美國發起“創世使命聯盟”，要讓科研生產力十年翻倍

當下，人工智能正站在從“生成內容”向“生成科學發現”跨越的關鍵節點。面對日益激烈的全球科技競爭，單純依靠單一機構或傳統科研模式顯然已無法滿足國家對創新速度的需求。

基于此，2 月 9 日，美國能源部（DOE）正式推出了創世使命聯盟（Genesis Mission Consortium，以下簡稱GMC），這是一個公共-私人伙伴關系組織，也是一項利用人工智能整合多方資源，加速科學發現、強化國家安全，并確保美國在能源及新興技術領域占據領導地位的計劃。

（來源：創世使命聯盟）

在此之上，DOE 還有一項更廣泛的“創世使命”（Genesis Mission），該使命的核心在于構建世界上最強大的科學 AI 平臺，利用 DOE 的 17 個國家實驗室、超級計算機和海量數據集，整合私營企業的模型能力以及學術界的創新智慧，在十年內將美國研究生產力翻倍，開啟科學發現的“自動駕駛”時代。

試想，AI 如同一臺“超級大腦”，它能將散落的數據島嶼連接成大陸，幫助科學家更快地跨越未知領域。這正是 GMC 所追求的愿景。

背景與成立

GMC 的起源可以追溯到特朗普政府頒布的兩項關鍵行政命令。首先是 2025 年 1 月的《消除美國人工智能領導力障礙》（Removing Barriers to American Leadership In Artificial Intelligence），旨在清除AI發展中的監管和資源障礙。

隨后，2025 年 11 月的《啟動創世使命》（Launching The Genesis Mission）正式確立了這一國家倡議，指示 DOE 領導構建一個集成平臺，連接超級計算機、實驗設施、AI 系統和獨特數據集，加速發現科學、推動能源創新，增強全球競爭力。

（來源：美國白宮）

在這些命令的推動下，DOE 于 2025 年底啟動了創世使命，并迅速在 2026 年 2 月 9 日推出 GMC。截至目前，DOE 已與 24 家企業簽署諒解備忘錄（MOU），包括亞馬遜、谷歌、微軟、NVIDIA 和 OpenAI 等科技巨頭，它們有的已經與能源部及國家實驗室開展了相關合作項目，有的表示將有意參與該計劃。未來，GMC 及其合作企業將共同探索 AI 在核能、電網建模、材料科學和國家安全等領域的應用。

這一成立背景反映了 AI 技術快速發展的時代需求。近年來，大型語言模型和 AI Agent 的興起展示了 AI 在處理復雜任務上的潛力，而全球科技競爭的總體趨勢進一步強調了國家層面協調的重要性。

GMC 從使命啟動到聯盟成立僅數月。它像一座橋梁，連接著美國政府資源與私人創新，有望縮短研究成果轉化周期，幫助美國應對能源轉型和科技前沿的挑戰。

組織結構與管理

為打破傳統政府采購與行政審批的壁壘，GMC 的架構設計注重敏捷性和協作性，聯盟將由 DOE 支持的創新中心 TechWerx 負責管理。具體運營則委托給了著名獨立非盈利科研機構 RTI International 進行。

這種管理模式不同于傳統的官僚結構，TechWerx 作為“創新樞紐”，將基于“合作伙伴中介協議”（Partnership Intermediary Agreement, PIA）這一結構化協作框架運作 GMC，允許 DOE 能夠以更快的速度、更靈活的方式，與非傳統國防承包商（如初創公司、大學、非營利組織）建立聯系，從而避免繁瑣的行政流程。

TechWerx 負責人亞當·克利奇（Adam Klich）表示，該聯盟旨在“重塑美國的科研方式”，通過統一調配從超級計算機、海量數據集到先進模型等國家頂級科研資產，加速關鍵領域的突破。RTI 戰略客戶主管艾米·沃爾肯斯（Amy Volckens）進一步解釋，聯盟將作為單一的協調接入點，降低企業和機構參與國家級重大挑戰的門檻，促進技術從實驗室向現實解決方案的轉化。

DOE 科學副部長兼創世使命負責人達里奧·吉爾（Darío Gil）強調：“創世使命聯盟代表了我們應對科學挑戰方式的勇敢一步……我們正在聯合政府、工業界和學術界，創造一個強大的創新引擎?！?/p>

值得注意的是，達里奧在擔任政府職務前曾長期擔任 IBM 高級副總裁兼主要研究負責人，是量子計算與混合云領域的領軍人物。

圖 | 達里奧·吉爾（Darío Gil）（來源：DOE）

此外，GMC 的核心組織還包括成員驅動的工作組、結構化伙伴關系和協作中心。這一結構將確保 GMC 作為一個“單點協調訪問”平臺，成員可以通過項目協議，共享計算能力、數據和設施。

其運作機制包括年度成員會議、工作坊和技術展示，目的都是促進網絡建設和知識分享。 成員可通過貢獻計算資源、AI 令牌或專業知識參與，增強聯盟的整體能力。

目標與使命

GMC 的核心目標是加速 AI 驅動的科學發現、加強國家安全，并確保美國在能源和新興技術領域的領導地位。 量化指標包括在十年內將美國研究生產力翻倍，覆蓋先進制造、生物技術、材料科學、核能、量子信息科學和半導體等戰略領域。

使命細節聚焦于構建“美國科學與安全平臺”（American Science and Security Platform），整合聯邦數據集訓練 AI 基礎模型，并創建 AI 代理來自動化研究流程。這就像給科學家配備一個“智能助手”，它能實時分析數據、預測結果，從而加速從假設到驗證的循環。

2026 年 2 月 12 日，DOE 公布了 26 個科學和技術挑戰，這些挑戰被選為國家重要議題，也將成為創世使命聯盟的“投名狀”。

具體來看，在能源轉型方面，GMC 計劃使用機器學習模擬量子系統和實時優化能源分配，從而縮短核電廠設計周期，優化電網規劃。在材料與制造方面，為加速材料發現，完成從研究突破到商業化的跨越，GMC 將借助 AI 整合歷史數據，預測新材料性能；通過自動化實驗迭代減少失敗率。

在量子與核能領域，目前的挑戰在于發現量子算法、挖掘利用歷史核數據，以及防止核材料擴散，為實現這些目標，AI 具備分析海量數據集的優勢，可以模擬量子行為，提升核安全和效率，進而為建立現代化核設施奠定基礎。生物技術方面，AI 有望驅動機器人系統自動完成生物實驗，最終將這一耗費大量人力的工作轉變為“無人駕駛”模式，擴展生物技術規模。

（來源：AI生成）

關鍵舉措與工作組

為完成以上目標與使命，GMC 圍繞四個核心技術方向設立了工作組，這些工作組由成員驅動，聚焦技術優先級，通過“共同創造”的模式攻關，推動關鍵舉措的具體落地。

其一是 AI 模型開發與驗證。在通用語言模型之上，GMC 希望推動開發能源、材料、國家安全等領域的垂直 AI 模型。工作組將重點解決科學用例中模型的嚴格驗證與可靠性問題，使用高保真數據訓練，確保 AI 生成的科學假設是可信的。

其次是數據整合與標準。數據是 AI 的燃料，而科學數據往往格式雜亂且孤立。工作組將統一數據格式、制定元數據標準，同時解決數據治理與合規的安全難題。由此促進能源部各實驗室、工業界與學術界之間的數據共享。

再次是高性能計算與云基礎設施，這是硬件基石。聯盟計劃將超級計算機資源與“美國科學云”（American Science Cloud）集成，支持大規模AI驅動的科學研究，實現實時協作。同時，該工作組還將探索“聯邦數據共享”機制，即在不泄露原始數據隱私的前提下進行跨機構的 AI 模型訓練。

最后是機器人與自動化。為了實現“干實驗室”（計算）與“濕實驗室”（實驗）的閉環，聯盟將在實驗室中設計并部署機器人系統。這意味著未來的實驗室將大幅減少人工操作帶來的瓶頸，實現實驗驗證的自動化與高通量化，從而使科學驗證跟上 AI 生成假設的速度。

成員與伙伴關系

GMC 的成員組成十分多樣化，啟動時已有數十家聯邦和行業伙伴加入，包含政府機構、國家實驗室、私營企業、學術機構等不同主體，這也是美國創新生態的縮影。

目前，據 GMC 官網消息，聯盟的加入方式采用開放會員制，非成員可訂閱郵件并響應資助號召。有望享受包括訪問計算能力、數據和設施、共享資源等在內的權益。

協作模式強調“單點協調訪問”，促進公私合作。對比國際類似組織，如歐盟的 AI 聯盟，GMC 的獨特優勢在于 DOE 的龐大數據資源和國家實驗室網絡，這為其提供了更強的整合能力。

潛在影響、挑戰與前景

GMC 的影響顯而易見。與傳統國家實驗室模式相比，GMC 更注重跨界協作和數據共享。其有望加速美國的能源轉型、提升科技競爭力，甚至有望通過降低基礎設施運營成本，惠及公眾。數據顯示，預計到 2030 年，AI 可將科研效率提升 50%以上，這將推動可持續發展和經濟增長。

然而，這一前所未有的政府 AI 聯盟也面臨著不可忽視的挑戰。AI 偏見和數據安全等倫理問題已是老生常談。此外還涉及資源分配的公平性，如中小型機構能否參與其中。再者，技術瓶頸，數據隱私標準和知識產權分配等難題也可能在未來逐漸浮出水面。

從全球視角看，GMC 所代表的“國家級公私合作 AI 科學平臺”模式，正迅速成為AI從“生成內容”邁向“生成科學發現”時代的主流趨勢。

例如，2025~2026 年，歐盟通過 EuroHPC 聯合體大規模建設“AI 工廠”（AI Factories），將超級計算、數據湖與工業界AI模型深度綁定；英國成立的 AI 安全研究所（AISI）、日本推進“Moonshot”計劃、加拿大擴展 CIFAR AI Chairs 體系，其背后均是同一邏輯：單一機構或傳統科研模式已無法承載 AI 時代的科學發現需求，必須由國家對政產學研的資源進行統籌、集中資源解決關鍵問題。

未來，全球 AI for Science 的競爭將不僅是各國模型參數或算力的競爭，更是生態協同能力和資源整合能力的競爭。這一模式有望被更多國家復制或本土化改造，成為 AI 驅動科學革命的“新基礎設施”。

參考來源：
https://www.genesismissionconsortium.org/
https://www.energy.gov/articles/energy-department-launches-genesis-mission-consortium-accelerate-ai-driven-scientific
https://www.rti.org/news/doe-genesis-mission-consortium-techwerx