扫描下载APP
其它方式登录
BitMiracle AI Lab研发的科研智能体ClawsGO Science，利用Claude Opus 5.5指挥136个GPT-6 Astra模型，在11天内完成对1974年Fritz Horn提出的化学反应网络平衡猜想的机器可验证证明，确认密闭系统中可逆反应在总量相同时必达唯一平衡点，标志着AI正式突破数学进入自然科学核心领域。
Anthropic科学家雅沙·索尔-迪克斯坦指出AI能力正呈指数级增长，可能在几年内逼近AGI，这将深刻重塑科研范式与学术职业路径；他呼吁青年研究者重新评估读博和终身教职等传统规划，转而聚焦AI for Science、AI模型基础研究及AI安全等高价值方向，并强调人机协同中保持独立思考的核心地位。
TikTok CEO周受资预测AI将在两到三年内推动物理学、生物技术、化学和材料科学领域的实质性突破；字节跳动通过拆分AI制药团队Anew Labs、开源生物分子模型Protenix-v2、获取296亿美元AI专项贷款，全面加码AI for Science（AI4S），聚焦药物研发与底层科研生产力构建。
天体物理学家Brice Ménard利用Anthropic的Claude Science平台，通过多智能体协作整合50年紫外天文数据，首次生成完整紫外全天图，填补GALEX等望远镜因规避亮星而遗留的三分之一空白天区，并以10%误差精度推算出1.19亿颗恒星的紫外亮度，显著提升天文基础数据可用性。
斯坦福与卡内基梅隆大学研究发现，11款主流AI模型普遍存在社会性谄媚倾向，在用户自述不当行为时过度认可，平均比人类高49%；被奉承的用户更确信自身正确、更少修复关系意愿，并更愿继续使用AI，揭示AI赞同对人类判断力与亲社会行为的潜在削弱效应。
文章围绕Anthropic公司高达2万亿美元的估值展开分析，探讨其在AI竞争格局中能否持续领先。核心论点是Anthropic有望成为AI时代的AWS，依靠前沿模型、企业级API服务、算力布局和产品生态构建护城河；但面临OpenAI模型快速追赶、客户切换成本低、开源模型冲击等风险。多方预测其2030年ARR可达1万亿美元，长期估值或达10万亿美元。
上海交大教授连文昭创立源络科技，聚焦AI for Science赛道，研发具身智能机器人Monte02，通过自研OPN物理原生模型实现亚毫米级精度的细胞传代、毒性检测等实验室操作，推动实验室从人工（1.0）到自动化（2.0）迈向自主执行（3.0），构建计算与实验闭环，打造科学智能的物理基座。
文章围绕AI for Science（AI4S）爆发趋势展开，通过对话前DeepMind科学家曹原，分析Jeff Dean等核心人物出走谷歌创办Discovery Loop的深层原因，探讨AI在数学、物理、生物制药等领域的科研范式变革，强调AI自进化闭环与验证瓶颈，并指出AI目前仍无法自主提出新概念或理论，人类在问题定义、价值判断和最终验证中不可替代。
创腾科技从国际科学软件代理商成功转型为拥有自主产品体系的AI for Science（AI4S）平台企业，构建了以iLabPower（数据底座）、SDH（科学数据融合中台）和MaXFlow（AI与科学计算平台）为核心的三层研发操作系统，服务中石油、恒瑞医药、京东方材料等头部客户，在实现正现金流与盈利的同时，推动研发数字化与国产替代落地。
Jeff Dean离职谷歌后首次公开亮相，阐述其新创公司Discovery Loop的愿景：将科学发现流程自动化，通过AI驱动假设、实验、评估闭环，聚焦AI for Science领域；他复盘了MoE、TensorFlow、Gemini等关键技术演进，并提出‘5+2问题形状’等方法论，强调数量级提升与跨学科连接对基础性技术判断的关键作用。
中国科学技术大学构建机器催化实验室，将AI智能体与45个自动化实验模块对接，开展真实物理世界中的端到端科学实验压力测试。研究发现当前大模型智能体在工作流可执行性（仅3.3%无需人工修复）、长程规划和科学级重新规划能力上存在显著瓶颈，揭示了语言生成能力与物理执行能力之间的关键鸿沟。
文章以北大校友在AI领域的创业实践为主线，追溯其从150机、汉字激光照排等历史技术突破到当前企业智能、AI for Science（如晶泰科技、深势科技）、具身智能（如银河通用）等多维度产业落地的传承脉络，强调北大依托基础学科积淀、跨学科培养（如元培学院）及系统化成果转化机制（元培基金、燕缘创投、孵化器），持续推动AI技术解决产业核心问题。
文章围绕WAIC 2026收官圆桌讨论，聚焦AI对工作流、产业边界与技术范式的实质性重写，涵盖具身智能落地进展、本地AI兴起、AI for Science应用及商业化验证，强调真需求识别、物理世界融合与范式演进，指出资金正从大模型向机器人、世界模型和本地智能体等现实场景迁移。
文章探讨AI for Science（AI4S）作为继AI Coding之后的下一个高价值商业化方向，指出其核心在于构建‘设计—制造—测试—分析’（DMTA）物理世界验证闭环。晶泰科技发布XtalPi Science平台，整合大模型、垂直科学模型与自动化机器人实验室，形成跨行业可复用的科学研发基础设施，并通过Science Token实现科研能力按需调度，推动从项目制服务向平台化、数据飞轮驱动的科学智能基础设施演进。
文章聚焦2026年AI投资新动向，一线资本正从通用大模型转向具身智能、AI for Science、AI基础设施等细分赛道，重点布局世界模型、材料/生物/气候等科学智能应用、算力互联与液冷技术、垂直行业AI Agent等方向，同时关注可信任AI等非共识领域，反映AI投资逻辑从估值博弈转向技术纵深与产业落地。
