科学发现迎来AI变革，实验室成为新战场
过去两年，我目睹了AI在办公室里承接大量琐碎任务：编写代码、记录会议、进行检索、排版文档，甚至帮人打开一封难以措辞的邮件。然而，若仅将其视为"更高效的白领工具"，我认为这一定位过于局限。科学智能（AI for Science）正在将模型推向实验室、数据中心和研究团队的交汇点。这里的愿景并非让模型替科学家撰写更规范的论文，而是让它融入科学发现的完整链条：提出假设、设计实验、采集新数据、再决定下一步验证什么。届时，科学研究的瓶颈将从"是否有创意"转向"实验与数据能否跟上步伐"。基础模型（foundation
Physical AI 破局科研：晶泰以赛事重构研发未来
Physical AI 在科研自动化中的真实落地实践当AI从虚拟算法迈向物理现实，其核心价值在于解决高价值、高难度的真实产业问题。晶泰科技通过定义并开放生命科学场景，不仅验证了Physical AI在产业级应用中的技术成熟度，更在AI for Science赋能物理世界的进程中，确立了以场景驱动能力与产业落地经验为核心的技术主导权。人工智能正经历从“感知智能”到“认知决策”，最终迈向“物理执行”的关键跃迁。Physical AI作为AI与物理世界交互的终极载体，其规模化落地的瓶颈已从算法本身转向复杂、动态
AI资讯 · 人工智能领域迎来人才、资金与工程三轮公开考验的新时期
过去一天内，全球人工智能界同步发生三起事件，指向同一个讯号：AI行业步入“人才、资金与工程”三个层面同时接受外部公开审视的新时期。Transformer核心作者从谷歌转投OpenAI、OpenAI完整开支明细首次曝光、英伟达让8个AI智能体在真实世界独立完成实验——三件事串联起来，AI不再仅是“科技报道”，而是“财务、人才、机器人”三条战线同时摆上台面。过去24小时，全球AI圈发生三件要事。其一，Transformer论文八位作者之一的Noam Shazeer离开谷歌加入OpenAI，Sam Altman
刘淼：数据壁垒：AI时代材料科学的关键竞争力 | AI for Science沙龙
编者按当人工智能开始重塑材料科学领域，真正的竞争优势究竟在哪里？5月21日，未来光锥「AI for Science 创变者说」第二期沙龙“AI+材料的千亿级机会”，邀请了三位学界与产业界一线专家，共同探讨AI+材料科学的前沿发展与实践经验。中国科学院物理研究所/松山湖材料实验室刘淼老师，结合团队与国际领先企业同台竞技的亲身经历，从自主构建Atomly数据库、开源GPT-FF力场，到打造全固态机器人实验室，给出了一个理性而坚定的判断：数据，才是唯一的护城河。为何 AI 时代要强调数据？这是人工智能领域众人高