàng)立了Analemma。公司的slogan是：“In a world of infinite questions, it is time to build an infinite mind”，翻譯過來就是：在一個(gè)問題無窮的世界，是時(shí)候構(gòu)建一個(gè)無窮的心智。

這話聽著玄乎，但他做的事倒是挺實(shí)在的：先造一個(gè)能自己做科研的AI系統(tǒng)，即本文的主角FARS。

FARS的工作方式，用人話說就是，四個(gè)AI研究員流水線協(xié)作：

-選題agent（Ideation）：負(fù)責(zé)翻文獻(xiàn)、找研究方向、提出假設(shè)

-規(guī)劃agent（Planning）：把假設(shè)變成具體的實(shí)驗(yàn)方案

-實(shí)驗(yàn)agent（Experiment）：寫代碼、調(diào)用GPU集群跑實(shí)驗(yàn)、收集數(shù)據(jù)

-寫作agent（Writing）：把實(shí)驗(yàn)結(jié)果整理成一篇完整的論文

FARS的架構(gòu)圖

四個(gè)agent在一個(gè)共享文件系統(tǒng)里協(xié)作，彼此之間不直接對話，而是通過讀寫文件來交接工作，背后撐著這套系統(tǒng)的，是160塊英偉達(dá)GPU組成的算力集群，配上所有agent想要調(diào)用的一線大模型。

打開FARS的直播頁面，你能看到的東西相當(dāng)豐富。頂上是當(dāng)前課題的標(biāo)題，下面一條進(jìn)度條標(biāo)著“選題→規(guī)劃→實(shí)驗(yàn)→寫作”走到了哪一步。左邊是項(xiàng)目隊(duì)列，十幾個(gè)編號排著隊(duì)，跑完一個(gè)換下一個(gè)。中間是當(dāng)前項(xiàng)目的實(shí)驗(yàn)清單，哪步做完了、哪步還在跑，標(biāo)得清清楚楚。右邊是GPU集群的實(shí)時(shí)狀態(tài)。如截圖里顯示的是76塊GPU同時(shí)在干活，利用率75%。最底下一排數(shù)字實(shí)時(shí)跳動：已經(jīng)產(chǎn)出了多少個(gè)假設(shè)、多少篇論文、跑了多久、燒了多少錢，整個(gè)界面就像一個(gè)科研工廠的監(jiān)控大屏，全程直播放送。

直播頁面長這樣

FARS目前聚焦的研究領(lǐng)域是AI本身，也被稱為“AI4AI”，用AI來研究AI。選這個(gè)領(lǐng)域有務(wù)實(shí)的考量：AI領(lǐng)域的實(shí)驗(yàn)可以完全在計(jì)算機(jī)上完成，不需要物理實(shí)驗(yàn)室，天然適合自動化。當(dāng)然，局限也很明顯：FARS暫時(shí)沒法跑極度燒算力的實(shí)驗(yàn)（比如大規(guī)模預(yù)訓(xùn)練），也沒法完成需要人類直接參與的實(shí)驗(yàn)（比如人工標(biāo)注或?qū)＜以u估）。

FARS還有一個(gè)設(shè)計(jì)上的執(zhí)念：全程透明。所有166篇論文的代碼，都通過FARS自己的GitLab賬號公開提交。選擇直播，也是因?yàn)閯?chuàng)始人認(rèn)為，規(guī)模化是檢驗(yàn)AI科研系統(tǒng)的唯一方式。給它幾篇論文看看，說明不了什么問題。只有大規(guī)模運(yùn)行并且完全公開，才能讓學(xué)術(shù)界真正去審視這個(gè)系統(tǒng)的能力和局限。

說到GitLab，其實(shí)還有個(gè)小插曲。FARS最早是在GitHub上提交代碼的，但因?yàn)樘峤活l率實(shí)在太高，觸發(fā)了GitHub的頻率限制，賬號被卡了，只好搬到GitLab。打開FARS的GitLab主頁，活動熱力圖很有意思：一整年幾乎全是灰色，就最近兩周多突然黑了一片。

FARS在Gitlab頁面

02.它寫出來的東西，能看嗎

說了這么多，F(xiàn)ARS寫出來的論文到底長什么樣？我們來看一個(gè)具體的例子。

在FARS產(chǎn)出的166篇論文里，有一篇叫《Local-Time AdamW for Stability-Gap Reduction in Continual Learning》（用于減少持續(xù)學(xué)習(xí)中穩(wěn)定性間隙的局部時(shí)間AdamW）。翻譯成人話就是：AI在學(xué)習(xí)新任務(wù)的時(shí)候，經(jīng)常會突然“忘掉”之前學(xué)過的東西，表現(xiàn)斷崖式下跌，雖然過一會兒會恢復(fù)，但這個(gè)閃崩本身就很危險(xiǎn)。FARS發(fā)現(xiàn)，AdamW優(yōu)化器里一個(gè)叫“偏差校正”的機(jī)制，在任務(wù)切換時(shí)會幫倒忙，于是提出了一個(gè)改進(jìn)方法：在任務(wù)切換時(shí)只重置校正步數(shù)，保留記憶緩沖區(qū)。

這個(gè)改動只需要改一行代碼。

然后FARS設(shè)計(jì)了實(shí)驗(yàn)：在兩個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上跑了對照實(shí)驗(yàn)，用了5個(gè)隨機(jī)種子取平均，還專門設(shè)計(jì)了一個(gè)“如果關(guān)掉偏差校正，效果還在不在”的驗(yàn)證實(shí)驗(yàn)來排除干擾因素。最終結(jié)論是，這個(gè)方法在一個(gè)數(shù)據(jù)集上把穩(wěn)定性間隙降低了31%，在另一個(gè)上降了17%。

整篇論文7頁，結(jié)構(gòu)完整，有摘要、引言、相關(guān)工作、方法、實(shí)驗(yàn)、結(jié)論，引用了15篇參考文獻(xiàn)，代碼開源在GitLab上。

這不是一篇隨便糊弄的AI八股文。它有自己的假設(shè)、有實(shí)驗(yàn)設(shè)計(jì)、有對照組、有統(tǒng)計(jì)檢驗(yàn)、有代碼，論文的開頭還明確標(biāo)注了一行警告：“WARNING: This paper was generated by an automated research system.”（警告：本論文由自動化研究系統(tǒng)生成。）

論文寫完之后還過了一道“審稿”。FARS使用的是斯坦福大學(xué)開發(fā)的AI審稿系統(tǒng)（Stanford Agentic Reviewer）。這個(gè)AI審稿員給出了詳細(xì)的評審意見：肯定了研究的動機(jī)清晰、方法簡潔、實(shí)驗(yàn)設(shè)計(jì)有對照組驗(yàn)證了因果機(jī)制；同時(shí)也指出了不足：實(shí)驗(yàn)規(guī)模偏小、缺少與更簡單替代方案（比如直接調(diào)低學(xué)習(xí)率）的對比、對超參數(shù)敏感性的討論不夠。最終打分：5.2/10，評價(jià)大致相當(dāng)于“weak accept”，有價(jià)值但還差點(diǎn)意思。

這個(gè)分?jǐn)?shù)高不高？說實(shí)話，不算高。但問題是，一個(gè)AI系統(tǒng)用平均2個(gè)多小時(shí)自動完成的論文，拿到了一個(gè)5分出頭的審稿意見，很多初次投稿的碩士生，花幾個(gè)月寫的論文，可能也就這水平。

FARS還有另一面，它也會失敗。

在FARS的論文庫里，有一篇研究對象是機(jī)器人控制AI的思考過程。現(xiàn)在有一類叫VLA（視覺-語言-動作模型）的系統(tǒng)，它看到攝像頭畫面、聽到語言指令后，再給出動作指令。有意思的是，新一代VLA不是一口氣給出答案，而是在內(nèi)部反復(fù)琢磨，像在草稿紙上不斷修改一樣，反復(fù)調(diào)整自己的中間狀態(tài)，琢磨夠了才輸出最終動作。

問題來了：怎么判斷AI“琢磨夠了”？已有的方法是看輸出端：如果AI連續(xù)兩步給出的動作幾乎一樣，就認(rèn)為它想好了，可以停了。但FARS提出了一個(gè)更直覺的想法：與其盯著輸出看，不如直接看AI內(nèi)部“草稿紙”的變化。如果草稿紙上的內(nèi)容趨于穩(wěn)定，說明思考真的收斂了，這應(yīng)該是一個(gè)更可靠的判斷依據(jù)。

FARS為這個(gè)假設(shè)設(shè)計(jì)了完整的對照實(shí)驗(yàn)方案，設(shè)置了嚴(yán)格的公平比較條件，還預(yù)設(shè)了一系列前提檢驗(yàn)來確保實(shí)驗(yàn)的有效性。但它同時(shí)也在論文里寫明了：這個(gè)假設(shè)可能是錯(cuò)的，如果AI內(nèi)部的“草稿紙”變化并不遵循收斂規(guī)律，那這個(gè)方法就不會奏效。即便失敗了，這個(gè)否定結(jié)果本身也有價(jià)值，它說明收斂指標(biāo)的選擇并不是關(guān)鍵杠桿，研究者應(yīng)該把精力放在其他方面。

研究失敗，認(rèn)了

這種態(tài)度反而讓人覺得，這個(gè)系統(tǒng)比想象中更誠實(shí)。它不只展示成功的案例，也把不確定的、可能走不通的研究方向攤出來。在真正的科研里，大量假設(shè)最終都會被推翻，只不過人類科學(xué)家很少發(fā)表走不通的思路。FARS不挑結(jié)果，做完就如實(shí)報(bào)告。

03.博士生該緊張嗎

FARS不是唯一在做這件事兒的。

2024年，日本AI公司Sakana AI發(fā)布了“AI Scientist”系統(tǒng)，號稱能自主完成從選題到成稿的全流程。同年年底，英國初創(chuàng)公司Intology推出了Zochi，也是類似的全自動科研系統(tǒng)。2025年，Sakana AI的升級版AI Scientist v2更進(jìn)一步，它產(chǎn)出的論文，已經(jīng)有被ICLR 2025 Workshop接收的案例。

這意味著，AI寫的論文，確實(shí)已經(jīng)通過了學(xué)術(shù)界的同行評審，雖然目前僅限于workshop級別。

順帶一提，在這一輪AI浪潮里，日本整體聲量不大，但Sakana AI例外。它是目前日本身價(jià)最高的AI公司之一，聯(lián)合創(chuàng)始人Llion Jones是那篇改變了整個(gè)AI行業(yè)的著名論文《Attention is All You Need》的八位作者之一。

Sakana AI 兩位創(chuàng)始人；David Ha（左）、Llion Jones（右）

但在這股熱潮之外，學(xué)術(shù)界對AI科學(xué)家的能力評估還相對冷靜。

2025年，西湖大學(xué)聯(lián)合國內(nèi)多所高校發(fā)表了一篇大規(guī)模綜述論文《How Far Are AI Scientists from Changing the World?》（AI科學(xué)家離改變世界有多遠(yuǎn)？），系統(tǒng)梳理了當(dāng)前所有主流AI科學(xué)家系統(tǒng)的研究進(jìn)展和短板。

標(biāo)題已經(jīng)比較直白了

這篇論文提出了一個(gè)能力框架，把AI科學(xué)家的成長分為四個(gè)層級：

1.知識獲取——能不能自己讀文獻(xiàn)、搜索和理解已有的研究？

2.想法生成——能不能提出新穎且可行的科學(xué)假設(shè)？

3.驗(yàn)證與證偽——能不能設(shè)計(jì)實(shí)驗(yàn)、寫代碼、分析結(jié)果來驗(yàn)證假設(shè)？

4.進(jìn)化——能不能從反饋中學(xué)習(xí)，持續(xù)提升自己的科研能力？

也可以看作是AI研究員的成長之路

目前，大多數(shù)AI科學(xué)家系統(tǒng)集中在前兩個(gè)層級，讀文獻(xiàn)和提想法。到了“驗(yàn)證”這一關(guān)，問題就來了。綜述團(tuán)隊(duì)用一個(gè)叫DeepReviewer的AI審稿模型，對5個(gè)主流AI科學(xué)家系統(tǒng)公開發(fā)表的28篇論文做了評估。結(jié)果不太好看：

- 評分最高的系統(tǒng)，平均也只有4.63/10

- 100%的論文存在“實(shí)驗(yàn)弱點(diǎn)”

- 96.4%存在“方法論不清或有缺陷”

- 89.3%存在“創(chuàng)新性存疑”

28篇文章里，發(fā)現(xiàn)AI還是有不少共性問題

換句話說，現(xiàn)在的AI科學(xué)家系統(tǒng)，在“做實(shí)驗(yàn)”這件事上還差得遠(yuǎn)。它們可以產(chǎn)出看起來完整的論文，但在實(shí)驗(yàn)設(shè)計(jì)的嚴(yán)謹(jǐn)性、方法論的創(chuàng)新性和可復(fù)現(xiàn)性上，離真正的高水平科研還有相當(dāng)大的距離。

綜述還指出了幾個(gè)值得注意的問題：

第一，沖擊同行評審體系。如果AI系統(tǒng)可以大規(guī)模、低成本地生成論文，現(xiàn)有的學(xué)術(shù)審稿機(jī)制可能會被淹沒。審稿人已經(jīng)忙不過來了，再加上海量AI生成的投稿，整個(gè)學(xué)術(shù)評價(jià)體系可能會出問題。

第二，削弱科研訓(xùn)練。如果年輕學(xué)者從一開始就過度依賴AI來選題、設(shè)計(jì)實(shí)驗(yàn)、寫論文，那么批判性思維、動手能力、對科學(xué)方法的直覺理解，這些需要長期訓(xùn)練才能獲得的能力，可能會被慢慢侵蝕。

第三，AI可能進(jìn)入不該進(jìn)入的領(lǐng)域。 一個(gè)不受約束的AI科學(xué)家系統(tǒng)，理論上可以自主探索任何研究方向，包括那些涉及安全風(fēng)險(xiǎn)的方向。

但趨勢是明確的。

就在這幾天，Analemma開始公開招募志愿審稿人，邀請人類研究者來評審FARS自動生成的論文。完成審稿的志愿者將被列為評審報(bào)告的作者，還能獲得產(chǎn)品積分和實(shí)體紀(jì)念品。反正我品出了這樣的味道：人類的角色正在從“寫論文的”變成“給AI批作業(yè)的”。

從2024年的“AI輔助人類寫論文”，再到現(xiàn)在FARS這種“AI做科研、AI審稿、人工二次審核”的模式，范式正在快速迭代。

我們今天討論“AI能不能做科研”，可能就像十年前討論“AI能不能下圍棋”。問題本身很快就會過時(shí)。真正的問題是，當(dāng)AI真的能做科研了，我們的學(xué)術(shù)體系、科研訓(xùn)練甚至科學(xué)倫理，準(zhǔn)備好了嗎？

FARS跑了417小時(shí)，寫了166篇論文。這些論文的質(zhì)量參差不齊，有的還不錯(cuò)，有的很一般，有的甚至以失敗告終。但它做了一件以前沒人真正做到的事：讓AI從頭到尾獨(dú)立做科研，然后把所有過程攤在陽光下。所以不得不說，不管你是期待還是警惕，可能都需要接受這個(gè)現(xiàn)實(shí)：

它們才剛?cè)雽W(xué)，它們的研究生涯才剛剛開始。