DeSci 能否解决科研资助的「破窗效应」?

深潮发布于2025-08-11更新于2025-08-12

DeSci(去中心化科学)本质上是把加密货币的理念应用到科研领域。

撰文:Thejaswini M A

编译:Saoirse,Foresight News

我有个朋友,花了整整七个月时间撰写科研基金申请。

七个月啊,这比不少人筹备婚礼的时间还长,压力恐怕更是有过之而无不及。她本是一位才华横溢的癌症治疗研究员,却把更多精力耗在筹集资金上,而非真正的科研工作。

整个体系完全本末倒置。做研究需要资金,可拿资金却得先证明研究一定成功 —— 但不做研究,又怎能证明它会成功呢?

反观有些事,简直离谱:某个 YouTube 博主发起「数米粒」众筹,一个周末就筹到 10 万美元。这对比实在太讽刺了。

如今在加密领域,一种名为 DeSci(去中心化科学)的运动正在兴起,试图用加密货币和区块链技术革新科研资助模式。

先别急着不屑,听完你可能会改观,这法子或许真能行得通。

现行体系到底有多糟?

传统科研资助的流程是这样的:研究者撰写详尽的研究方案,提交给政府机构或企业,然后等待 6 到 18 个月才能收到回复。大多数申请会被驳回,即便获批,也附带一堆限制条件,导致研究者花在文书工作上的时间比做研究还多。

这套流程的核心是「降低风险」,听起来挺合理,可问题在于:突破性发现本质上都是有风险的。从抗生素到互联网,那些最重大的科学突破,最初往往都是评审委员会不会资助的「冷门方向」。

还有论文发表的问题:研究者必须在昂贵的学术期刊上发表成果,这些期刊收费高得离谱,还将研究成果设置付费墙。结果就是,纳税人掏钱资助的研究,纳税人自己却看不着。

最终,优秀的研究者把数年光阴耗在官僚流程里,而非解决实际问题。重要的研究被拖延,甚至胎死腹中,而通过纳税支撑了大部分基础研究的公众,却被隔绝在自己买单的科研成果之外。

DeSci 登场

DeSci(去中心化科学)本质上是把加密货币的理念应用到科研领域:研究者不必再向评审委员会「乞讨」资金,而是可以直接向关心其研究的人众筹;研究成果不再被付费墙封锁,而是存放在公共区块链上,任何人都能查阅。

当以太坊联合创始人 Vitalik Buterin 和前币安 CEO 赵长鹏开始在公开场合谈论这个概念时,DeSci 获得了广泛关注。要知道,当加密领域的大佬们聚焦某件事时,往往意味着相关基础设施已具备落地的条件。

具体运作模式是这样的:研究者发行代表其项目的代币,人们通过购买代币为研究提供资金,若研究成功并产生盈利性成果,代币持有者就能分享收益。

这已不是理论空想,不少企业正在为去中心化科学搭建实实在在的基础设施。

以该领域的重要参与者 BIO Protocol 为例,它曾获得币安实验室的支持,资金实力雄厚。BIO 打造了所谓的「BioDAOs」,本质上是众筹生物技术研究的投资社群。不再是少数富豪决定哪些癌症疗法值得开发,而是成千上万的人可以联合出资,并投票决定研究方向。

还有专注长寿研究的 Molecule 和 VitaDAO,它们将知识产权代币化:当研究者取得一定成果时,所有权会分配给所有资助者。目前它们支持的项目包括纽卡斯尔大学的衰老研究和哥本哈根大学的长寿研究。

资金规模也在不断增长。这些平台已处理数百万美元的科研资助,部分单个项目通过代币销售筹到数十万美元。虽然与传统资助相比仍显渺小,但增长速度惊人。

@HCCapital

越深入思考 DeSci,就越觉得它意义非凡。科学研究本就是协作的过程,研究者在前人成果上探索、共享数据、同行评审,而区块链技术恰恰为这种透明协作而设计的。

传统资助体系催生了扭曲的激励机制:研究者为拿经费,不得不夸大研究的确定性,这反而阻碍了对「不确定但可能有突破」方向的探索。DeSci 则扭转了这一点。它奖励研究者分享所有数据,包括失败的实验,因为这些可能帮其他人少走弯路。

还有个好处是,能让全球研究者都参与进来。尼日利亚的研究者有好想法,无需背靠西方大学或资助机构,也能从全球筹到资金。这对科学进步的民主化意义重大。

而且透明度与生俱来:当研究通过区块链代币获得资助时,所有人都能清楚看到资金的去向,无需再猜测经费是用在了实际研究上,还是成了行政开销。

风险与挑战

当然,风险也不容忽视。最大的问题在于质量控制。传统的同行评审尽管存在种种缺陷,但确实能筛除一些垃圾研究。在去中心化体系里,如何避免人们资助那些明显不靠谱的科研项目?

波动性也是现实难题。如果一个五年期的癌症研究项目靠加密代币融资,万一代币价格暴跌 90%,该怎么办?长期研究需要稳定的资金支持。

监管不确定性同样存在。多数国家在医学研究、药物开发和知识产权方面有复杂规定,代币化研究如何融入现有法律框架,目前还不明确。

说实话,多数科学家并非加密领域的「原住民」,要求他们突然变成通证经济学和 DAO 治理专家,实在强人所难。

总结

尽管问题不少,DeSci 的发展势头却不容忽视。相关基础设施日益完善,资金投入不断增长,而传统科研资助体系却每况愈下。当资助机构要用 18 个月审批紧急研究的经费,而加密众筹几天就能完成时,效率差距显而易见。

早期项目多集中在生物技术和长寿研究领域,这很合理,这些领域有明确的商业潜力:如果资助的研究催生了新药,代币持有者就能分享利润。但这种模式其实适用于任何最终能创造价值的研究。

我认为我们正处于一项重大事业的初期阶段。不是说加密货币能一夜取代传统科研资助,而是它提供了一条更快捷、更透明、能让全球研究者更易获取的新路径。

对 DeSci 的真正考验,在于它能否产出实际的科学突破,而不只是筹到钱。但鉴于传统科研资助的现状,尝试新方法总归值得。

这仅仅是开始。DeSci 领域发展极快,新项目不断涌现,真金白银正流入实际研究。加密货币与科研资助的交叉地带,正诞生一年前还不存在的机遇。

你可能也喜欢

三年之后:回看 2023 年我对 ChatGPT 的判断

作者王健硕在2026年5月回看其于2023年3月对ChatGPT做出的二十条预测,并借助AI代理进行验证。整体看,其大方向判断多正确,但细节和程度常有偏差。 **看对的方面:** - **技术架构**:准确预测RAG(检索增强生成)将成为解决知识更新和幻觉的主流方法,以及LUI(自然语言用户界面)将催生巨大新产业。 - **发展趋势**:预见到“机器人网络”和新的agent寻址系统将出现,中国能快速做出可用大模型并缩小与顶尖差距。 - **本质认知**:正确指出ChatGPT没有意识,图灵测试仅测表象;判断其是巨大进步但非AGI,且短期内不会造成整体失业潮。 **看错或看偏的方面:** - **具体数据错误**:关于GPT-4有100T参数的传闻完全错误。 - **绝对化判断**:断言LLM“不可能”自己学好数学被后来模型在IMO夺金证伪;认为AI生成内容可“规避”版权,实则引发史上最大侵权赔偿。 - **价值与成本误判**:认为价值终落应用层,但最大赢家是算力层(如英伟达);模型成本“5-10亿封顶”的估算严重偏离实际。 - **社会影响误读**:认为ChatGPT的“加权平均”特性可能促进“世界大同”,但实际AI正走向个性化,并可能制造新信息茧房。 **总结规律:** 1. 预测机制和方向比具体数字更可靠。 2. 倾向于高估短期变化速度,低估长期影响程度。 3. 容易忽略问题内部的“分布”差异(如失业影响集中在年轻群体)。 4. 留有餘地、分层表述的判断更经得起时间检验。 5. 一些根本性争议,三年时间仍不足以给出定论。 这次复盘旨在为未来的判断立下更审慎的规矩。

marsbit3小时前

三年之后:回看 2023 年我对 ChatGPT 的判断

marsbit3小时前

三年之后:回看 2023 年我对 ChatGPT 的判断

2023年3月,在GPT-4发布前,作者王健硕对ChatGPT的未来做出了二十项预测。三年后的2026年,他使用AI agent对这些判断进行回顾验证,评估其准确性。 **主要看对的方面:** 1. **RAG成为主流**:预测通过外部检索而非修改模型来解决知识更新和幻觉问题,这已成为行业标准架构。 2. **LUI(自然语言界面)兴起**:预测自然语言交互将催生巨大新产业,Agent、MCP协议等发展印证了这一点,但LUI是与GUI共存而非取代。 3. **机器人网络与新寻址系统**:预测Agent将自动协作并需要新寻址方式,MCP、A2A等协议正朝此方向发展。 4. **中国能做出可用大模型**:预测中美模型差距会迅速缩小,事实如此,但真正领先的国内厂商与其当初点名不同。 5. **AI无意识与图灵测试本质**:核心判断“AI无意识,图灵测试仅测表象”基本成立,但“绝无意识”的绝对论断被后续研究置于灰区。 **看错或看偏的方面:** 1. **GPT-4参数数量**:所传“100T参数”严重错误,实际约为1.8T。 2. **LLM的数学能力**:诊断“数学差需外挂工具”正确,但“不可能自行学会”的结论被后续“推理模型”在IMO夺金证伪。 3. **价值捕获**:预测价值在应用层,但现实中算力层(如英伟达)捕获了最大利润,模型层反而亏损。 4. **版权问题**:判断“生成物可能无法登记版权”正确,但认为能“规避侵权”则错误,已出现巨额侵权赔偿案例。 5. **信息茧房与世界大同**:机制上AI会将观点向众数平均,但AI正快速走向“千人千面”的个性化,可能制造新茧房而非消解极化。 6. **大模型成本**:预测“局部战争”和玩家涌入正确,但“5-10亿美元封顶”的成本估算与前沿训练实际花费严重不符。 **总结规律:** 1. 判断**方向和机制**比具体数字、程度更可靠。 2. 倾向于**高估短期变化速度,低估长期能力上限**。 3. 容易忽略**问题内部的分布差异**(如总量正确但部分群体受损)。 4. **留有餘地、分层表述**的判断更经得起时间检验。 5. 一些根本性争论,**三年时间不足以给出最终答案**。 这次回顾表明,在快速变化的领域,把握大方向比追求精确预测更重要,同时需警惕绝对化表述并承认认知的局限性。

链捕手5小时前

三年之后:回看 2023 年我对 ChatGPT 的判断

链捕手5小时前

交易

现货
合约
活动图片