普林斯顿王梦迪：AI 科研发现的瓶颈在于“可验证性”基础设施

普林斯顿大学王梦迪教授在外滩大会指出，尽管大模型掌握海量知识，但由于倾向于高概率答案，它们在长尾分布的科学发现中仍存局限。AI 目前在数学与编码领域进展迅速，是因为这些领域拥有明确的编译器和验证反馈闭环，而现实科学实验的验证难度极高。

王梦迪认为，AI 走向自主科研的关键不仅在于模型规模，更在于建立可验证的科学基础设施。科研过程中的实验记录、自动化流程以及跨团队的协作数据，是连接“似然性”与“可能性”的关键。

目前，其团队正致力于搭建自动化实验平台与 LabOS 实验室操作系统，通过将实验设备 API 化和多模态感知能力，实现实验过程的记录、追溯与复现。这种将物理世界纳入可验证系统框架的做法，是 AI 真正迈向自主科学发现的必经之路。