Genesis Mission 首批项目：AI 正在进入哪些科学工作流？

这批项目最值得看的不是数量，而是 AI 被放进了科研工作的哪些环节：从假设生成、科学代码和基础模型，一直延伸到传感器控制、云室实验、粒子加速器、芯片设计、催化剂研究和对撞机计算基础设施。可见 Genesis Mission 首批项目不只是在训练更大的科学模型，也在把模型接到数据、仪器和设施上。不过，入选资助谈判只说明这些方向通过了本轮评审。公开材料描述的主要是各团队计划在 Phase I 设计和演示的工作流，而不是已经证明可行的系统。

278 个入选项目，先当研究计划来读

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，其中 87 项由 DOE 或 NNSA 国家实验室牵头，168 项由大学牵头，19 项由公司牵头，4 项由非营利机构牵头，共涉及 342 家参与机构。DOE 同时明确表示，入选不等于承诺拨款，谈判期间仍可能取消。^[S1]

按 RFA 的说明，Phase I 资助额为 50 万至 75 万美元、周期九个月，目标是设计并演示把 AI 引入科学研究的工作流；Phase II 为 600 万至 1,500 万美元、为期三年。2026 财年团队可以直接申请任一阶段，Phase I 做成的团队可在以后的轮次竞争 Phase II。这里的金额是 RFA 拟定的范围，不是这些项目谈定的数额。因此，眼下准确的说法是“入选资助谈判”，而不是“已经获得拨款”；机构公告里列出的能力，是有待检验的研究目标，而不是既成成果。^[S3]

Brookhaven：把 AI 放进大科学设施

Brookhaven National Laboratory 牵头 7 个 Phase I 项目，并参与另外 29 个由其他实验室、大学和企业牵头的项目。它牵头的项目涵盖自动化云室、多智能体假设生成、冷原子量子传感、微电子协同设计、对撞机计算基础设施、粒子加速器数字孪生和可组合基础模型。^[S4][S5]

Stony Brook：另一种合作方式

Stony Brook University 关联 6 个入选项目，其中 3 个由本校研究人员牵头，分别研究可跨核物理实验迁移的粒子追踪基础模型、抗辐射读出电子学的自主监测与修复，以及几何信息驱动的宽禁带功率模块多物理场协同设计；其中前两项 Brookhaven 也参与。另外 3 个项目由其他机构牵头，Stony Brook 团队分别参与其中的可验证计算物理代码生成、催化剂数字孪生和 Brookhaven 的自动化云室；前两项 Brookhaven 同样在参与名单上。^[S7][S5][S2]

按工作流重排 12 个项目

两份机构公告一共列出 13 条参与记录（Brookhaven 牵头 7 项，Stony Brook 关联 6 项），其中自动化云室在两边各出现一次，所以不重复的项目是 12 个。这是“去重后的关联项目”口径；按牵头单位数，则是 Brookhaven 7、Stony Brook 3、其他大学 2，并不是 12 项都由这两家牵头。按机构读，看到的多半是数量；按工作流重排，才看得清 AI 正在靠近科学系统的哪一层，下一项公开结果又需要证明什么。^[S4][S7]

此前

DOE 清单主要只给出项目名称和牵头单位

瓶颈

看不出 AI 从哪里进入每条科研工作流

变化

Brookhaven 与 Stony Brook 公告补充了 12 个不重复项目的任务与合作关系

新的瓶颈

Phase I 工作流演示与可比较指标

仍未解决

跨机构的接口能否运行，能否改善实验、设施或科学结果

这批项目改变了哪些认识

从这份项目组合看，DOE 理解的 AI for Science 并不局限于科学问答或候选生成。不少项目瞄准的是模型与真实科研系统之间的接口：原始探测器信号、仪器实时控制、实验反馈、工程约束，以及支撑大型科学设施的数据与计算层。在这里，AI 是工作流中的一组推理、控制和反馈组件，而不是包办全部研究的统一 AI Scientist。

所以，项目数量目前还不能用来给机构排名。真正拉开差距的问题是：每条工作流在哪里接触真实物理系统，是否产生新的实验数据，反馈能否回到模型，以及成功是用模型准确率来衡量，还是用实验速度、设施稳定性、制造结果或科学发现来衡量。

从这个组合看，国家实验室能为 AI for Science 提供的可能不只是算力，还有稀缺的仪器、长期积累的运行数据、实时控制环境，以及能产生物理反馈的设施。在自动化云室、量子传感器和加速器数字孪生上，模型输出与设备实际状态之间的联系尤其直观。但这类接口在稳定性和可靠性上是否胜过现有控制方法，还需要直接对照。

12 项中有 5 项同时涉及两家机构：Brookhaven 参与两个 Stony Brook 牵头项目，Stony Brook 参与 Brookhaven 牵头的云室项目，Johns Hopkins 与 Penn State 牵头的两项则两家都在参与名单上。由此可以看到一种值得跟踪的分工：国家实验室出设施、运行环境和领域数据，大学团队出模型、算法与工程能力，部分项目再请 GE Vernova、ExxonMobil 等企业带入制造或应用上的约束。合作结构本身并不能证明研发周期会缩短，这还要看共同工作流本身拿出的证据。^[S7][S5]

证据等级 1：存在。

目前的公开记录是一份入选清单和几份机构公告，写的是各团队计划搭建的工作流；还没有任何东西算出来、测出来，或在设施上跑起来。能确认的只是入选这件事及其范围，并不能说明其中任何一项技术可行。^[S1][S2]

按主题分，科学推理与软件 4 项，设计、模拟与数字孪生 4 项，仪器与实体控制 3 项，数据与计算基础设施 1 项。这只说明主题分布，不能据此说只有 3 项要碰到物理反馈：粒子加速器数字孪生要从实时运行数据中学习，催化剂数字孪生要与瞬态实验结合（Penn State 公告），它们都分在设计与数字孪生一类。所以柱图换了一个口径，给每个项目标上 Phase I 的检验对象，一项只取最接近物理世界的那一项：硬件或新实验 5 项（云室、冷原子传感、读出电子学、加速器、催化），软件与离线评测 4 项（MARS、可组合基础模型、代码合成、对撞机计算），高保真模拟 2 项（芯片 EDA、功率模块），既有现场或观测数据 1 项（粒子追踪）。两个口径都来自本文项目表，都是本站的归类，不是机构发布的分类；Stony Brook 牵头与参与各项的标签，依据的是 DOE 清单的题目和 Stony Brook 公告。项目名单本身见 DOE 资助清单。^{[S2][S4][S7][S6]}

项目清单是假设地图，不是成果排名

按工作流而不是按机构数量来排项目，更容易看清 AI 正在进入原始信号、仪器控制、工程设计与数据基础设施中的哪一层。入选本身只说明 DOE 愿意测试这些路线，不说明它们已经成功。

共同工作流跑起来，合作结构才有意义

国家实验室的设施和数据、大学的算法与工程能力、企业带来的制造约束，看上去互补；但证据仍在于端到端任务能否稳定完成，并留下可核对的对照结果。

接下来要看的是证据，不是项目数量

接下来九个月，有用的证据是各团队公开的工作流演示、对照基线、数据集、软件、论文，以及真实设施上的运行结果。对云室与量子传感项目，关键是控制稳定性和可重复性；对假设生成与代码项目，关键是盲评、正确性和跨任务迁移；对数字孪生与工程设计，关键是预测能否在真实硬件、制造或运行环境中兑现。

随着这些结果陆续出现，这份项目组合就能从说明“DOE 愿意探索哪些方向”，逐步变成说明“哪些 AI4S 工作流真正成立”。在那之前，稳妥的判断是：这批项目为技术验证画出了路线，但还没有完成验证。