裁断为什么没有变便宜
作者：龍德明宇
新的黄金时代系列篇三
导读
生成与验证的价格分了家：前者坐上指数下降的电梯，可机械化的验证跟着在降，只有裁断没有同步降价。裁断的价码从来不是算力，是一个人肯押上自己。
AI 能用密钥给结果签名，却签不了自己：密钥可以吊销、更换、复制一百万份，而现实世界的重力，只能由长着肉身、时间不可逆的存在来承受。制度能分担它，但链条尽头仍是人。
81 年前，布什把美国科学的天花板定在科学家的数量上；81 年后，我的读法是：天花板换成了肯在模糊处说「这个可信」的人。
一、两句话，隔了 81 年
判断一个时代，看什么在降价、什么在涨价，往往比看新闻更准。
过去几年，很多脑力劳动的价格在跳水：写程序、画图、起草论文，这些曾经按周计费的能力，如今在很多场景下几乎不要钱。但另一些东西不降反升：请一位真专家看一眼结果、说一句「这个可信」，比十年前更难得。
至少在我的观察里，这不是错觉。2026 年 7 月 21 日，白宫科技政策办公室（OSTP）主任迈克尔·克拉齐奥斯呈交了一份报告，名字起得很满，《科学：新黄金时代》。在报告总摘要的行动清单里，有一句不起眼但分量很重的话：
「While the cost of generation has decreased exponentially, the cost of verification has not.」（生成的成本已经指数级下降，验证的成本没有。）
先把两个词说成人话。生成，是科学里「做出来」的那一半：出想法、设计实验、写出结果。验证，是「查清楚」的那一半：这个结果对不对、可不可信、值不值得信。报告说，前者的价格在崩塌，后者纹丝不动。这是报告的总体判断；到第三章会看到，它在可机械化的部分并不成立。报告还补了一句：「Science works only if we can generate and verify knowledge in tandem.」（科学要运转，唯当生成与验证并驾齐驱；第五章）一双脚，一只在飞，一只陷在泥里。
单看这句话，不算稀奇。稀奇的是把它放回 81 年前。
1945 年 7 月 5 日，另一份报告摆上白宫的案头：范内瓦·布什的《科学：无尽的前沿》。那是二战刚结束时布什给美国规划战后科学的纲领性文件，后来催生了美国国家科学基金会（NSF）。它的第四章，讲怎么为科学续上人才的那一章，同样压着一句定调的话：
「The real ceiling on our productivity of new scientific knowledge ... is the number of trained scientists available.」（我们产出新科学知识的真正天花板，是可用的、受过训练的科学家的人数。）
1945 年，布什盘点家底，发现最贵的东西是人。会做研究的头脑，培养一个要十几年，战争又烧掉了一批，所以整份报告的药方说到底是政府出钱养人：设奖学金、建基金，让能力而不是家世决定谁受教育。
把两句话并排放，就能看见一次安静的搬家。
1945 年，瓶颈是「会生成的人」，稀缺的是科学家本身。2026 年，AI 加入了生成的队伍，会生成的不再稀缺，瓶颈挪到了验证。81 年里，稀缺的东西从「人本身」，搬到了「人的最后一个动作」。
把话说诚实：这一层是我的读法。2026 年的这份报告，自己开出的瓶颈清单并不是验证，而是三样更硬的东西：反馈的速度：有些观测，再多智能也变不出来；原子的速度：细胞按自己的节律分裂，火箭不会一夜造好；还有制度本身。报告甚至断言：智能越丰饶，进步的约束越是从「生成想法」挪向「在物理世界把想法实现」。这是报告的字面答案。而「瓶颈是验证、验证的内核是人」，是我的读法。支撑这个读法的，是报告自己在别处留下的账：它一边说验证成本没有降，一边把复现危机的数字、验证基础设施的设想、「结果模糊时留给人」的判断位，写满了整个第五章。三重约束管的是科学能跑多快；跑得快的东西可信不可信，最后还是要有人接。
这里要把「验证」这个词的分量说足。它在科学里不是一个复查动作，而是科学共同体做最终判断的制度形式：论文要过同行评审（请同行专家把关），实验结果要能被别人复现，药物要过临床试验。这些制度千差万别，目的只有一个：替整个共同体回答一个问题，这个结果，我们信不信。
我把这个动作的内核叫「裁断」：判断什么可信、什么值得继续、什么错了该回头。验证是裁断的流程和制度，裁断是验证的心脏。
验证变贵，还有量上的原因：生成泛滥了。一年一百篇论文时，验证的队列消化得动；AI 让一天一百篇成为可能，队列开始爆炸。报告在别处提醒过一个风险，用的比喻是森林防火：压抑小火灾，会换来更大的燎原。个体的收益，不会自动加总成集体的进步（individual gains do not automatically aggregate into collective progress），验证这笔公共欠账压到最后，是要连本带利还的。
AI 既然能生成，按直觉也应该能验证，两边价格为什么没有完全一起跌？写报告的人自己知道这个问题，也开出了药方。先看药方，再看一个不利的案例，最后到最深的那一层。
二、报告的药方：把验证做成系统
先交代药方为什么必须开：验证的欠账，已经堆成一场公认的危机。
报告第五章有一节叫「金标准科学」，先摆了一组数字：在心理学领域，一半到三分之二的复现尝试以失败告终；在实验经济学里，超过三分之一的已发表结果没能被复现出来；在临床前生物医学（指进入人体试验之前、在细胞和动物身上做的研究）领域，仅美国，不可复现的研究每年造成的误导性花费就估计约 280 亿美元。这些是报告引用的研究估计。
什么叫不可复现？你把论文里的实验照着再做一遍，做不出论文声称的结果。如果一半的论文都复现不出来，「已发表」三个字就不再等于「可信」，科学的知识账本本身就是乱的。
药方的第一味是标准。2025 年 5 月，白宫签发一道行政令（美国总统签署、对联邦机构有约束力的指令），名字直译过来是「恢复金标准科学」，共九条原则，方向是把可复现、透明、可证伪（意思是原则上能被一个实验推翻）这些要求，从科学家的自觉变成制度的标准。这道令做的事，是重新定义「什么样的结果算合格」；得失本身，不是本文要评的。
第二味是工具，报告配了一整套。其一，验证基础设施：把数据、代码、实验流程通过开放接口开放出来，让验证不必打电话求人、排半年的队。其二，机器可审计的复现包：论文交出去时附带一套完整材料，程序能自动检查，谁想查让程序去查。其三，复现奖金：直接为「把别人的结果重做一遍」付钱，让验证从科学界的义务劳动，变成有报酬的工作。
第三味是自动化。报告设想让 AI 代理（agent，能自主执行任务的程序）参与验证：解析论文、重建实验、执行、比对。报告为这个方向写了一句很见决心的话：
「we must also build its necessary counterpart: a verifier equal in rigor and scale.」（我们还必须给它配上一个搭档：一个在严谨与规模上都跟得上的验证器；第五章「金标准科学」节）
顺着设想再往前走，报告甚至预见了某种验证市场：AI 代理自主组织实验、复现结果，验证者领赏，「挑错」本身变成市场里的一种生意。
药方不可谓不全。但药方自己留了一个结构性的口子。
把验证交给机器系统，马上冒出一个问题：谁验证验证者？机器检查机器，检查机器的机器又归谁检查？一层套一层，没有头。
但这个无穷后退，仔细看停得住。我的说法是：**验证是一座金字塔。塔基是数据、代码、复现包，越往下越机械，越能交给机器；它们并非绝对无误，芯片有缺陷、内核有过漏洞，但广泛的复用把塔基兜到了「不必再逐层向上追索」的程度。金字塔必须有顶，顶上锁着一个可问责的主体：成熟处可以是机构，前沿处只能是人，因为无论锁在哪一层，链条的尽头都是会输的人，只有到了那里，「可信」两个字才有人负责。**报告自己也把这句话留在了深处：结果模糊时，提供判断的是人类专家。模糊处，留给人。
不过，这个判断刚说出口，就撞上了报告自己举的一个案例。初看之下，它把「验证没有降价」这句话当场打翻了。
三、一个数学案例，看起来打翻了结论
先交代背景。数学界近年有一个方向叫「形式化」：把定理的证明翻译成计算机可以逐步检查的严格语言，每一步由机器核对，不靠人眼盯。粗略说，就是把证明写成一本账，让程序逐行审计：账查完了，对就是对，错就是错，没有讨价还价的空间。
报告第五章举的例子是这样的：2024 年初，陶哲轩和几位数学家发起一个项目，尝试把素数定理的证明形式化（素数定理是数论的基本定理之一，说的是素数在自然数中分布得有多稀疏）。此后一年半里，据项目公开记录，二十多位数学家先后加入，把素数定理的普通版本形式化完成；带误差项的强版本，卡在了复分析的难点上。据该公司公布，2025 年 9 月，一家名为 Math Inc 的初创公司用它的 AI 系统 Gauss 接手，三个星期，交付了约 25000 行 Lean 代码、约 1100 条定理与定义。
人类卡了一年半的难关，AI 三个星期补完了。如果验证的价格是这样跌的，前面那句「验证成本没有降」，不就站不住了吗？
报告自己也知道这个案例的分量，跟着写了一句很有野心的话：
「Wherever checking an answer is easier than finding one, AI stands to reorganize not just scientific discovery, but the social structures that govern who does it and how.」（凡是检查一个答案比找到它更容易的地方，AI 都不仅将重组科学发现本身，还将重组决定由谁来做科学、怎么做的社会结构。）
细看这个案例，会发现降价的东西不叫「验证」，叫「形式化验证」：那些能写成完全明确的规则、机器可以逐步检查的部分。数学在这里是个特区：数学证明对错原则上可以机械地检查，这正是「形式化」可行的前提；检查比寻找容易，AI 在这样的地方自然所向披靡。
但科学的大部分不在特区。一个生物实验的结果对不对，没有一份能逐步核对的「证明」；一次临床试验可不可信，取决于样本设计、混杂因素、利益冲突，这些不是一道程序能跑出来的。
更关键的是，即便在数学特区内部，也有形式化碰不到的东西，而且项目自己就把它写在了明面上：人类数学家为整个工程提供蓝图，关键引理由人类审阅；据该公司介绍，Gauss 每一轮迭代约 95% 自主完成，剩下那 5% 需要人参与。留在人手里的那 5%，恰恰是要害。还有一层更细的隐患，形式化数学的资深实践者凯文·布扎德（Kevin Buzzard）提醒过：证明检查器验证的是「证明忠于命题」，验证不了「命题忠实于数学家真正想问的问题」。命题要是被悄悄写歪了，机器会一丝不苟地检查一个错误的问题。1100 条定理与定义里，哪条重要？哪条值得花三个星期？形式化做成了，结果可信到什么程度，敢不敢把自己的名声押上去？这些问题，形式化本身不回答。决定「什么值得形式化」的那个动作，没有跟着降价。
所以这个反例消化之后，论点不但没有软化，反而更硬了：降价的，是可机械化的部分；没有降价的，是裁断。特区的降价，恰好把特区的边界照了出来。
四、裁断的价码：押上自己
现在正面回答：裁断为什么没有变便宜？
先要把一个容易误会的东西拿掉：裁断的核心，不是算得准。计算概率、比对数据、挑出模式，这些机器会越做越好，AI 在蛋白质结构预测上已经证明了这一点；如果一项判断可以完全化约为计算，那它迟早属于机器，这里不必为它恋战。裁断真正的动作，在计算结束之后才开始：不确定性消不掉，几条路各有胜算也各有代价，总得有人选定一条，并把选错的后果接下来。置信度停在 85%，数亿美元的三期临床做不做？造价百亿的对撞机建不建？这一步不是算，是选：选的甚至不是哪条路更可能对，而是哪种错由谁来承担。
先看生成为什么便宜。生成的成本是机器成本：算力、数据、电费，随技术进步指数下降，价格就跟着一路向下。形式化验证的成本也是机器成本，所以它在特区里也一路向下。
但裁断不一样：它的价码从来不是机器成本，是判断者自己的命运。
一位药理学家看完数据，说「这个药是安全的」。这句话的分量，不在于他分析过多少数据，而在于如果药出了事，他的职业生涯、他的名字、他后半生攒下的全部信任，都要跟着赔进去。一位导师说「这个学生值得十年培养」，他押上的是自己看人的声誉。一位审稿人写下「建议发表」，他押上的是自己在领域里的信用。这些动作的共同点是：判断错了，代价落在判断者本人身上。正式一点说，这叫「生存性代价」：会落到你这个存在本身头上的代价。
一个判断之所以是你的判断，是因为你为它押上了只有你能押的东西。别人替你判断，代价就不在你身上了；而没有代价的判断，在科学里不值钱。
这里得诚实地补一笔，免得把现状说得太美：抵押的逻辑是科学的理想账本，现实里的签字早就大量贬值了。「不发表就出局」的压力之下，挑数据、水论文层出不穷，终身教职又挡住了许多本该兑现的代价。第二节那笔每年 280 亿美元的账单，就是签字贬值开出的收据；真正付账的，常常是扑进去颗粒无收的年轻博士。所以准确地说：不是每个人类都在押上自己，而是这套制度只有在有人真的押上自己时，才运转得住。现实危机恰恰证明，肯押上自己的人早就是稀缺品。而 AI 的洪流把这件事逼到了明处：平庸的生成泛滥成灾，共同体退无可退，只能重新清点：哪些签字背后，真的站着抵押。
这里要请出系列一直在用的那对概念。正主体性：人在乎、人选择、人做最终判断，做判断就是押上自己------对了是声望，错了是代价。负主体性：AI 只提供参考、执行、做统计预测，不做最终判断，因为它没有可以押上的自己。
人类能够成为正主体，注意，是「能够」。不是每个署名背后都真站着押上自己的人，签字贬值的现实已经说明，正主体性是一个要自己坐进去的位置，不是出厂设置。AI 是负主体。这个区分落在验证这件事上，非常具体：AI 可以生成、可以统计、可以算概率，但它给不出一个可被押上的「自己」。它判断错了，不会少活一天，不会失眠，不会在学术会议上被人记住：就是它，当年说这个药安全。有人会反驳：AI 也可以被设计成付代价的，比如在智能合约里押一笔保证金，输出假结果就被自动罚没。这是真的，这类机制正在被试验。但那些代价全在系统之内：保证金罚没了可以再充，算力配额注销了可以再申请，模型权重归零了可以再训练。系统内的代价，可设计、可重置、可再来一局。AI 付得出的，是系统内的代价；付不出的，是落到存在本身头上、无法重置的那一种。
这就是裁断不降价的全部秘密。
生成的价格由机器成本决定，机器成本有摩尔定律（芯片性能指数提升的老规律），一路向下；裁断的价格由「有人肯押上自己」决定，而肯押上自己的人，不会因为芯片升级而自动变多。
这不是教科书意义上的供需曲线，裁断也没有挂牌价。真正在发生的是稀缺的迁移：生成便宜到泛滥之后，稀缺没有消失，而是向一个位置集中：哪些签字背后，真的站着肯负责的人。这也正好把标题咬住：变便宜的，是验证里可机械化的部分；没有变便宜的，是让验证值钱的那个动作。
把话说公平，这不是一篇反对用 AI 验证的文章。恰恰相反，形式化验证、自动复现包、机器审计，都是实打实的进步，报告的药方在「能机械化的部分尽量机械化」这个方向上说得通，它把人从塔基上解放下来。但解放下来的人该站在哪里？站在塔顶。机器把塔基打扫得越干净，塔顶那个人站得越显眼。塔顶上那件事，说到底是一个动作：在模糊处给出判断，并且为判断负责。
五、密钥签得了结果，签不了自己
裁断贵了，作为裁断记号的署名制度，也跟着要重新设计。报告的最后一组重构，正开在这里：重构「信用」机制（credit，指科学成果归谁、谁值得被信任的分配体系）。
现行制度的问题，报告诊断得很直白。其一，期刊署名制是为 17 世纪设计的：那时全世界的研究者以百计，彼此基本认识，署名即背书；今天全球研究者约 900 万，彼此陌生，还在用那套几百人规模的信用制度；现实里，大型合作论文的署名名单动辄几千人，早已把这个制度的旧含义撑变了形。其二，报告警告，论文数、引用数、影响因子这些指标，都会在古德哈特定律下沦为可操纵的目标。（古德哈特定律是管理学老话：一个指标一旦成为考核目标，人们就开始优化指标本身，而不是它本该代表的东西。于是论文越多，单篇越水；引用越涨，互引小圈子越繁荣。）
新方案是一个「agent 经济」：AI 代理在科学市场里自主干活，组织实验、复现结果、领取悬赏（bounty：像悬赏任务，谁复现了某个结果谁领赏），逐步积累声誉。研究者的信用不再只挂在期刊上，而是挂在整个开放的市场上。
就在这个设想里，有一个细节值得放大了看。报告写道，代理接下任务后，并不亲自动手做实验，而是承包给一间自主实验室；由实验室运行实验，返回「cryptographically signed results」，密钥签名的结果。
先说密钥签名是什么。这是密码学的标准技术：用一个只有你持有的密钥，给一条数据盖章；任何人都能据此验证两件事，这条数据确实出自这个密钥的持有者，而且中途没有被篡改。你每天上网转账、加密连接时依赖的安全机制，背后都是它。它证明的是「来源与完整性」：东西是谁给的，有没有被动过。
现在把镜头拉近，看这个技术能签什么，不能签什么。
密钥能证明「这条结果出自持有这把密钥的实验室」，不能证明「持有这把密钥的存在，愿意为这条结果承担后果」。密钥可以吊销，可以换新，可以复制一百万份发到一百万台机器上。密钥是系统内的代币，可以铸造、重置、废弃；而科学最终要对系统外的现实负责：桥会塌，药会死人，理论会撞墙。现实世界的重力，最终要由长着肉身、时间不可逆的存在来承受：要么直接落在判断者身上，要么隔着制度，落回到人身上。密钥本身不携带这样的存在；有没有，取决于它被绑定到谁。
所以：AI 能用密钥签名，却签不了自己。
这是两种完全不同的签名。技术签名证明「数据没被改过」，存在签名承诺「错了算我的」。前者是密码学，后者是抵押。
这个区分有它的适用范围，得说清楚，免得把话说满：不是所有可信都要靠某个人押上自己。报告流程里那间实验室，背后也站着运营机构。机构正是可以被锁定的主体。成熟领域靠的就是这种制度化问责：航空软件的担保，与其说是哪位工程师的名声，不如说是适航认证：一整套流程、审计与追责的体系，出了事有机构认领、有赔偿、有停飞；新药的安全靠审批与召回制度兜底。公司、期刊、监管机构这些集体主体同样担得起责任：牌照可以被吊销，机构可以被起诉、可以破产。制度把责任锁在了可追索的位置上，科学里最大量的常规可信，靠的是这一层。
但制度化问责有两处够不着。一处是前沿：认证要等风险有了形状、测试用例写得出来，才建得起来；而前沿的定义，就是那里还没有现成的测试用例：没有已知答案可以比对，没有成熟流程可以兜底。另一处是链条的尽头：机构的责任是代理性的，赔偿金来自池子，执照注销了可以换壳再申。所以判据不是「有没有肉身」，而是签名锁没锁到一个可问责的主体上。常规区域，锁到机构就够了；前沿区域，制度还没建成，锁得住的只剩人的名声与学术生命。在没人知道对错长什么样的地方，向共同体担保「这条路值得走」的，除了这个，别无他物。
人类署名的本质，正在于此。名字印在论文上，不是贴标签，是向整个共同体抵押自己的未来判断力：这篇论文要是错了，你后面所有的工作都会被重新打量。署名是「押上自己」的制度记号。这是人类在科学里独有的动作，不是因为我们恋旧，而是因为在前沿区域，只有人类交得出抵押物。
对照之下，市场里的机器签名，密钥可以随时换一把，实验室可以换一家，公司可以换一个主体；错误的结果会在市场里被标记、被折价，但没有一个存在为它真正付出什么。
写到这里，报告里那句话的分量就完全显出来了。它出自第五章「新形式的协作与信用」一节，正是描绘 agent 经济的那一节：在设想最激进的机器经济时，报告把人留了下来。
「When results prove ambiguous, human experts provide the judgment that automated systems lack.」（当结果被证明模糊时，提供判断的是人类专家，这份判断，是自动化系统所没有的。）
这句话不是在安慰人类，是在描述一个结构：机器经济运转得越快，模糊处那个人的位置越值钱。
这就是本篇从科学体制深处找到的证据：AI 什么都会，就是不敢签字。不是不敢，是不能。签字需要一个会输的自己，而会输的自己，无法用密钥生成。
结语
这是「美国科学报告」系列的第三篇，收官的一篇。篇一写「因」的源头怎么散掉，篇二写方向由谁定，这一篇写人最后站在哪里。
81 年前，布什把稀缺定在人身上：天花板是受训科学家的数量。81 年后，生成便宜到泛滥；报告自己列出的瓶颈，是反馈的速度、原子的速度和制度。而我的读法没有变：验证的内核是裁断，裁断的价码，是一个人肯押上自己。报告在「调适我们的机构」一节里写道：「In an age of abundant intelligence, everything discussed in the preceding chapters ... becomes more urgent, not less.」（在一个智能丰饶的时代，前面各章讨论的一切（包括恢复问责的元科学改革）都更紧迫，而非更不紧迫。）智能越丰饶，生成越泛滥，肯押上自己的那个位置越清晰，也越昂贵。
生成的价格坐电梯下行，可机械化的验证跟着降了一程，只有裁断，没有同步降价。这不是市场的失灵，而是价格的诚实：它一直在告诉我们，什么东西可以外包给机器，什么东西，只有人能付账。
当结果模糊时，提供判断的是人类专家。
签字位，是链条尽头留给人的位置。
附：文中对照的两份报告
- Vannevar Bush, Science: The Endless Frontier: A Report to the President on a Program for Postwar Scientific Research, 1945.（范内瓦·布什，《科学：无尽的前沿》，1945 年 7 月 5 日呈交。）
- The White House Office of Science and Technology Policy, Science: A New Golden Age, 2026.（美国白宫科技政策办公室，《科学：新黄金时代》，迈克尔·克拉齐奥斯以 OSTP 主任身份呈交，2026 年 7 月 21 日。）
文中复现率数字与 280 亿美元估计，报告分别引自开放科学合作组织（2015，心理学）、Camerer 等人（2016，实验经济学）与 Freedman 等人（2015，美国临床前研究）的研究。
文中英文引句的中文翻译为意译，帮助理解，不作官方译文。