人工智能赋能酶学，开启生物制造新纪元
7月16日下午，由生物经纬与依诺赞（江苏）生物科技有限公司联合举办的第44期“经纬前沿”研讨会，在现代产业创新中心K栋二楼顺利召开。本次会议聚焦“大数据与AI驱动的酶结构改良与功能革新”，吸引了超过50位来自产业界、学术界及投资领域的专业人士到场。研讨会特邀依诺赞生物CEO周小明博士担纲主持，并汇聚了Vanderbilt University助理教授杨中悦博士、北京化工大学教授黎晓阳博士、南京师范大学教授周佳海博士、江南大学研究员高聪博士等引领中国酶学研究的顶尖科研、技术应用及产业化先锋，共同探索前沿科技
星展：AI 热潮为何难及香港？--恒指目标降至2.6万点解析
展望：人工智能繁荣仍未惠及香港• 将恒生指数12个月目标从28,000点下调至26,000点，主因是对资金流向前景持谨慎态度，投资者或持续偏好港股以外的人工智能基建与硬件股。• 估值已具吸引力，但短期缺乏强力催化因素。• 鉴于A股盈利预期及流动性环境更优，倾向配置A股而非港股。• 继续精选布局人工智能基建个股，并在能源转型、中国生物科技授权等主题中挖掘超额收益；战术性参与南向通新纳入标的。下调指数目标。恒生指数在2026年上半年表现落后于全球同业，主因在于其缺乏人工智能基建敞口、高度依赖中国疲软的消费，以
AI 应用前沿论文综述：智能体架构与自动化 (1/20)
2026 年 07 月 13 日星期一Agentic AI for IPoDWDM Network Lifecycle Automation: An MCP-Enabled Architecture本研究设计了一种去中心化且跨厂商的多 MCP 架构，旨在实现基于 SDN 的跨供应商、多层级 IPoDWDM 网络的自动化与自主管控。该体系架构支持全链路服务生命周期的自动化，并借助 GNPy 模型及光遥测技术达成闭环跨层控制。相关成果已在 IPoDWDM 测试环境中完成实验验证。AI-IoT-Robotics
迪诺斯环保计划折价16.59%增发1.78亿股，预计净募资2333万港元
迪诺斯环保(0.164, 0.00, 0.00%)（01452）对外公布，在2026年7月10日，该公司打算向认购方（赵姝女士，同时担任执行董事和主要股东）发售及分配1.78亿股新股份，这相当于公告当日公司现有发行股本的30.00%；以及在完成配发和发行新股后，扩大股本中的约23.08%。每股认购价格定为0.1368港元，相较于7月10日收盘价每股0.164港元，折扣幅度约为16.59%。此次股份认购的总收入预计约为2433万港元，扣除费用后的净收入约为2333万港元。 这笔净募资计划用于以下几个方面：（
炼油专家陈俊武：一生奉献，科技报国
新华社郑州7月6日电 题：炼油专家陈俊武：一生奉献科技报国 奉献大于索取人生灿烂，奉献等于索取人生平淡，奉献小于索取人生黯淡。这是我国炼油工程技术专家、催化裂化工程技术奠基人、中国科学院院士陈俊武衡量自身价值的公式。 拥有68年党龄、工作70余载，勤勉著书育人，直到2024年离世……自1949年投身工作，陈俊武带领团队在石油炼制、煤化工领域创造了多个“中国第一”和“世界第一”，年过九旬仍紧盯科技前沿。 2026年，陈俊武获颁“七一勋章”。一生未曾停歇，科技报国矢志不渝，这是这位老党员留下的生命回响。 抚顺
光大期货0625市场追踪：资金充裕推升双创指数新高
周四，股指期货普遍上扬，沪深300股指期货表现最强，盘中升幅突破1%。亚太市场持续活跃，韩国综指当日一度飙升6%，日经225攀升4%；国内方面，科创综指与科创50双双创下历史峰值。市场资金面保持宽松，半日成交额达2.4万亿元。回顾本周，周一录得历史次高的3.7万亿成交，大金融与消费板块吸引资金流入，其中沪深300成分股主力资金净流入超19亿元，随后周二、周三成交虽有所回落，但仍稳居3万亿元以上，资金出现高低切换，交易热情未减。短期股指走势强劲，中长期则需关注企业盈利表现。 近期大盘指数上涨，得益于大金融权
清华主办AIM-S&C研讨会 聚焦AI赋能分子合成与催化研究
2026年6月3日至5日，AI分子合成与催化研讨会（AIM-S&C）在清华大学医学馆圆满落幕。本次大会由清华化学系基础分子科学中心承办，致力于推动人工智能技术与分子合成、催化、逆合成规划及自动化实验等领域的深度交叉。会议云集了有机合成、计算化学、人工智能、药物研发、合成生物学与自动化实验等多个领域的顶尖专家，共同探索人工智能如何渗透化学合成的核心流程。未来AI合成的发展亟需兼具人工智能与化学背景的复合型人才与协作网络。本次大会期望通过专家报告与圆桌对话，围绕"可执行路径""可靠数据""实验闭环"和"全合成
美国偷车贼最爱的目标车型：F-150高居榜首
据车辆历史记录供应商CARFAX于2026年6月10日公布的最新统计，2025年全美预计有超过13.7万个催化转化器失窃，今年初以来又有数千个遭殃。警方提醒，窃贼盯上这类排放控制部件，主要是垂涎其中所含的铂、钯、铑等稀有贵金属。以下为CARFAX统计的全美范围内失窃频率最高的十大车型：1.福特F-150皮卡2.现代途胜SUV3.福特探索者SUV4.公羊2500重型皮卡5.雪佛兰西尔维拉多皮卡6.雪佛兰Traverse SUV7.公羊3500重型皮卡8.福特EcoSport SUV9.福特Expeditio
中兴通讯股价飙升近5%，大摩上调至增持
立足香港，放眼世界。新浪财经全球资本峰会金曜奖投票启动！挖掘最具价值的资本力量，你的一票，至关重要 点击投票 中兴通讯(28.18, 0.64, 2.32%)（00763）盘中涨幅接近5%，截至今日发稿，股价已上涨3.34%，当前报28.46港元，成交总额达6.28亿港元。 大摩发布研究报告，将中兴通讯（00763）H股评级从“与大市同步”上调至“增持”，H股目标价由31.5港元提升至39港元，主要基于潜在的积极AI催化剂以及盈利增长的转折点。中兴（000063.SZ）A股评级则由“减持”上调至“与大市同
第一性原理与可解释AI协同设计HER/ORR催化剂
将第一性原理计算与机器学习融合的策略已取得显著成就，为快速精确预测化学物理性质及虚拟设计材料奠定了基础。然而，这类技术常被视作“黑箱”，侧重于追求高精度却忽视模型得出预测结果的具体逻辑。引入机器学习的可解释性不仅能改善这一现状，还能挖掘材料化学与物理学的新见解。因此，下一代模型必须通过嵌入可解释人工智能（XAI）工具来确保可解释性。特别是机器学习辅助的材料发现与设计，能从XAI中获益匪浅。开启解释机制能增强方法的影响力，不仅给出候选材料列表，还能阐明材料为何优于他者。基于此，本文以产氢和发电用的非均相催化
AI赋能人力发展：ISFAL催化师认证班圆满结束
当 AI 快速渗透组织管理、人才培养与团队共创，越来越多 HR COE、HRBP、LD/TD/OD 从业者和培训机构的商业讲师们，都在思索同一个问题：如何让 AI 赋能组织学习成长，而非消解组织学习的核心本质。2026年5月30-31日，ISFAL AI行动学习催化师（PC）个人课题首期认证班（ISFAL 总第 47 期催化师认证培训）顺利收官。本期学员来自华为、通用技术、元气森林、泰康人寿、爱奇艺、安徽交控、晖致医药、亚信科技等多家头部企业。课程由唐长军主讲，唐长军、唐宇鹰、苏靖然三位导师分组带班辅导、
AI浪潮席卷创新药领域
AI浪潮席卷创新药领域。有人预言未来新药研发都将借助AI工具，创新药企业如今不谈AI就难以获得融资。几乎每位创新药创始人都被问及如何将AI融入新药开发，回答大致分为这几类：1：“宏图壮志型”。核心观点是AI将彻底重塑整个行业格局，无论规模大小，AI将渗透研发全流程，愿景宏大、志向高远，对传统新药研发企业“不屑一顾”。2：“联合拓展型”。这类企业通常既自主研发，也与外部机构合作，标榜“AI赋能”。3：“务实落地型”。这类企业把AI定位为辅助工具，在研发某个阶段使用现成的AI平台，仅此而已，不会更深入探索AI
AI前沿讲座第021讲：基于基础模型与智能体的自主科学发现
人工智能科学探索自主科学发现的路径：利用基础模型和智能体进行分子材料催化研究《AI前沿科学讲座》第二十一期开课时间：5月22日（周五）13:00-14:50上课地点：北京大学图书馆北配殿科学报告厅（一教正对面）报告主题：人工智能正在彻底改变分子、材料和化学过程的发现方式。关键挑战不在于构建更大的模型，而在于以更快速、可靠和可解释的方式将AI与机制、实验和工程相结合。在本演讲中，我将讨论AI如何从预测工具演变为化学和化学工程的“共同科学家”，同时其影响力日益扩展到生命科学。结合材料、催化和工艺创新的案例，我
AI模型揭示单原子催化新范式：从材料发现走向理性设计
（1）指标受限：因 Scopus 导出策略变更，其“参考文献”字段被大幅压缩，无法提供完整的引文元数据。因此，本研究的文献计量部分明确剔除了传统的科学图谱分析及本地总引频次（TLCS）相关指标。（2）样本范围界定：出于对同行评议证据链质量的考量，本工作未将灰色文献纳入分析范畴。（3）评价标尺偏差：由于顶尖学者及机构的排名依赖于特定的数学算法（如评估学者时采用的 c-score 权重），部分极具行业代表性但未能跨越特定数值阈值的实体可能未被收录于“前十名”名单中。尽管受到上述方法论限制，本文所凝练的科学结论
倒计时！AI赋能生物制造创新论坛苏州启幕，酶设计与细胞工厂精准构建成焦点
在 全球生物制造向智能化、高效化迈进的大背景下，我们正迎来一场重大的产业转型期。人工智能技术迅猛发展，AI与合成生物学的深度交汇、大模型与深度学习算法的突破，正在成为驱动产业创新与变革的核心动力。作为两者融合点——"AI合成生物智造"有望革新生物制造研发范式、抢占未来产业竞争的战略高地。发展与困境并存，AI赋能生物制造仍面临诸多核心挑战，包括研发周期冗长且成本居高不下、高质量生物数据积累匮乏"数据孤岛"现象突出，算法模型与生物系统真实复杂性之间存在显著差距等，这些因素在一定程度上阻碍了技术转化与产业化进程