Genesis Mission 第二组项目：从自主实验室到科学基础设施

先区分入选、计划与结果

2026 年 7 月 22 日，美国能源部公布首批 278 个进入 Genesis Mission 资助谈判阶段的项目。Berkeley Lab 官方称将牵头 13 项，并作为合作伙伴参与 30 多项（其项目页写作 32 项）；Oak Ridge National Laboratory 将牵头 9 项，并参与另外 32 项。两份牵头清单没有重复，因此本文整理的是 22 个不同项目；两家实验室的合作项目则不能简单相加，因为 Oak Ridge 也参与了 Berkeley Lab 牵头的 AHPI 等项目。^{[S1][S4][S6][S7]}

入选资助谈判不等于承诺拨款，谈判仍可能取消；这一点和 Phase I、Phase II 的框架，系列第一组已经讲过，这里不再重复。本组独有的差异是：Berkeley Lab 把自己的 13 项称为 Phase I，Oak Ridge 的公告没有逐项标明阶段，DOE 清单也不标阶段，所以不能把 22 项都当作同一阶段。两家机构所说的“将开发”“计划构建”“旨在提升”，描述的是有待检验的假设，而不是已经展示的能力。^{[S1][S3][S4][S6]}

DOE 公告写明，278 项中有 87 项由 DOE 与 NNSA 国家实验室牵头；其余的构成见系列第一组。^[S1]

两家实验室，两种能力结构

Berkeley Lab 的组合更集中于材料实验、地下系统、水资源、核废物与面向具体科学问题的数字孪生。A-WILD 自主材料实验室和复杂合金闭环最接近实体实验；三个各自独立的水与水能项目、两个核废物项目和多个地下系统项目，依托的则是实验室长期积累的数据、领域模拟代码和国家用户设施。^[S4][S5][S2]

Oak Ridge 的组合除了聚变、材料与地球系统，也更突出模型生产、低能耗计算和跨机构运行。Pipit 被设想为面向材料与制造的基础模型工厂，SciNet 关注智能体与科学工作流跨机构运行时的网络协调，神经形态项目则把能耗、速度与准确率放在同一个评估问题中。American Science Cloud 与正在安装的 Lux 超级计算机提供了背景基础设施，但它们不是这 9 个牵头项目已经完成的成果。^[S6][S2]

把 22 个项目放回科研工作流

逐项读机构新闻，看到的多半是主题数量。按工作流重排，能看出四条更清楚的路线：从地球与资源系统中提取可行动预测；把模型接入材料实验和制造；用数字孪生处理高代价、高风险工程系统；以及建设让科学智能体调用代码、档案、模型、算力与网络的操作层。表格中的“下一项关键证据”不是项目方已经承诺公开的交付物，而是判断相应主张是否成立时最需要看到的结果。^[S5][S6][S2]

Berkeley Lab 与 Oak Ridge 这 22 个项目，最能说明问题的不是数量，而是 AI 被放进了科研工作的哪些位置。有的项目把模型接到材料实验上，有的构建数字孪生或地球系统预测，还有的要把科学代码、档案、算力和跨机构网络变成智能体可以调用的基础设施。这不是一个统一的“AI 科学家”，而是分布在数据、模拟、实验和科研运行各环节的一组接口。目前的公开记录仍以项目计划和机构公告为主，这些接口在实际中能否运转，现在下结论还为时过早。

之前

只能从总清单看到项目名称与牵头机构。

瓶颈

难以比较项目的工作流、交付对象与验证方式。

这次改变

Berkeley Lab 13 项与 Oak Ridge 9 项的机构资料，厘清了 22 条技术路径。

新瓶颈

把计划目标转化为公开基线、真实演示与运行数据。

仍未解决

这些垂直项目能否互操作，并从模型准确率走到实验与制造结果。

这组项目透露出的三个信号

第一，Genesis Mission 的一部分投资并不直接寻找新材料或预测新现象，而是在搭建运行层，让未来的科学智能体得以安全调用数据、模型、代码、算力、网络和设施。AHPI、Pipit、SciNet 与神经形态计算更像科学 AI 的基础设施。闭环能否跨机构、跨设施扩展，可能就取决于它们；但它们的价值仍要靠真实用户、可靠性与成本数据来证明。

第二，水资源、地下系统、材料和聚变项目扎堆，只说明投资重点在这里，不说明这些路线已经走通。Berkeley Lab 的三个水与水能项目，加上 Oak Ridge 的 HydroORBIT 与 TVA 预测项目，从公开摘要还分不清各自用的数据、空间尺度、时间尺度和服务对象。它们日后是否共享基准、接口与数据，比项目名称像不像更值得关注。^[S5][S6][S2]

第三，所谓“综合科学发现平台”（integrated science discovery platform），目前更像一组拟议中的接口，用来连接数据、模型、仪器和超算设施，而不是一个已经建成的统一系统。真正的检验在于：这些垂直项目能否互操作，能否形成实验或运行反馈，成功的衡量标准能否越过模型准确率，走到实验吞吐、设施稳定性、制造结果或科学发现。

证据等级为什么是 1（存在）。

眼下有的只是一次入选决定和一组项目说明：DOE 的公告与官方清单，以及两家实验室的新闻稿与项目页。这些材料（2026-09-27 核对）没有给出这批项目可核查的技术结果：没有公开运行的系统，也没有预测、实验或测量可供核对。这不否定两家实验室各团队此前发表的研究。按本站的证据阶梯，这只说明有东西宣布了；项目存在，不等于其中任何一项技术可行。^{[S1][S2][S4][S5][S6]}

图是怎么数出来的。

按本简报的项目表逐类计数，每类再按牵头实验室拆开：地球、资源与能源预测 9 项（Berkeley Lab 5、Oak Ridge 4），材料、制造与实体闭环 5 项（3、2），工程设计与数字孪生 4 项（3、1），科学软件与科研基础设施 4 项（2、2）。类别是本站按主题的归类，不是 DOE 或两家实验室的分类，也不是验证方式：材料一类里，Pipit 是模型工厂，激发态项目以多体模拟加 AI 为主，SMART-AI 写的是整合实验数据、计算热力学与结构描述符，项目页写明要做新实验的只有 A-WILD（A-Lab 机器人实验）与合金闭环（快速合成与 4D-STEM 表征）；反过来，归在数字孪生一类的聚变磁体项目，写的是把模型与测量结合。哪些项目会碰到物理反馈，要看各自的项目页，不能从类别计数推出。^[S5][S6][S2]

AI4S 的“平台层”开始有了具体形态

AHPI、Pipit、SciNet 等项目不直接发现一种材料，而是在建设模型调用代码、算力、网络与设施的接口。这些基础设施可能很重要，但要靠真实用户、可靠性与成本来证明，而不是靠“平台”这个名字。

重复主题不等于重复路线

水、材料和聚变项目看起来相似，实际可能使用不同数据、时间尺度和决策对象。后续最有价值的不是再数项目，而是比较它们是否共享基准、接口和物理验证。

哪些证据会改变判断

对实体闭环项目，最有价值的是完整工作流演示、自治边界、实验吞吐、命中率和实测材料性能；对预测与数字孪生项目，需要前瞻验证、不确定性校准、跨地点迁移和真实运行决策；对科研基础设施，需要公开软件或接口、跨机构任务、可靠性、安全性、能耗与实际用户。在这些基线与对照出现之前，“百倍加速”“更低成本、同等准确”“可靠运行”之类的说法，都只能算目标。

在这些结果出现之前，这 22 个项目最好当作一张研究假设地图来读：它显示国家实验室打算把哪些既有的数据、设施和工程能力接入 AI，也为日后检验留下了具体的核查点。