谷歌注资4000万美元AI代币助力美国能源部创世纪计划

谷歌深化与美国能源部合作

近日，谷歌宣布将扩大与美国能源部（US Dept. of Energy）在"创世纪计划"（Genesis Mission）上的合作。这一计划的核心目标颇具野心：在未来十年内将科学发现的速度提升一倍。为此，谷歌承诺投入价值4000万美元的AI代币（AI tokens）以及Google Cloud云计算额度，让更多实验室研究人员能够接触并使用Gemini及其他前沿AI模型。

这一合作标志着AI技术正加速从商业应用向基础科学研究领域渗透。对于长期依赖高性能计算与数据分析的科研机构而言，获得顶级AI模型的算力支持，可能意味着实验设计、数据处理乃至理论推导环节的全面提速。

创世纪计划是什么？为何备受关注

加速科学发现的国家级战略

创世纪计划（Genesis Mission）是美国能源部推动的一项重大科研倡议，其明确目标是"在十年内将科学发现的速度翻倍"。这一目标背后反映出各国对科研效率的高度重视——在气候变化、清洁能源、材料科学、生命科学等关键领域，传统的研究范式往往需要数年乃至数十年才能取得突破性进展。

值得一提的是，美国能源部（DOE）本身就是全球规模最大的科研资助机构之一，管辖着17个国家实验室，包括橡树岭国家实验室、劳伦斯伯克利国家实验室、阿贡国家实验室等顶尖研究机构。这些实验室雇用超过3万名科学家和工程师，研究领域涵盖核物理、高能物理、材料科学、气候建模、生物能源等前沿方向。DOE每年的科研预算超过200亿美元，其下属实验室拥有世界顶级的超级计算机（如橡树岭的Frontier），长期以来是高性能计算与数据密集型科研的重镇。正是因为拥有如此庞大的科研体系，AI技术的引入才有可能产生规模化的加速效应。

借助AI技术，尤其是大语言模型和多模态模型的推理能力，研究人员有望在文献综述、假设生成、模拟仿真和结果分析等多个环节大幅缩短周期。这正是"翻倍"目标的技术基础所在。

AI在科学研究中扮演的角色

近年来，AI辅助科研已经展现出巨大潜力。从蛋白质结构预测到新材料筛选，AI模型正在成为科学家手中不可或缺的工具。具体而言，AI在科学研究中的突破性应用已有多个里程碑式案例：2020年DeepMind的AlphaFold2解决了困扰生物学界50年的蛋白质折叠问题；2023年微软与太平洋西北国家实验室合作，利用AI在数天内从3200万种候选材料中筛选出18种新型电池材料；2024年诺贝尔化学奖和物理学奖均授予了AI相关研究。在材料科学领域，AI已将新材料从发现到验证的周期从平均20年缩短至数月。这些成果表明，AI不仅能加速已知范式内的研究，还能帮助科学家探索人类直觉难以触及的新方向。

谷歌此次将Gemini等模型引入能源部下属实验室，意味着研究人员可以在日常工作流中直接调用这些能力，无需自行搭建复杂的AI基础设施。Gemini是谷歌DeepMind开发的多模态大模型系列，具备处理文本、图像、音频、视频和代码的综合能力。其最新版本Gemini 2.5拥有超长上下文窗口（最高100万token），在数学推理、科学问答和代码生成等基准测试中表现优异。对科研场景而言，Gemini的多模态能力尤为重要——它可以同时分析实验数据图表、阅读论文文本、理解分子结构图像，从而为跨学科研究提供整合性的智能辅助。

4000万美元AI代币投入意味着什么

AI代币与Google Cloud额度的合作模式

谷歌此次承诺的4000万美元并非直接现金，而是以"AI代币"和Google Cloud云服务额度的形式提供。所谓AI代币（AI tokens），在此语境下指的是调用大语言模型API时的计费单位。当用户向Gemini等模型发送文本时，输入和输出内容会被分割为"token"——大约每个英文单词对应1-2个token，中文每个字约1-2个token。模型的使用费用按消耗的token数量计算，不同模型和不同任务（如推理、生成、多模态处理）的单价不同。4000万美元的AI代币额度意味着研究人员可以进行数十亿次模型调用，足以支撑大规模的文献分析、假设生成和模拟推理任务。

这种模式在企业与科研机构合作中日益常见——它既降低了研究机构的算力门槛，也让谷歌的AI生态能够深入实际的科研场景，形成双向价值。对研究人员而言，这意味着可以更自由地进行大规模计算实验，而无需担忧高昂的算力成本。对谷歌而言，这些真实的科研需求也将反哺其模型的迭代优化，尤其是在专业性极强的科学推理任务上。

让更多研究者受益的普惠化趋势

谷歌特别强调，这笔投入将让"更多实验室研究人员"获得访问权限。这一表述值得关注：AI资源的普惠化正在成为趋势。过去，只有少数顶尖机构和团队能够负担得起前沿AI模型的使用。高性能计算资源的成本一直是中小型研究团队面临的主要障碍——训练或微调一个大型AI模型可能需要花费数百万美元的GPU算力；即便是推理阶段的日常使用，频繁调用前沿模型的API费用也十分可观。以GPT-4级别的模型为例，处理100万个token的成本约为30-60美元，一个活跃的研究项目每月可能消耗数千至数万美元的API费用。

谷歌通过预付额度的方式消除了这一财务顾虑，使研究人员能够更大胆地进行探索性实验。通过这类合作，算力和模型能力将惠及更广泛的科研群体，有助于缩小不同实验室之间的技术鸿沟。

谷歌与能源部政企合作的深层意义

谷歌与美国能源部的这次合作，是科技巨头与政府机构在AI领域协作的又一典型案例。它折射出几个重要趋势：

首先，AI已被视为提升国家科研竞争力的战略性工具。将顶级商业AI模型引入国家实验室，反映出政府对AI加速科学发现能力的高度认可。在全球科技竞争日趋激烈的背景下，哪个国家能够率先将AI深度整合到基础研究流程中，就可能在下一代技术革命中占据先机。

其次，科技公司正积极通过资源投入的方式，将自身AI生态嵌入到关键的社会与科研基础设施中。这既是商业布局，也在一定程度上承担了推动科学进步的社会责任。值得注意的是，这种合作模式也让科技公司获得了在高价值、高难度场景中测试和改进模型的宝贵机会——科学研究中对精确性和可靠性的严苛要求，将推动模型能力向更深层次进化。

最后，这种合作模式可能成为范本。随着更多科技公司与政府、科研机构展开类似合作，AI驱动的科研加速有望在全球范围内形成规模效应。事实上，微软已与多个国家实验室建立了类似伙伴关系，Meta也在开源其科学计算模型，整个行业正在形成一种"AI赋能科研"的集体行动。

展望与思考：AI能否真正改变科研节奏

尽管这一合作前景可观，但要真正实现"十年内科学发现速度翻倍"的宏大目标，仍面临诸多挑战。AI模型在专业科学领域的可靠性、可解释性以及与现有科研流程的深度融合，都需要长期磨合。当前的大语言模型仍存在"幻觉"问题——即生成看似合理但实际错误的内容——这在科学研究中可能导致误导性的假设或结论。如何建立有效的人机协作机制，让AI成为可靠的"科研副驾驶"而非不可控的黑箱，是技术落地过程中必须解决的核心问题。

此外，如何评估AI对科研效率的实际贡献，也需要建立科学的衡量标准。传统的科研产出指标（如论文数量、专利申请、引用次数）可能无法全面反映AI带来的效率提升，需要发展新的评估框架来衡量假设生成质量、实验设计效率和跨学科关联发现等维度。

无论如何，谷歌此次扩大与美国能源部的合作，为AI赋能基础科学研究提供了一个值得观察的样本。随着Gemini等模型进入更多实验室，我们或许将在未来几年看到AI如何真正改变科学发现的节奏。

核心要点