2024 年诺贝尔奖为什么给了 AI 学者？物理和化学的跨界

2024 年 10 月，诺贝尔奖两次把名字写进了 AI 领域：物理学奖授予辛顿与霍普菲尔德，公开理由指向人工神经网络的基础性发现；几天后化学奖公布，哈萨比斯、江珀与贝克三人因蛋白质相关研究获奖。一个长期与诺奖少有交集的学科，在同一年被两个奖项点名。这篇只按官方公告与公开报道，把两次颁奖的口径、理由与背后的研究线讲清楚。

物理学奖：两位获奖者的公开理由

2024 年 10 月 8 日，瑞典皇家科学院公布物理学奖，两位获奖者的公开研究方向都是神经网络。霍普菲尔德当时在普林斯顿大学任职，1982 年提出后来被称为霍普菲尔德网络的模型：一组相互连接的单元，能够存储模式并在输入残缺时把它们补全，公开文献把它归为联想记忆的代表工作。辛顿当时在多伦多大学，八十年代与同事发展了玻尔兹曼机，用统计物理的思路让网络学习数据的内部结构，颁奖公告把这项工作列为获奖理由的一部分。公开报道记录了辛顿得知消息时的反应，他在公开采访里称接到电话时正在酒店，信号不太好——这一细节出自他本人的公开转述。

把颁奖理由翻译成平常话：两人的工作回答的是「机器能不能从数据里自己学出结构」这个问题，而这是整个 AI 学习路线的地基。这条地基从提出到被广泛承认隔着几十年，过程中的低潮与翻案，见深度学习复兴一篇。

化学奖：从 CASP 评测到斯德哥尔摩

化学奖在 10 月 9 日公布，一半授予华盛顿大学的贝克，公开理由指向计算蛋白质设计；另一半由 DeepMind 的哈萨比斯与江珀共同获得，理由是蛋白质结构预测。两家的贡献在公开评测里都有硬记录：AlphaFold2 在 2020 年的 CASP14 公开评测中把预测精度推到接近实验测定的水平，完整经过见AlphaFold 攻克蛋白质折叠一篇；贝克团队的设计工作则让研究者在算出结构之后，能反过来构造自然界没有的蛋白质。哈萨比斯本人的公开履历从游戏开发到神经科学再到创办 DeepMind，见哈萨比斯人物篇。

值得一提的分工是：预测结构是把蛋白质的问题变成可打分的任务，设计结构则是在此基础上反向出题——一边读题一边出题，两条线在公开报道里被视为同一场技术变革的两面。

2024 年诺贝尔奖速查

• 1982 年：霍普菲尔德提出联想记忆网络
• 1985 年前后：辛顿与同事发展玻尔兹曼机
• 2020 年：AlphaFold2 在 CASP14 评测接近实验测定精度
• 2024-10-08：物理学奖公布，辛顿与霍普菲尔德获奖
• 2024-10-09：化学奖公布，贝克、哈萨比斯与江珀获奖

两个奖项为什么跨到了这条线上

两个奖项的公开口径合起来看，共同点是「基础性」：物理学奖表彰的神经网络方法，是今天所有大模型的底层构件；化学奖表彰的成果，是这套方法在科学问题上兑现的代表样本。辛顿这条线上的另一个重要承认节点是 2018 年的图灵奖，见2018 年图灵奖一篇；从八十年代的低谷期坚持，到 2019 年的图灵奖，再到 2024 年的诺贝尔奖，同一个人的公开履历把这条时间线串了起来。需要说明的分寸是：奖项表彰的是具体工作，公开颁奖词之外的能力评价不在本文范围。

荣誉与今天的关联

这次跨奖项的承认，对普通读者的实际意义在判据上：它提供了一个由外部机构独立给出的背书，比任何一家公司的自我宣传都难以掺水。你自己验证模型能力时，也可以借用同款思路——不轻信演示，找公开可复核的测试。日常可以这样做：让 DeepSeek 和 Kimi 各自完成同一道题目再互相核对，让豆包与腾讯元宝分别总结同一段材料看口径差异，多次测试比一次演示可信得多。公开评测与实际任务之间的距离，可参考基准分和实际任务一篇。

另一层关联是学科身份的变化：神经网络研究从经费收缩期的冷门方向，走到被物理学与化学两个评奖机构分别承认，中间隔着两次起伏。对观察技术行业的人，这是一个现成的样本——一个方向值不值得投入，短期看热度，长期看它有没有解决真问题。蛋白质折叠是这个问题，从像素里学出游戏策略也是这个问题。

本文为科技史梳理，奖项信息以诺贝尔奖官方公告为准，不构成对任何机构或产品的评价。

诺贝尔奖快问快答

• 物理学奖表彰的是今天的神经网络吗？：不是。公开颁奖词指向八九十年代的基础性发现与发明——霍普菲尔德网络与玻尔兹曼机，今天的大模型是这些方法延伸的成果，颁奖表彰的是源头工作。
• 化学奖三位获奖人分别做什么？：按公开口径，贝克的工作是计算蛋白质设计，哈萨比斯与江珀的工作是蛋白质结构预测，两人的成果出自 DeepMind 的 AlphaFold 项目。
• 2024 年是 AI 相关工作第一次获诺贝尔奖吗？：物理学奖与化学奖同属公开记录的首次，此前相关领域曾有学者以别的方向获奖，具体名单以官方档案为准。