AI正在改变科学研究的组织方式？一家OPC试图用“因果”把138亿年演化连成一条可计算的链

从量子引力研究中的因果集,到生命、大脑、文明,再到正在崛起的AI Agent,一家深圳OPC瑞尔麦斯公司正在尝试做一件看上去近乎“不可能”的事情:用同一种因果语言,重新描述138亿年来新层级为什么会一次次出现。

2026年9月16日,《寻找演化的第一性原理》全球线上发布会将正式公开DCS——《因果结构演化框架》

项目由连续创业者卫荣杰发起。与传统跨学科研究不同,它背后没有庞大的研究团队,而是采用“一人公司 + 大模型 + AI Agent”的方式推进:AI参与文献检索、跨学科比较、反方论证、事实核查、知识管理和持续迭代。

但真正值得关注的,不只是“一个人能不能做这么大的研究”。

更重要的问题是:

AI出现以后,人类能够研究的问题尺度,是不是也正在发生变化?

从因果集到“可计算的因果箭头”

DCS把研究起点放得很底层,基于量子引力学中的因果集理论(Causal Set Theory)提出:把因果关系进一步表示为可类型化、可加权、可向量化的因果箭头,使复杂因果结构能够进入图模型、计算模型和AI推演。

其目的是研究: 从宇宙大爆炸之初,从最微观的因果箭头到基本粒子、原子、分子、细胞、生命、人类文明和AI。

会发现这像是一颗不断生长的因果结构演化树,不断的涌现出嵌套式的层级跃迁,同时伴随着对称性破缺的分支和有序因果自由度的不断释放,展开了整个宇宙的演化历史。

当然这是一个正在发展的宏大而艰巨的研究项目,而不是已经完成的数学结果。

DCS真正想解释的,是“新层级为什么不断出现”

138亿年前没有生命。

没有大脑。

没有文明。

更没有AI。

但今天,宇宙内部出现了一种能够记忆过去、预测未来,并主动改变未来的复杂系统。

这中间究竟发生了什么?

现代科学已经分别回答了其中很多局部问题:

物理学研究物质和时空。

生物学研究生命和演化。

神经科学研究大脑。

认知科学研究心智。

AI研究机器智能。

DCS追问的是另一个问题:

这些尺度之间的跃迁,会不会存在某些重复出现的共同因果机制?

它目前提出一条候选链是:

因果结构 → 因果持存 → 因果压缩 → 因果涌现 → 因果预测 → 因果干预。

换成更容易理解的话:

一个结构如果能够稳定留下来,就有可能进一步成为下一层世界的新单元。

底层关系形成稳定结构。

结构内部的大量复杂性被部分封装。

上层不再需要重新计算所有底层细节。

于是新的宏观变量出现,并开始拥有自己的预测能力甚至干预能力。

这就是DCS试图寻找的“层级跃迁”。

生命、大脑和文明,分别把因果推进了一步

DCS特别区分生命出现以前的结构演化,与生命出现以后的达尔文演化。

生命以前,更多是结构形成、稳定和消失。

当遗传、变异和差异繁殖出现以后,选择开始作用于能够跨世代保存和重建自身结构的系统。

生命由此不再只是“稳定存在”。

它开始主动维持让自己继续存在的条件。

而大脑又把这件事情推进了一步。

乌云出现,人预测下雨,于是现在就带伞。

雨还没有发生。

但一个关于未来的内部模型,已经改变了现在的行动。

因此DCS把智能的一条核心能力概括为:

压缩过去,模拟未来,反推行动,干预现实。

再往后,语言、文字、制度和科学让个人的记忆与因果影响突破寿命,形成文明。

今天,AI又开始把这种能力进一步外置。

大模型负责预测。

Agent连接工具。

软件执行动作。

机器人进入物理世界。

于是一个新的临界问题出现:

什么时候,更强的预测能力,会变成更大的现实因果作用域?

AI真正改变的,也许不是“聪明程度”,而是“能改变多少未来”

如果AI只是帮用户修改一封邮件,它能影响的现实非常有限。

如果AI开始参与科研、企业决策、金融、工业控制、软件系统甚至机器人行动,它改变的就不再只是信息。

而是现实中的后续因果链。

所以DCS提出一个更值得讨论的问题:

AI时代真正重要的变量,也许不只是模型有多聪明,而是它能够进入多少现实因果链条。

能力越强,行动越快,另一个问题反而越来越重要:

它正在优化什么目标?

如果目标错了怎么办?

如果每个局部系统都极高效地优化自己的短期目标,而文明整体缺乏足够快的纠错机制,又会发生什么?

这使AI问题从技术问题进一步变成了文明问题。

对文明而言,最重要的也许不是预测“哪个事会发生”

DCS在对人类—AI未来的假设推演中,进一步提出了一个更深的问题。

当文明已经拥有越来越强的递归式因果预测系统——

我们可以预测结果;

根据结果重新修改当前行动;

再根据新行动重新预测未来;

并不断通过AI、制度和技术干预现实——

那么文明面临的最高阶问题,就不再只是:

“未来会发生什么?”

而是:

“我们究竟把哪些未来因果路径,纳入今天的模型?”

因为模型里没有的未来,通常不会进入今天的权衡,更不会去主动建构。

因此,在DCS的推演中,一个高阶文明真正需要解决的问题,是:

文明真正高级的能力,不只是更准确地预测未来,而是有能力决定“哪些未来值得被今天认真考虑”。

这可能比单纯追求更强大的AI更加重要。

因为一个能够高速预测、高速决策、高速干预,却只看得到极短未来的文明,未必比一个能力较弱但能够考虑长期后果的文明更安全。

而这个时代最大的讽刺是,所有人都认为这不是一个个人该考虑的问题,也许就真没有人考虑过,但问题是:

一个OPC,为什么敢碰这种问题?

DCS本身还有另一层实验意义。

过去,一个人的研究边界,很大程度上受限于一个大脑能够阅读、记忆和处理多少知识。

AI正在改变这一限制。

今天,一个人可以拥有:

文献助手。

知识管理员。

程序员。

反方。

事实核查助手。

跨学科翻译器。

持续工作的AI Agent。

这并不意味着AI可以代替专业研究者,也不意味着一个人真的等于一整个研究院。

但它意味着:

个人第一次开始拥有过去只有组织才能提供的一部分知识调度能力。

所以DCS同时也是一次关于科研组织方式的实验:

AI到底只是提高研究效率,还是正在改变“科学研究最小组织单位”的边界?

真正困难的部分,现在才开始

项目方并没有把DCS定义成已经确立的统一理论。

相反,下一阶段最困难的任务,是把这些宏大的因果直觉变成真正能够计算和证伪的东西:

因果箭头如何加权?

不同尺度之间如何映射?

什么叫因果持存?

什么叫因果压缩?

宏观变量什么时候真正获得新的因果效力?

新的层级出现有没有可操作的判据?

AI能不能沿这些结构进行有效推演?

什么实验或计算结果出现时,DCS必须承认自己错了?

这才是它能否真正进入科学讨论的门槛。

项目方对此的表述是:

DCS的目标不是宣布一个终极理论,而是建立一个能够被挑战、形式化、计算和检验的开放因果框架。

9月16日,这套框架将通过《寻找演化的第一性原理》全球线上发布会正式公开。

它最终想追问的,或许并不只是“宇宙为什么演化成今天这样”。

而是一个更加大胆、也更加迫近的问题:

如果宇宙过去138亿年的演化真的存在某些反复出现的因果规律,那么在人类在AI帮助下释放更大的因果自由度,第一次获得如此强大因果预测和因果干预能力的今天,我们能不能利用AI,第一次更清醒地判断——下一步,人类究竟应该把自己演化成什么样的物种?