本文基于2000年至2025年初、覆盖27个科学学科的2,507组方法对比,系统评估人工智能相对于传统统计和科学计算方法的性能—计算成本权衡。研究发现,AI替代传统统计时通常带来约23%的性能提升,但平均计算成本增加约10倍;替代科学计算时,AI平均性能略高且成本约低330倍。AI并非现有方法的普遍替代者,而是在不同科学任务中拓展了新的成本—性能前沿,且自2020年以来相对于科学计算的优势明显增强。
| 结果类型 | 占比 | 含义 |
|---|---|---|
| 双赢(Win-Win) | 13.9% | 性能更好、成本更低 |
| 效率优先(Efficiency Prioritization) | 2.8% | 性能变差、成本更低 |
| 性能优先(Performance Prioritization) | 59.6% | 性能更好、成本更高 |
| 双输(Lose-Lose) | 23.6% | 性能更差、成本更高 |
| 结果类型 | 占比 | 含义 |
|---|---|---|
| 双赢(Win-Win) | 41.1% | 性能更好、成本更低 |
| 效率优先(Efficiency Prioritization) | 44.8% | 性能变差、成本更低 |
| 性能优先(Performance Prioritization) | 6.7% | 性能更好、成本更高 |
| 双输(Lose-Lose) | 7.4% | 性能更差、成本更高 |
| 学科集群 | 双赢 | 效率优先 | 性能优先 | 双输 |
|---|---|---|---|---|
| 地球与空间科学 | 38.3% | 21.8% | 31.1% | 8.8% |
| 环境与农业科学 | 27.3% | 3.0% | 63.6% | 6.1% |
| 经济科学 | 24.6% | 0.7% | 53.1% | 21.6% |
| 物理建模科学 | 21.7% | 25.7% | 30.9% | 21.7% |
| 工程 | 15.3% | 8.5% | 37.3% | 39.0% |
| 生命科学 | 8.0% | 4.0% | 64.5% | 23.5% |
| 其他 | 14.5% | 2.4% | 74.7% | 8.4% |
报告没有给出股票研究报告中常见的“买入/持有/卖出”评级,也没有目标价、企业估值或现金流预测。因此,本报告并非公司投资分析,而是一项关于科学计算方法的实证型研究。其核心评价维度不是收入、利润或估值倍数,而是预测性能与计算成本之间的关系。
报告的核心结论可以概括为:AI并不是传统统计方法或科学计算方法的普遍替代者,而是在二者之间重新塑造了一条新的科学成本—性能前沿。 当AI替代传统统计方法时,最常见结果是性能提升、但计算成本也显著上升;当AI替代科学计算时,最常见结果是计算成本大幅下降,同时性能通常接近甚至超过原有的高保真模拟方法。
作者特别反对两种极端观点:一是AI将成为所有科学问题的通用方法,二是AI只是普通工具、不会改变科学研究范式。报告所支持的是更细致的中间立场:AI的价值高度依赖于它所替代的对象、所处的科学领域、问题结构以及计算预算。
报告从一个具有方法论意义的问题出发:AI是否能够像科学计算一样成为一种普遍性的科学分析方法,或者它只是在某些任务上有效的专用工具?作者指出,过去六十年中,快速傅里叶变换、有限元方法和分子动力学等技术已经改变了科学家研究自然的方式;当前,深度神经网络、基础模型和神经算子可能构成下一轮方法革命。
但作者同时指出,AI的成功案例不能简单外推到所有领域。例如,神经网络天气预报模型可能在远低于传统数值预报成本的情况下获得相当甚至更好的预测性能;但在小样本、表格型的生物医学或经济数据上,深度模型的优势可能并不稳定,并且往往需要更多调参与计算。
这构成了报告的重要逻辑起点:判断AI是否“更好”,必须先明确它与什么方法比较。 与一个运行数百万核心小时的气候模拟系统相比,AI即使只取得适度精度提升,也可能具有极高的实际价值;但与随机森林、逻辑回归或支持向量机相比,AI需要证明其性能提升足以抵消额外训练和部署成本。
报告将科学分析方法划分为三大类:
传统统计方法(Traditional Statistics,TS)
包括支持向量机、随机森林、逻辑回归、决策树、k近邻、高斯过程、梯度提升和主成分分析等。此类方法通常计算成本较低,但性能取决于其归纳偏置是否适合具体数据结构。
科学计算方法(Scientific Computing,SC)
包括随机模拟、地球物理系统模型、偏微分方程数值求解器、有限元、分子动力学、量子化学计算和计算流体力学等。这些方法把物理规律、数学约束或机制模型直接嵌入算法,通常具有较高保真度,但计算成本可能极高。
人工智能方法(AI)
主要指以神经网络为核心的模型,包括卷积神经网络、循环神经网络、Transformer、图神经网络、物理信息神经网络、神经算子和各类代理模型。
这种分类并非认为三者完全互斥,而是为了构造一个可比较的成本—性能坐标系。作者还区分了“替代”和“增强”:替代意味着AI独立承担原方法的任务;增强则是AI仅加速或优化原有计算流程的一部分。在1,201组跨方法族AI比较中,1,122组属于替代,79组属于增强,说明报告主体聚焦于AI直接取代既有方法的情形。
图1使用二维坐标表示科学方法的权衡关系:横轴是性能,向右代表性能更高;纵轴是计算成本,图中向上代表成本更低、向下代表成本更高。传统统计方法位于“低成本、低至中等性能”位置,科学计算位于“高性能、高成本”位置。
橙色虚线代表AI出现之前的经典科学前沿,即研究者通常需要在低成本但较低性能的统计方法和高性能但极其昂贵的科学计算方法之间选择。蓝色区域则表示AI可能打开的新区域:AI可以用中等成本获得高于传统统计的性能,也可以以显著低于科学计算的成本取得接近科学计算的结果。
这张图最重要的含义是:作者并不把AI定义为传统统计和科学计算之间的简单折中,而是把AI视为可能改变“前沿边界”的第三类方法。也就是说,AI的价值不只是位于两个旧方法之间,而是可能构造新的成本—性能组合。
不过,图1本身是概念图而不是实证结果。它提出的是研究假设,后续图3至图5才负责检验这一假设。
图2A显示,AI面对的传统统计基准并不是简单模型,而是相当成熟的“工作马”:
科学计算基准则包括随机模拟,占15.5%;地球物理系统模拟,占14.1%;偏微分方程数值求解器,占7.7%;闭式解,占6.7%;量子与原子尺度模拟,占6.4%。这些基准通常不是“玩具模型”,而是长期发展、具有明确科学机制和高保真度的计算系统。
图2B进一步揭示了明显的领域差异:
这意味着不同领域对AI的评价实际上是在回答不同的问题。地球系统研究更关注AI是否能够替代昂贵的物理模拟;生命科学、工程和经济学更关注AI是否值得替代逻辑回归、随机森林或其他表格数据模型。因此,如果不区分基准方法,直接汇总“AI表现好不好”,很容易得出误导性结论。
报告将结果划分为四个象限:
在全部1,122组AI替代比较中:
总体而言,AI最常见的结果不是“双赢”,而是用更多计算换取更好的性能。但双输比例接近五分之一,说明AI并非自动优于传统方法。
当AI替代传统统计方法时:
定量分析显示,AI平均性能提升约23.2%,但计算成本平均增加约10倍。这里的“平均”使用几何平均,适合处理跨多个数量级的成本变化。
这说明AI相对于传统统计方法的典型价值逻辑是:更高的模型复杂度和计算投入,换取更高的预测性能。 但这并不意味着AI具有成本优势,因为传统统计方法本身已经相对便宜。
当AI替代科学计算时:
在能够获得数值的比较中,AI平均性能提升约26.4%,同时计算成本下降约2.788个对数数量级,即约614倍。补充材料进一步指出,中位数成本下降约2.518个对数数量级,约相当于330倍加速。
这一结果是报告最具冲击力的发现之一:在科学计算场景,AI通常不是“更贵的预测器”,而是高成本科学模拟的代理模型。它通过学习原有模拟系统的输入—输出关系,避免每次都完整运行复杂的物理或数值求解过程。
报告给出的三个案例说明了四种情形:
图3E表明,AI的成功率存在显著领域差异:
双输比例则以工程最高,为39.0%;生命科学为23.5%;物理建模科学为21.7%;经济学为21.6%。
作者进一步控制了“基准方法构成”这一因素。例如,地球与空间科学和物理建模科学拥有近似的统计方法/科学计算方法构成,但前者的双赢比例为38.3%,后者仅21.7%,差异具有统计显著性,卡方统计量为25.8,自由度为3,p值为1.0×10^-5。
这说明领域差异不能完全由“某个领域更常比较科学计算、另一个领域更常比较统计模型”来解释。作者推测,潜在原因包括任务结构、数据的内在可学习性、物理规律的强弱以及问题是否适合被压缩为低维、连续的表示。
在2012年以前,AI替代传统统计的样本中:
2012—2015年,结果仍较混合,双输为43.6%,性能优先和效率优先各为20.5%,双赢仅15.4%。到2016—2019年,性能优先上升至56.1%,双输下降至21.9%。2020—2024年,性能优先进一步升至63.4%,双输为22.5%。
这表明,AI对传统统计方法的成熟模式已经相对稳定:AI通常能够取得更高性能,但需要承担更高成本。 近十年来,这种成本—性能权衡没有消失。
与科学计算比较时,时间趋势更加积极:
这显示AI从早期的“更便宜但不完全等价的代理模型”,逐渐转向“既更便宜又更准确的替代方案”。不过,报告同时强调,即使在2020年以后,仍有41%的AI实现表现不如所比较的科学计算方法,因此AI并未全面压倒科学计算。
图4C将传统统计、AI和科学计算放在同一归一化成本—性能平面中。2020年以前,AI大体位于传统统计和科学计算之间;2020年以后,科学计算在平均意义上变得“成本更高且性能更低”,而AI仍保持相对于传统统计的性能优势。
这一结果支持报告的中心命题:AI正在从“中间选项”向“部分支配科学计算的前沿点”移动,但这种支配只适用于部分实现和部分任务,并不是所有领域的一般规律。
图5给出三类方法的总体平均位置:
图中的坐标采用相对值和对数成本尺度,因此“330倍便宜”和“3,300倍昂贵”并不是普通线性坐标上的小幅差异,而是数量级差异。
图5所表达的不是AI在所有单个比较中都胜过科学计算,而是总体平均意义上的结构性变化:AI能够以接近模拟级别的性能,提供远低于模拟方法的计算成本。 因此,AI被描述为打开了一个新的科学前沿点,而不是简单填补两种旧方法之间的空白。
图6进一步加入了同一方法家族内部的比较,例如较旧AI方法与较新AI方法之间的比较。图中不同颜色区域和箭头表示各方法家族内部正在向不同方向扩展:
这意味着“传统统计—AI—科学计算”并不是三个固定不变的点,而是三个不断扩展的技术家族。科学进步的关键不一定是某个方法完全淘汰另一个方法,而是研究者能够根据问题特征选择更加匹配的归纳偏置和计算配置。
报告的实证基础具有较强的系统性。作者从IEEE Xplore、ACM Digital Library、arXiv、Google Scholar和Scopus五个数据库搜索文献,先筛选出880篇论文,再保留268篇、共2,507组比较。
每一组比较被定义为同一方法对、同一数据集或同一实验环境下的比较,以避免同一实验因多个指标而被重复计数。数据提取采用“人工优先、LLM辅助验证”的流程:GPT-4仅用于二次核查,不负责独立增加观察样本或替代人工判断。
报告面对一个重要问题:不同领域使用的性能指标和成本指标非常不同。数据集中包含284种性能指标和239种计算成本指标,因此作者采用方向性分类和对数比率两种编码方式。方向性编码用于判断更好、更差或相等;对数比率则用于保留变化幅度,并将不同数量级的成本变化放到统一坐标中。
成本数据的缺失是研究的重要限制。性能指标通常会被报告,但计算成本经常只作定性描述。补充材料指出,定量性能与定量成本报告之间存在41.3个百分点的差距,因此使用精确成本比率的样本明显小于使用方向性判断的总体样本。
作者通过卡方独立性检验考察成本数据是否更可能在AI表现较好时被报告,结果为χ²=0.055、p=0.814,没有发现成本报告可得性与AI性能结果之间存在显著关系。不过,这只能排除一种特定形式的选择性报告,不能完全消除发表偏差或报告偏差。
在领域层面,AI替代结果与学科集群之间存在显著关联,χ²=244.96,自由度为18,p=8.63×10^-42,Cramér’s V为0.270,说明领域与结果类型之间存在中等程度关联。
稳健性分析显示,逐一删除七个领域集群后,性能优先仍然是最大类别,双赢和双输居中,效率优先仍相对较少,说明总体结论并非由单个领域主导。仅使用具有定量成本数据的样本进行分析后,整体结构仍大体保持,但效率优先比例有所上升、双输比例有所下降。
虽然这不是传统投资报告,但它的“风险”主要体现为研究结论的适用边界。
不同论文可能使用运行时间、训练时间、硬件资源、核心小时、能耗或模拟时长衡量成本。这些指标并不能完全等价,因此“AI便宜614倍”更适合解释为文献中观察到的数量级差异,而不是所有应用场景都能复制的普遍倍数。
只有约一半比较报告了数值化成本指标,意味着精确成本分析可能偏向更重视基准测试的研究群体。即使报告未发现成本报告与AI性能之间存在统计相关,也不能排除其他未观测的选择性报告机制。
研究样本更容易覆盖那些具有明确基准、公开数据集和模型比较传统的领域。缺乏标准化基准或不报告计算预算的学科,可能在数据集中被低估。因此,报告结论不能机械外推到所有科学领域。
将支持向量机、随机森林、逻辑回归等归为传统统计,将所有神经网络模型归入AI,便于统计分析,但可能掩盖方法家族内部巨大的差异。一个轻量级神经网络与超大规模基础模型在训练成本、数据依赖和泛化能力上并不相同。
报告主要测量预测性能和计算成本,没有系统衡量可解释性、校准度、稳健性、分布外表现、可复现性、物理一致性或提出新科学假设的能力。因此,AI在成本—性能平面上的优势,不一定等同于其在整体科学价值上的优势。
被发表的论文往往更可能报告新方法具有优势,尤其是AI论文可能更重视展示优于基准的结果。报告通过稳健性分析处理了部分问题,但其分析仍然是对异质文献的描述性汇总,并不构成随机实验意义上的因果证明。
这份报告最重要的贡献,是把“AI是否更好”转化为一个更准确的问题:AI相对于哪一种既有方法,在什么领域,以什么计算成本取得了怎样的性能变化?
综合全文可以得到以下判断:
相对于传统统计方法,AI主要是一种性能换计算的工具。
59.6%的比较属于性能优先,平均性能提升约23%,但计算成本约增加10倍。
相对于科学计算方法,AI主要是一种高保真代理模型。
双赢和效率优先合计达到85.9%,平均成本下降约614倍,显示AI最突出的结构性优势出现在昂贵模拟和数值求解场景。
AI的科学价值高度依赖领域。
地球与空间科学、环境与农业科学的双赢比例明显较高;工程和生命科学则更容易出现性能优先或双输结果。
AI的相对优势自2020年后明显增强。
AI在替代科学计算时,双赢比例从早期的22.2%上升到2020—2024年的49.5%;但仍有相当比例的案例不如科学计算,因此不能宣称AI已全面取代传统模拟。
AI正在重构而非摧毁科学方法体系。
传统统计、AI和科学计算仍然分别占据低成本、中间或高保真度等不同区域。未来更可能出现方法组合、代理模型和混合计算,而不是单一方法统治所有科学任务。
最终,报告的总体立场可以概括为:AI既不是科学分析的万能替代品,也不是对既有方法没有结构性影响的普通工具。它正在成为一个不断扩展的方法族,尤其在两类场景中最有价值:一是用更多计算换取高于传统统计的预测性能,二是用远低于科学计算的成本逼近模拟级别的结果。
2609.16258.pdf