据Axios独家报道，OpenAI 最近宣布聘请了一位在黑洞理论物理领域颇具声誉的学者，标志着其希望将 AI 的应用扩展至最前沿科学研究的意图进一步明朗。这位新加入的科学家名叫 Alex Lupsasca，他目前仍担任 范德堡大学（Vanderbilt University） 的教授，但将作为 OpenAI “Science” 计划的一员，共同推动公司在理论物理学与复杂科学推理方向的发展。
一、OpenAI 的科学野心
早在这次聘请之前，OpenAI 就已经在利用其语言模型进入科学研究领域——包括数学建模与物理学问题的探索。通过将 AI 模型用于科学问题，OpenAI 希望在研究界赢得更多认可，而不仅仅停留在作为最流行聊天机器人或 AI 视频应用的层面。Lupsasca 的加入被视作 OpenAI 向研究型 AI 实验室身份迈进的一步。在 OpenAI 的新团队中，他将参与制定理论物理方向的研究路线，并协助指导其未来模型在涉及前沿、多步科学推理问题上的表现。他也将与学术界建立更密切的合作关系，以促进 OpenAI 与外部科研力量的联动。
二、为何选黑洞理论物理学家？
黑洞理论是当前物理学中极其抽象、数学化和高度挑战性的领域之一。能够在这一领域具备深厚造诣的科学家，通常具备极强的数学直觉、理论建模能力和逻辑推演能力。
对 OpenAI 来说，聘请这样一位专家有多重意义：
- 技术与信誉的背书：对外展示 OpenAI 在科学界的严肃性与投入，不只是商业产品或服务厂商的角色；
- 推进 AI 在科学中的方法论：在复杂科学问题上，比起简单预测与生成，AI 更需要“思考能力”与“可验证推理”的能力；
- 跨界协同的桥梁角色：Lupsasca 本身仍是大学教授，有学术圈人脉与权威身份，有助于 OpenAI 与高校／研究机构建立桥梁。
三、AI 在科学探索中的现状与挑战
OpenAI 的 VP of Science，Kevin Weil，在接受采访时提到：目前 GPT‑5 在某些天体物理学问题上，能够在几天内完成那些对研究生而言也要花不少时间思考的近似计算。
Weil 还表示，GPT‑5 已经能够进行“有限的新型科学研究”。
虽然他的团队也承认今天的模型还远非终极版本，他戏言：“你今天用的 AI，是你此生用到的最糟糕的 AI 模型”，暗示未来还有更强大的版本。尽管已有这样的进步，但将 AI 推向科学前沿仍然面临几大挑战：
- 复杂性：科学问题往往需要长链多步骤推理、符号演算、严格数学证明，这对当前语言模型是一大难题；
- 可靠性与可验证性：科学研究容不得“胡乱猜答案”，模型必须具备自我验证和错误修正能力；
- 跨学科知识融合：天体物理、生物、化学、材料科学等多个学科交叉时，知识边界变得模糊，模型要跨界适应；
- 学术界信任：很多科研人员对 AI 的贡献抱怀疑态度，必须通过真实、可重复的成果来赢得信任。
四、竞争与行业趋势
OpenAI 此举也正值 AI 实验室纷纷布局科学研究领域的一个大背景。DeepMind 曾凭借 AlphaFold 在蛋白结构预测领域取得突破；最近 DeepMind 又宣布将与科研机构合作，加速核聚变科学研究。
Anthropic 则不久前也宣布了自己的科学计划，对研究机构提供 API 授权以鼓励科研探索。
相比于仅把 AI 用作工具或应用层，能够在基础科学研究中有所贡献，是一种新的高度竞争维度。OpenAI 须在算法、模型架构、科研合作、验证体系等多个方面持续投入。Lupsasca 的加入便是其中极具象征性的一步。
五、展望与意义
OpenAI 的这一动作提醒我们，AI 时代的竞争，正在从“能做什么应用”向“能推动什么科学”转移。未来若 AI 能在物理学、化学、生物学、天文学等领域产生可靠的原创性科学发现，它就不仅仅是工具，而可能成为“合作者”。
在这个过程中，模型能力的提升、科学方法的整合、学术界的认可、验证机制的建立，都是必不可少的环节。Lupsasca 与 OpenAI 的合作，也许只是一个开端——未来几年，AI 参与科学前沿、甚至挑战人类认知极限，或许会成为常态。