scripod.com

AI for Science 爆发:AI 能解锁伟大的科学发现吗? | S10E29

Shownote

2026 年上半年,全球 AI for Science 领域的融资超过 44.3 亿美元,成为 AI 赛道里讨论最多,竞争也最激烈的一块。各大前沿模型厂商也接连出招:4 月 OpenAI 发布面向生命科学研究的推理模型 GPT-Rosalind,6 月 Anthropic 推出整合多种科研工具的 Claude Science;前谷歌科学家 Jeff Dean 离职后创办 Discovery Loop,想用 AI 自动化整个科研流程。拿到诺奖的 Demis Hassabis 则说,AI 是加速科研发现的终极工...

Highlights

AI for Science 正从热门概念走向具体的科研工具:它既可能自动化文献、代码和实验流程,也可能通过构建虚拟细胞,帮助人类理解生命系统并加速药物研发。本期宋乐分享了这条道路的技术路径、能力边界与落地前景。
01:49
AI 是加速科研发现的终极工具
05:14
在学校里做大模型,基本上是不可能的
12:30
训练千亿参数蛋白质语言模型
17:07
从蛋白质走向细胞、组织和个体
22:34
AI for Science 的两条路径终将汇聚
26:22
AI 已经带有人的初级智能
35:00
创造基因是人类智慧的最高处
44:50
虚拟细胞首先要理解多尺度、多模态信息
49:37
四到五年后,虚拟细胞可能达到工业可用水平
53:39
关键不是数据有多少,而是信息有多少
58:48
算法和测量手段会螺旋迭代上升
1:06:14
虚拟细胞不必一步到位,先从可落地的细胞类型开始

Chapters

AI for Science 为何成为科学发现的新引擎
00:00
计算机背景,为何跨界做生物?
02:33
Georgia Tech 十年,见证人工智能的路线转移
04:43
离开学术界,投身工业界研究
09:31
从百图生科到 GenBio:蛋白质之上还有什么?
16:50
AI for Science 的两条路线
20:53
AI 已经能顶一个初级博士生了
25:02
孟德尔、香农和门捷列夫:AI for Science 缺的到底是什么能力?
33:34
虚拟细胞凭什么叫 "世界模型"?
42:51
AlphaFold 1 的前夜:虚拟细胞走到哪了?
48:41
深度学习为什么还输给线性模型?
50:43
让 AI 自己决定下一个实验做什么
54:01
虚拟细胞先在哪里先落地?
1:02:19

Transcript

Yaxian: 用声音,碰撞世界,声动活泼,与全球创新第一时间同步。这里是科技早知道 Deep Tech 深科技系列。我是雅贤,欢迎跟我一起探索最新最前沿的硬核科技。用现在 fancy 话来讲,就是 20 年你们打造了一家 AI native 的公司。 宋乐: 这种东西其实是 AI 比较难的,也是如果要用 AI 做真正有创意的科学的,需要去突破的一个技术。 Yaxian: 你觉得为什么 AI for Science 现在会成为,现在这些大公司,他们聚焦的一个赛道? 宋乐: 生物本身就像一个,非常复杂的宇宙,...