千萬獎金撬動千億產值:誰在瘋狂對賭科學的未來

2026-03-16 | 來源: 大聲思考 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

從原子彈到晶體管：舉國體制與企業實驗室的“諸神黃昏”

到底如何推動科學和技術的突破？二戰之後出現了許多被人稱道的模式。

一種以曼哈頓計劃和阿波羅計劃為代表。電影《奧本海默》對曼哈頓計劃做了非常好的詮釋，這裡集合幾乎是全球最頂尖的核物理學家（許多科學家逃離歐洲來到美國），美國也投入大量資源，證明了在技術突破邊緣、目標明確的領域，集中力量的“舉國體制”可以取得巨大成功。不容忽略的是，曼哈頓計劃的成功，很大程度上得益於物理學家奧本海默創造的一種獨特的“創業”文化——年輕、扁平、跨學科、自由討論、使命驅動。這為後世的高科技項目管理（如硅谷創業）提供了原型。

一種是企業藍天“科研模式”（BlueSky），最著名的莫過於貝爾實驗室。二戰後AT&T在美國電信業擁有壟斷地位和碾壓性優勢，能獲得穩定且豐厚的壟斷利潤，這為貝爾實驗室提供了長期穩定的研發資金，使其無需為短期盈利壓力所困，能夠投資於基礎研究。以企業研發來衡量，貝爾實驗室更強調研究，而非開發。管理者明確要求，“要做出五年到十年後了不起的東西。”如果有人過於關注當下需求，就可能被要求轉崗。更重要的是，貝爾實驗室在新澤西相對密集的園區內聚集了來自物理、化學、數學、工程等不同學科的專家，並擁有市場和制造經驗的人員。這讓它成功地將科學的開放性與產業的實用性在同一個組織內實現了平衡，創造了從晶體管、激光到UNIX系統、C語言等一系列奠基性的成果。同一時期，施樂在硅谷的PARC實驗室也一度被廣為贊譽。不過PARC後來被很多人用作企業科研的反例，雖然它孕育了圖形界面、鼠標等劃時代創新，但母公司施樂專注於“做更好的復印機”，不知如何將成果商業化，最終讓蘋果和微軟成為受益者。這一方面體現了企業實驗室可能產生巨大的“溢出效應”，另一方面在提醒我們，等級森嚴的階層組織中，高高在上的領導者可能根本理解不了實驗室科學家創新的真正價值。

第三種則是DARPA模式。DARPA是二戰之後成立的美國國防部高級研究計劃局的縮寫，被視為一種高效推動高風險、高回報前沿科技創新的國家資助模式。它有三個特點：第一，其創立宗旨就是要打破官僚體系的繁文縟節，避免科學家將過多精力耗費在冗長的經費申請流程上。其次，它借鑒美國五六十年代才興起的風險投資（VC）做法，希望像VC一樣，更注重那些潛在回報率高但風險更大的項目。第三它致力於填補市場與學術的空白：專注於投資那些風險太高私營企業不願投、周期太長學術界無力支撐的科研領域。一個典型案例是21世紀初，後來創建在新冠疫情期間大放異彩的制藥公司Moderna的科學家申請並不被學界看好的RNA領域研究，僅用半小時就從DARPA獲得了1000萬美元經費。這種快速決策機制保障了科研的敏捷性，也為二十年後RNA運用於新冠疫苗打下堅實的基礎。

用獎金終結壟斷：民間英雄的“太空漫游”與“無人之境”

在這三種模式之外，其實還有一種，也是DARPA喜歡的模式——公開的競賽，最知名的莫過於DARPA在2004到2007年舉辦三屆自動駕駛挑戰賽。科技突破主要是解決兩類問題，一類是科學的前沿問題，比如機器是否能像人類一樣識別圖片（機器學習問題），又比如復雜的蛋白質折疊問題，困擾了人類很久；另一類是推動技術的突破，比如私人航天是否能有所突破，而不是為國家所壟斷，又比如到底如何實現自動駕駛？圍繞著上述四個問題，過去三十年舉辦過四次轟動全球的競賽，且每一場競賽都“如願以償”地帶來突破。

一、產業大獎賽

DARPA在2004年至2007年間舉辦的三屆自動駕駛挑戰賽，是全球自動駕駛技術發展的關鍵起點。為了極大激發技術創新，賽事獎金從100萬美元逐步提升至200萬美元。2004年的首屆沙漠挑戰賽雖然沒有隊伍完賽，但成功驗證了自動駕駛的可行性。隨後在2005年，多支車隊成功完賽，並確立了感知、定位、規劃、控制的核心技術架構。到了2007年，城市挑戰賽更進一步，實現了復雜交通環境下的自動駕駛突破。

這一賽事不僅探索出早期自動駕駛主流的技術路線，更培養了第一代自動駕駛核心人才。賽後，這批研究者紛紛投身產業界，直接催生了Waymo和Cruise等美國自動駕駛領域的頭部企業、雖然這一賽事與特斯拉創立無直接關系，但其奠定的技術基礎與行業共識，深刻影響了全球自動駕駛發展，為後續技術路線的競爭、商業化落地和人才儲備提供了重要支撐。

同樣2004年在美國舉辦了X大獎賽的比賽。比賽要求民間團隊在兩周內兩次完成亞軌道載人飛行，最終Scaled Composites團隊憑借“太空船一號”奪冠。X大獎的發起人彼得·戴曼迪斯（Peter Diamandis）在1996年就宣布設立1000萬美元的大獎，靈感源自日本《朝日新聞》於1930年設下2.5萬美元重賞，招募首位完成“不著陸跨太平洋飛行”的勇士。《朝日新聞》的獎金撬動了參與者上百萬美元的資金投入，讓戴曼迪斯看到了獎金的杠杆效應。

X大獎賽不僅打破了政府對航天的長期壟斷，也確立了低成本、商業化航天的發展方向，還直接催生了以亞軌道旅行為核心的私人航天公司維珍銀河——其前身就是獲得X大獎的“太空船一號”飛行器。同時，它創造的產業環境也為後來SpaceX 等商業火箭公司的崛起奠定了基礎。

值得注意的是，從2004年獲得獎金到2021年真正實現首次載人商業飛行，維珍銀河用了整整17年。從創立到真正在美國灣區實現無人駕駛出租車全面落地，Waymo花了更長的時間。這也從側面反映出，技術突破之後，商業化落地仍需要漫長的積累和持續的技術迭代。

美國原油價格突破100美元未來何去何從

REC-AI無人機青少年友誼賽（ADC）暨未來教育與智能科技展嘉年華第二屆即將盛大啟幕！

未來10個行業將火爆 5大金飯碗早知道

二、學術大爭鋒

在人工智能發展的漫長歷程中，機器能否像人類一樣識別圖片中的貓一直是核心難題之一。在2010年之前，機器學習技術在圖像識別領域的表現並不理想，識別准確率低下，無法滿足實際應用需求，人工智能也一度陷入發展低谷。為了推動機器學習技術在圖像識別領域的突破，斯坦福大學李飛飛團隊發起了ImageNet項目，並舉辦了每年一度的ImageNet挑戰賽，成為推動人工智能深度學習革命的關鍵事件。

賽事於2010年至2017年共舉辦了8屆。首屆獲勝系統的准確率為72%，而人類的平均准確率為95%。兩者之間存在巨大差距，這也反映出當時機器學習技術在圖像識別領域的不足。但這場競賽為全球的研究者提供了一個統一的測試平台和對比標准，讓大家能夠清晰地看到自身技術的差距，明確研發方向。

真正的歷史性轉折發生在2012年，多倫多大學教授傑夫·辛頓帶領的團隊以基於神經網絡打造的AlexNet奪冠，將准確率躍升至85%，一舉引爆了AI領域的深度學習革命，讓這一年成為這一輪AI大潮的元年。AlexNet的突破，徹底改變了人工智能的發展格局。在這之後，ImageNet挑戰賽成為全球人工智能領域的盛會，吸引了來自世界各地的頂尖團隊參賽，技術迭代速度大幅加快。2015年，ResNet模型在ImageNet挑戰賽中實現了重大突破，圖像識別准確率達到96%，首次超越人類水平；2017年，SENet模型作為最後一屆ImageNet挑戰賽的冠軍，其性能已遠超人類，圖像分類任務接近飽和。此後ImageNet挑戰賽停止舉辦，轉向更難的方向，如視頻理解、小樣本學習、無監督學習等。李飛飛作為這場競賽的發起者之一，贏得了“AI之母”的美譽，而辛頓更則被尊為“AI之父”，並在2024年憑借深度學習技術獲得諾貝爾物理學獎。

值得一提的是，2012 年的勝利引發了百度、微軟、谷歌和DeepMind四家公司對辛頓團隊的競購，最終辛頓以4400萬美元將他和兩個博士生建立的公司賣給谷歌。這一事件標志著AI人才從學術界流向工業界的趨勢，各大公司通過提供計算資源和數據吸引頂尖研究者，辛頓也確立了AI研究者同時保留大學教職的“兩棲”模式（AI領域的領軍人物如楊立昆和李飛飛都效仿），促進了AI技術的快速落地。

2024年另一位諾貝爾化學獎的得主也是一場大賽的獲勝者。這場名為CASP（蛋白質結構預測關鍵評估）的大賽由結構生物學家約翰·莫爾特於1994年發起，是全球蛋白質結構預測領域的“盲測奧運會”，其核心目標是推動解決困擾生物學50年的“蛋白質折疊問題”。蛋白質是生命活動的核心載體，蛋白質的三維結構決定了其功能，而“蛋白質折疊問題”——即如何從氨基酸序列精准預測蛋白質三維結構——的破解，對於生物醫藥、基因工程等領域的發展具有決定性意義，能夠幫助科學家更好地理解疾病機制、研發新藥。

在CASP競賽舉辦的前二十多年裡，雖然參賽團隊不斷增多，技術不斷迭代，但蛋白質折疊問題始終沒有得到根本性解決，預測准確率一直處於較低水平。直到2018年的CASP13競賽，DeepMind開發的AlphaFold1首次參賽即獲總冠軍，在最難的“自由建模（無模板）”類別領先第二名約15%，創下歷史最大進步幅度，這一突破讓科學界看到了破解蛋白質折疊問題的希望。2020年，AlphaFold 2 以遠超第二名的成績奪冠，其預測精度被學界公認為“基本解決蛋白質折疊問題”。這一突破幫助了DeepMind的創始人哈薩比斯拿到了2024年的諾貝爾化學獎。AlphaFold2的亮麗表現，讓莫爾特感歎：“我們這些立志讓晶體學家失業的人，現在開始擔心自己即將被淘汰。” 而AlphaFold的免費開放使用，也凸現了哈薩比斯作為科學家的初心。

三、競賽的杠杆原理

回顧上述四場競賽，無論是推動技術突破的DARPA自動駕駛挑戰賽和X大獎，還是推動科學前沿突破的ImageNet與CASP比賽，它們都以獨特的方式推動了科技的進步，成為推動科學與技術突破的重要范式。深入分析這些競賽的運作邏輯和成果，我們會發現，它們之所以具有如此巨大的價值，核心在於其能夠通過公開的方式吸引全球科學家和技術人員參與，形成“全球協同、共同探索”的格局，甚至演化成世界矚目的學術盛會，而其根本價值在於“以小博大”的杠杆原理——通過少量的獎金或榮譽激勵，撬動遠超競賽本身的資源投入，實現“投入產出比”的最大化。

具體而言，這些競賽的共通價值主要體現在三個方面。

首先，公開透明的平台吸引全球參與，打破了地域、機構的限制，讓分散在世界各地的智慧和力量匯聚在一起。無論來自高校、科研機構還是企業，都能在同一個平台上競爭、交流。這種開放的模式，能最大限度地激發創新活力，讓最優秀的技術和理念脫穎而出。隨著賽事的演進，會演變成行業的年度事件，把全球的目光聚焦於一個目標，形成強大的合力。

其次，競賽能夠撬動更多資源投入，實現“以小博大”的杠杆效應。無論是DARPA自動駕駛挑戰賽的100-200萬美元獎金，還是X大獎的1000萬美元獎金，相對於參賽團隊的研發投入、後續產業的發展規模而言，都是小數目。比如X大獎撬動了參賽團隊超過1億美元的研發投入，而整個商業航天產業如今已達到4690億美元的規模；ImageNet雖然沒有設立獎金，但其形成的學術影響力和產業吸引力，撬動了全球科技巨頭的巨額投入，推動了深度學習技術的快速落地，也開啟了AI領域內的投資狂潮。

第三，無論是科學突破還是技術突破，競賽都能成為創業的源頭，聚攏相關領域的核心人才，形成完善的產業生態。DARPA自動駕駛挑戰賽培養了第一代自動駕駛核心人才，催生Waymo、Cruise等頭部企業；X大獎則催生了維珍銀河，為SpaceX這一私人航天巨頭的崛起造勢；ImageNet推動了AI人才從學術界流向工業界，開啟了後續轟轟烈烈的AI創業潮，也讓AI人才的薪資沖破天花板；CASP更是DeepMind這家被谷歌收購但仍然獨立運營的創業公司證明其價值——對人類的價值和創新本身的財富價值——最好的機會。可以說，競賽是推動科學家創業，讓科學家成為科學企業家的某種觸媒，也是一種追求明確目標，卻又去中心化鼓勵跨界探索的組織模式，形成產業生態，推動技術和科學的持續迭代。

有意思的是，衡量這些競賽最好的標尺是它是否把自己“幹掉”。ImageNet大賽和CASP都因為“圓滿”達標而落幕，而自動駕駛和私人航天的競賽則幫助完成了產業的原型驗證，給資金以信心，而把後續的發展交棒給創業者，雖然從原型到產業落地的路仍然險阻且長。

這些在過去三十年都曾經矚目的比賽也證明，科學的突破從來不是孤軍奮戰的結果，而是需要開放的平台、協同的力量和高效的資源賦能。而競賽正是連接這些力量的核心橋梁。競賽所嫁接和撬動的是開放科學運動和公開探索的精神，體現的是眾包的哲學。競賽也打造了非常有益的交流平台，不是在最終成果出來前的遮遮掩掩，而是公開記錄曲折的探索過程及失誤，並邀請同行參與、點評、在碰撞中尋求突破。這才是時代的科學精神。

未來期待更多類似的競賽出現，聚焦科學前沿和技術瓶頸，撬動更多的資源和人才，推動人類科技不斷向前邁進，解鎖更多未知的可能。