有整整一年时间，Philip Johnston 的团队被同一个矛盾困住了。
他们想做一件人类从未做过的事：发射一个航天器，让它飞向 4.4 光年之外的 Alpha Centauri，也就是半人马座 α 星，离太阳系最近的恒星系统。不是论文里的概念，不是 PPT 上的远景，而是真的造出来、真的点火升空。预算只有大约 1500 万美元，载荷至少 1 公斤，一个 10 厘米见方的小盒子，里面装着科学仪器、艺术品，还有一份当年旅行者号金唱片的副本。那张 1977 年随旅行者 1 号飞出太阳系的铜质唱片，刻着地球上的声音和图像，是人类寄给宇宙的第一封信。
问题出在路线上。Alpha Centauri 距离地球约 25 万亿英里，旅行者 1 号从 1977 年飞到今天，走完的距离还不到全程的百分之一。Johnston 的团队试遍了各种方案，始终绕不过一个死结：要给航天器足够的能量飞那么远，就得装更多燃料或更大的太阳能板，但那样航天器会太重，1500 万美元的预算根本托不起来。轻一点？能量又不够。这是一个工程上的恶性循环，每条他们能想到的轨迹都撞上同一堵墙。
然后，一次播客改变了一切。
播客里的一句闲聊
Johnston 是 Fermi Explorer Mission 的联合创始人兼主席，这个位于西雅图地区的非营利组织（美国 501c3）名字致敬的是物理学家恩里科·费米。1950 年，费米在一次午餐聊天中随口问了一个问题：银河系有数千亿颗恒星，其中大多数比太阳还古老，就算只靠缓慢的星际旅行，一个文明也能在几百万年内扩散到整个银河，那为什么我们至今看不到任何外星文明的迹象？这就是著名的”费米悖论”。七十多年过去，没人能给出确切答案。Johnston 想做的事情，某种意义上是替人类迈出回应费米悖论的第一步：我们自己先出发。
但路线问题卡了一年，团队几乎要承认这件事在他们的预算范围内无解。
转折发生在 Johnston 参加物理学家 Alex Wissner-Gross 主持的一档播客节目时。聊到困境，Wissner-Gross 提了个建议：用他参与创立的 PSI 实验室正在开发的一个开源 AI 系统跑一下这个问题，看看能不能找到突破口。
这个系统叫 Get Physics Done。它的工作方式不是简单地让大语言模型”聊天”出一个答案，而是把一个物理研究问题拆解成一系列小任务（决定跑哪些仿真、用什么参数、怎么分析结果），再由底层调用 Anthropic 的 Claude 或 OpenAI 的 GPT 等模型来执行。某种程度上，它更像一个会自己拟定研究计划的自动化实验室助手，而不是一个知道一切的全能先知。
一周后，AI 交出了答案。
一条没有人想到的路
据 MIT Technology Review 报道，Get Physics Done 给出的轨迹方案和 Fermi 团队之前考虑过的所有方案都不一样。
它的核心想法反直觉得让人皱眉：不是一开始就拼命加速往外飞，而是先让航天器减速，把轨道压低到比水星轨道还贴近太阳的位置。然后，每次航天器运行到离太阳最近的那个点（天体力学里叫”近日点”）的时候，点火推进。因为离太阳极近，太阳能板能获得大约四倍于地球轨道的光照强度，而且在高速飞掠近日点时，同样大小的一次推力能换来比在其他位置大得多的能量增益。这是轨道力学中一个已知的原理，但 AI 把它用到了极致：让引擎只在近日点附近那一小段弧线上工作，其余时间完全不开。
这意味着什么？太阳能板不需要在整个旅途中持续供电，所以可以做得很小；引擎的工作时间极短，燃料需求骤降；航天器因此可以很轻。那个困住团队一年的”能量和重量的恶性循环”，被这条轨迹从一个意想不到的角度绕过去了。
PSI 的研究论文（尚未经过同行评审）把这种机动命名为”近日点泵浦机动”（perihelion pump maneuver）。PSI 的 CEO Matt Pines 对 MIT Technology Review 说，AI 给出一个完全不同的任务方案，而且是有创意的、Fermi 团队之前根本没考虑过的，这才是真正让人意外的地方。
三天，十亿 token，一个天体物理学家
这条轨迹不是 AI 灵光一闪蹦出来的。Pines 透露，系统大部分时间处于自主研究状态，前后运行了大约三天，消耗了约 10 亿 token。在这个过程中，PSI 的一名天体物理学家全程引导，不是替 AI 做研究，而是给它设定任务约束、要求它做成本分析和更清晰的图表、检查它的输出是否有错误。
换句话说，这是一个人类研究者和 AI 系统协作的过程。AI 负责在巨大的参数空间里搜索、组合、试错，速度和广度远超人类；人类负责判断方向、设定边界、纠正偏差。最终产出的那条轨迹，既不是纯粹的人类智慧，也不是纯粹的机器计算，而是两者配合的结果。
但 Pines 接下来说的话，可能比那条轨迹本身更值得记住。
他说，模型仍然缺乏人类研究者的判断力和品味。它没有一种可靠的感觉，去分辨哪些问题是有趣的、哪些研究方向值得追下去，经常会卡在死胡同里出不来。”我不认为我们已经搞清楚，这些模型如何能在内部表征出那样的东西。”
这句话精准地点出了当前 AI 做科研的真实能力边界。Get Physics Done 之所以能找到近日点泵浦机动，不是因为它”理解”了轨道力学的深层美感，而是因为它能以人类无法企及的速度，把已知的物理原理和工程约束排列组合，然后从海量可能性中筛出符合条件的方案。它是一台极其强大的组合搜索机器，但它不知道自己在找什么，不知道什么是”优雅”，不知道一个方案在物理学家眼中是无聊的技术细节还是足以改变范式的洞见。
这也是为什么那位天体物理学家的角色不可或缺。没有人类设定”有趣”的方向和”值得追”的边界，AI 可能在十亿 token 的搜索中一无所获，或者给出一堆技术上正确但毫无启发性的方案。
第一个出发，最后一个到达
2026 年 9 月 1 日，Fermi Explorer Mission 正式宣布：计划在 2029 年底前发射人类首个飞向另一颗恒星的航天器。
Johnston 说得很坦率：”We’re dead set on something actually launching。”我们铁了心要让东西真飞起来。这句话的潜台词，是对十年前另一个雄心勃勃的星际计划的隐晦回应。2016 年，俄裔亿万富翁尤里·米尔纳（Yuri Milner）宣布投入 1 亿美元启动 Breakthrough Starshot 计划，要用激光推进微型光帆飞船飞往 Alpha Centauri。十年过去了，什么都没发射。Johnston 不想重蹈覆辙：”We didn’t want to do another Breakthrough Starshot。”
Fermi Explorer 的预算只有 Breakthrough Starshot 承诺金额的十五分之一，但它的策略也完全不同。它不追求在人类寿命内到达。Johnston 明确说”we are not constraining ourselves to doing it in a human lifetime”。如果一切顺利，这个小小的航天器大约需要 77500 到 80000 年才能抵达 Alpha Centauri。
七万多年。这个数字放在任何商业融资的 PPT 上都会让投资人当场离席。但 Johnston 还说了一句更有意思的话：”We’ll be the first to leave, and the last to arrive。”第一个出发，最后一个到达。
他的逻辑是这样的：未来几十年、几百年，推进技术一定会继续进步。如果一千年后有人造出一台速度快 20% 的引擎，那时候发射的航天器会比 Fermi 探测器早到一万多年。Johnston 对此完全坦然，他甚至”相当有信心”Fermi 不会是第一个到达的。
那为什么还要发射？
因为重点不是到达，而是出发。人类需要真的迈出第一步，而不是永远停留在论文和计划书里。有第一步，才会有第二步、第三步。Fermi Explorer 的意义不在于它自己能不能飞到 Alpha Centauri，而在于它能证明星际旅行不再只是科幻，是可以用 1500 万美元预算、用现有技术、在可预见的时间内真正启动的工程项目。
为了确保这不是空谈，Fermi Explorer 组建了一个相当硬核的顾问团队，包括前 Blue Origin 总裁 Rob Meyerson、前 SpaceX 推进负责人 Jeff Thornburg、AstroForge CEO 等航天业内人士。发射可能搭乘 SpaceX 的 rideshare 任务。
AI 做科研：能力的真相
回到 AI 的话题。
同一天，PSI（Physical Superintelligence，物理超级智能）正式启动，总部设在马萨诸塞州剑桥，拿到了 5800 万美元融资，由比尔·盖茨创立的气候投资机构 Breakthrough Energy 领投。Fermi Explorer 的轨迹设计是他们的第一个公开展示案例，宣传效果拉满。
但剥开宣传的外壳，这个案例真正让我觉得有意思的，不是”AI 有多厉害”，而是它如此清晰地展示了 AI 做科研的能力轮廓：它的强在哪里，它的弱在哪里，以及人类在这个协作关系中扮演什么角色。
AI 的强项是组合式创造。近日点泵浦机动用到的每一个物理原理，包括近日点引力加速、太阳能板效率随距离变化、推力时机优化，对轨道力学的研究者来说都不陌生。但把这些已知要素组合成一条完整的、满足所有工程约束的轨迹方案，需要在极其庞大的参数空间里搜索，这对人类来说既枯燥又低效。Fermi 团队花了一年没找到，AI 三天找到了。
AI 的弱项是研究品味。它不知道哪些问题值得问，哪些方向值得追，哪些死胡同该及早放弃。Pines 说的”判断力和品味”，本质上是一种只有在长期浸泡于某个学科后才能培养出来的直觉：知道什么是”对的感觉”，知道什么结果会让同行眼前一亮。这种直觉目前没有任何大语言模型能可靠地表现出来。
所以最有效的模式，恰恰是 Fermi Explorer 这个案例中呈现的样子：人类定义问题、设定约束、判断方向；AI 在人类框定的搜索空间里高速探索、组合、生成候选方案；人类再从候选方案中识别出有价值的那个。人类提供品味，AI 提供算力。
这让我想到一个比喻。AI 像一个体力无限、永不疲倦的登山向导，它能在同一座山上同时尝试一千条路线，并且精确记住每条路走到哪里会碰壁。但它不知道这座山为什么值得爬，也不知道山顶的风景对登山者意味着什么。选择爬哪座山、到了山顶后决定下一步去哪，这些问题目前还是只有人类能回答。
飞向虚空的信
Fermi Explorer 的官方 FAQ 页面上有一句话，说这是”生成式 AI 首次独立设计出将真正执飞的新颖轨迹”。如果 2029 年底前这个航天器真的升空，这句话就不再是宣传语，而是一个历史节点：人类第一次按照 AI 设计的路线，向另一颗恒星出发。
七八万年后的事，没有人能预测。Johnston 自己也承认，大概率会有更快的航天器后来居上。但那又怎样？1977 年旅行者 1 号带着金唱片飞出去的时候，也没有人指望它能到达任何恒星。它的意义从来不在于抵达，而在于它证明了人类有把东西送出太阳系的能力和意愿。
Fermi Explorer 载荷里也会有一份金唱片的副本。从旅行者 1 号到 Fermi Explorer，中间隔了半个世纪。不同的是，这一次替人类画出路线的，不再只是人类自己。
那个花了三天、烧了十亿 token 的 AI 系统，大概永远不会”理解”自己做了什么。它不知道 Alpha Centauri 是什么，不知道费米悖论为什么让人类辗转难眠，不知道金唱片上刻着的那些声音意味着什么。但它找到了一条路，一条人类花了一年都没找到的路。
这大概就是现在这个阶段，AI 和人类之间最真实的关系：它不理解我们为什么要出发，但它能帮我们想清楚怎么走。至于为什么要走，这个问题，费米在七十六年前的那顿午饭上就已经替我们问过了。
延伸阅读
- 亚马逊关闭 Mechanical Turk：那个藏着真人的机器，终于不再需要人了
- AI 浏览器之战：当浏览器本身变成 Agent，我们上网的方式正在被重写
- Agent OS：你的下一个操作系统，可能不再有桌面
- 失控不需要意识：AI 攻破 AI 的那一夜
- 一个 OpenAI 内部人花了 200 万美元，只为告诉你这件事
Stay updated with our latest AI insights
