科学发现是人类知识生产里最古老的循环：观察、假设、实验、验证。AI4Science 深拆的问题不是"AI 能否写论文"，而是这个循环的四站里，模型各能接管哪一段。它同时是全系列验证器逻辑的极限考场：第 21 篇苦于验证难（偏好主观、对齐税高），而科学是验证器最硬的地方——实验不买任何模型的账。一个领域验证器越硬，AI 的增益就越确定。
一、AlphaFold：范式样板
AlphaFold 把问题改写成第 8 篇的老公式：生成候选 + 学习出的验证器打分。蛋白质结构预测是一个天然闭合的循环——序列确定输入、结构确定答案、物理与演化提供约束、PDB 提供五万个带真值的样本。它证明了三件事：其一，一个"读起来不像智能"的专用系统（几何 + 演化先验 + 精化循环）可以拿下诺奖级问题；其二，科学数据的最优形态是带真值的小而精，不是互联网的大而杂——五万结构胜过五十亿网页；其三，打分循环（多次预测取置信度最高的构象）就是推理时计算的生物学版本。AlphaFold 的局限同样有教益：它预测"结构是什么"，不回答"为什么折叠"、不能提出新问题——它是循环里"验证与求解"那一段的极致，不是发现本身。
二、LLM 在循环里的四站
把发现循环摊开，LLM 的四个接入点各有成色。假设生成是当前最强的站点：模型读过全部文献，能在跨领域的隙缝里提出人类没想到的连接——文献太厚，任何个人的阅读都必有盲区，而假设生成恰恰是"从已知组合出未见过"（第 1 篇自回归的本职）。但要清醒：这类"再发现"评测反复证明，模型提出的新假设绝大多数是平庸组合或已被否证的旧案，真正的新颖度靠人类专家筛。实验设计是第二站：把假设翻成可执行的协议、选对照、估样本量——这是第 9 篇工具循环的直译，增益实在但不含魔法。执行正被自动实验室接管：自驱实验室把"提方案-跑实验-读结果"闭环成物理机器，AI 提参数、机器人动手、仪器读数——这是第 16 篇具身飞轮的科学特供版，瓶颈从想法变成湿实验吞吐率。解释与写作是第四站，也是污染最深的一站：它让成果流通，也让"看起来像科学"的文本可以脱离科学批量生产（本篇末尾回到这点）。
三、数据与评测：科学的三重不对称
科学数据有三个与互联网语料相反的性质。其一，负结果蒸发：成功实验进文献，失败实验进抽屉——模型学到的是学科的幸存者偏差（第 17 篇数据偏置的最贵版本），自驱实验室意外成了负结果的第一批大规模生产者，这批数据本身可能比发现更值钱。其二，真值昂贵：一个标注结构要一个博士数月，科学 SFT 数据天然稀缺，所以专用系统都靠自监督（演化约束、物理定律）+ 小量真值——这与第 12 篇"蒸馏换规模"相反，科学走的是"先验换标注"。其三，验证器自带但昂贵：实验是最好的裁判，可它按周计费、按千万美元计费——所以 AI4Science 的真实瓶颈不是假设产量，是假设队列的验证带宽；这与第 8 篇"生成便宜、验证昂贵"完全同构，只是把 GPU 时换成了湿实验吞吐。
四、诚实的边界：可证伪是朋友也是账单
AI4Science 有一个其他领域没有的安全机制：幻觉在科学里是可证伪的。一个编造的机制撑不过对照实验——波普尔式的可证伪性天然是对齐机制，模型在本领域撒谎的成本结构比在聊天里健康得多。但账单同样真实：当论文的生成成本趋近于零，同行的阅读与审稿带宽就成了新瓶颈（第 13 篇基准污染的学术版），"论文工厂"文本稀释文献池，反噬假设生成的原料质量——生成-验证不对称在学术生态里闭环了。
与系列的合流：AlphaFold 与自驱实验室是第 8 篇（生成-验证循环）、第 9 篇（工具循环）、第 16 篇（物理飞轮）、第 17 篇（数据形态）在单一领域的特解。一句话收束：AI4Science 不是"AI 来做科学"，是把发现循环里的四段劳动重新定价：假设变便宜（生成端工业化），验证保持昂贵（实验带宽是新瓶颈），数据反转变贵（带真值的小而精胜过大而杂），可证伪性成了唯一免费的对齐机制——谁先把湿实验的吞吐率提上去，谁就掌握了这门学科的 Scaling Law。
