姚期智：量子AI或将在十年内重塑人类认知边界
人工智能正经历从传统产业"辅助工具"向科学前沿"主动发现者"的深刻蜕变。7月19日，2026年世界人工智能大会（WAIC）"思想者论坛"上，图灵奖得主姚期智发表了《人工智能的威力及其局限》的主题演讲。他从理论计算机科学的独特维度出发，深入剖析了AI的底层逻辑与能力边界，并勾勒出从"AI for Science（AI驱动科学研究）"迈向"Quantum AI（量子人工智能）"的发展路径。AI的底层本质仍是图灵机，等待与量子融合提速姚期智认为，当前AI之所以展现出颠覆世界的强大力量，根本原因在于计算范式的深刻
全球首个AI科学发现平台发布：人类科研迎来"自动驾驶"新时代
🚀 不只是陈述事实，更揭示其深层含义。今天的这条消息，或许将重塑我们的未来。2026年7月17日，在上海世界人工智能大会（WAIC 2026）科学前沿论坛上，上海人工智能实验室正式推出"书生·端砚"科学发现平台。这是一个覆盖真实科研全链条的AI系统，整合了科学大模型、专业智能体、实验数据与具身自动化设备，实现了从"假设构建"到"实验验证"的完整研究闭环。该平台已在生命科学、关键材料、半导体、核聚变、量子计算、地球气象六大核心领域实现应用，并在蛋白质与新材料研发中完成了干湿实验全链路验证——AI不仅能够设计
上海AI实验室发布书生·端砚，助力全民科研探索
7月17日，2026世界人工智能大会科学前沿论坛召开，上海人工智能实验室推出新平台“书生·端砚”。基于Intern-S2-Preview-397B模型，连接科研设想、计算、验证，覆盖生命、半导体、量子、材料等领域。作为AGI4S珠穆朗玛计划核心，降低门槛，普通人可用，标志AI科学进入自主验证阶段。全新科研平台在WAIC盛大登场上海人工智能实验室是专注AI基础理论和核心技术的战略机构，目标是打造国际一流、原创技术集聚的AI策源地，搭建综合性科研基地，AI赋能科学是重点。本次“书生·端砚”是2025年7月初代
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
AI科研提速20倍，上海发布‘书生·端砚’平台
AI做实验，比人快20倍。这不是科幻，是昨天WAIC现场发布的东西。7月18号，上海人工智能实验室在世界人工智能大会的科学前沿论坛上，发布了一个叫"书生·端砚"的科学发现平台。名字取自文房四宝里的砚台。听着很文艺，干的事很硬核。先说结果。清华大学张数一课题组，拿这个平台做蛋白质定向进化研究。以前这种研究怎么干？科学家一轮一轮试，几个月甚至半年才能磨出一个好结果。现在呢？AI只跑了2轮迭代，就发现了新的突变组合。实验验证显示，功能比国际顶尖期刊报道的最佳结果还提升了77%。验证周期从原来的几十轮，缩短到原来
AI技术驱动粒子与核物理研究：从理论探索到实践应用
本文刊载于《中国科学院院刊》2026年第6期"国家科学技术思想库：人工智能赋能科学研究"王贻芳1*何源2黄耀3何万兵4焦毅1李聪乔5李科1刘北江1马英起6马余刚7*庞龙刚8齐法制1谭思超9 王春鹏10 王盟9徐小恒6徐星2 赵振堂10张英逊11张正德1赵红卫2赵丽娜11 中国科学院高能物理研究所2 中国科学院近代物理研究所3 中国科学院合肥物质科学研究院4 复旦大学 现代物理研究所5 北京大学 物理学院6 中国科学院国家空间科学中心7 华东师范大学 物理学院8 华中师范大学 夸克与轻子物理教育部重点实验室
Nature新突破：多AI模拟科学家辩论，能否自主发现新知？
近年来，我们已习以为常：AI能阅读论文、归纳文献、编写代码、解析数据、润色文稿，甚至提供若干“研究思路”。但一个更为大胆的议题正浮出水面：AI能否真正投身于科学发现？请注意，这并非指“提升科学家效率”，也非“将数十篇论文浓缩为摘要”，而是更进一步——面对尚无标准答案的科学难题，AI能否自主查阅资料、提出多重假设、相互辩驳、筛选优胜方案、优化实验设计，最终输出具备实验室验证价值的科学假说？2026 年 5 月，《自然》（Nature）刊发了题为《Accelerating scientific discove
AI化身科研员！达摩院ElementsClaw自主发掘全新超导材料
若说往昔的AI仅是科学家的“计算助手”，那么从此刻起，AI已正式佩戴上“研究员”的徽章。7月3日，阿里达摩院携手中国人民大学、中国科学院大学等高校机构，推出了一款代号为ElementsClaw（元素虾）的AI智能体。它完成了一项史无前例的壮举——从零起步，自主探索并通过实验证实了4种人类此前从未涉足的超导材料。AI智能体正为材料科学领域开启全新范式先让我们直观感受一下这种差距究竟有多悬殊。超导材料被视作“物理学界的圣杯”，在电力输送、磁悬浮技术、量子计算等维度拥有颠覆性的应用前景。然而，究竟哪些元素组合能
AI编程仅是起点，AI科研才是未来十年的主战场
——当人工智能从代码编写迈向知识创造，一场更为深远的变革已悄然启幕纵观历次技术变革，总遵循着某种相似的演进轨迹。技术率先颠覆的，从来不是价值最丰厚的岗位，而是最易规范化、最易衡量成效的环节。第一次工业革命，机械最先淘汰的是纺织工人，而非设计工程师；互联网时代，软件最先重塑的是信息流通，而非学术探索；当今的大模型浪潮中，AI最先拿下的是程序开发领域。回顾过去两年，整个AI产业几乎被一个核心议题所牵引——AI编程。从Cursor、Claude Code、Codex，到Gemini CLI、Devin、Wind
AI Scientist：从辅助工具到独立研究者的演进之路
截至2026年，人工智能科学家已成功跨越概念验证阶段，初步实现科研全流程的自动化运作，这代表着科学发现正式迎来了“第五范式”。现阶段的核心特点表现为人机协作模式，其中AI系统承担执行与优化任务，而人类科学家则专注于问题界定与价值评估；未来将逐步向分层自主方向推进，最终达成特定研究领域的独立科学探索。目前AI Scientist已拥有构建假设、编写程序、运行模拟实验以及完成论文撰写等多项能力，但在深层逻辑推理与实体实验操作方面仍存在明显不足。该领域将按照“辅助研究”到“主导研究”再到“独立发现”的阶段性路径
AI变革新纪元 · 第二十章 | 从功能实现到效能跃迁的质变之路
开篇引入各位好，人工智能领域近期涌现出一股显著新风向——单纯比拼模型参数量与基准测试成绩的旧格局，似乎正在悄然落幕。本周捕捉到的几则资讯颇具深意：英伟达新一代计算平台正式投入量产，专为"AI执行任务"量身打造；OpenAI的GPT-6正式亮相，令我惊愕的并非参数规模的扩张，而是其显著改善了"胡言乱语"的顽疾；更令人难以置信的是，某AI系统竟独立攻克了困扰数学界长达80年的猜想难题。这三条新闻串联起来，揭示了一个共同主题：人工智能正从"具备对话能力"迈向
美丽中国行·探秘大熊猫国家公园｜直击大熊猫科学发现源头
6 月 2 日，“美丽中国行之探访国家公园”大型集中采访活动在四川雅安宝兴县正式拉开帷幕。“美丽中国行之探访大熊猫国家公园”媒体代表团深入当地的蜂桶寨邓池沟景区。该地坐落于大熊猫国家公园宝兴片区，更是大熊猫首次被科学界发现的圣地。如今，此地的大熊猫保护现状怎样？大熊猫国家公园的正式建立又为物种保护带来了何种利好？让我们一同揭晓答案！ 记者：梅元龙 余里 杨华 薛晨 杨进
AI颠覆80年数学猜想，学界迎来新纪元
OpenAI近期宣称，其人工智能（AI）推理能力再度实现重大突破，成功解决了一个困扰数学界长达80年的难题——由匈牙利数学家保罗·埃尔德什（Paul Erdős）在1946年提出的“平面单位距离问题”。埃尔德什提出的问题是：若在纸上绘制若干个点，其中有多少对点的距离恰好相等（即相距1个单位）？埃尔德什曾证明，将点按网格排列可获得大量单位距离点对。随后他推测，其他排列方式很难超越网格的效能。数十年来，学者们一直试图验证该猜想。然而，OpenAI的模型得出了不同结论，指出存在某种排列方式优于埃尔德什设定的“上
AlphaFold如何突破蛋白质结构预测极限
AlphaFold 究竟是什么原理？它为何能够揭示蛋白质的结构奥秘？这是个很好的问题！人们经常误认为 AlphaFold"创造了全新的科学发现"，但它的本质更加精妙，让我们用"统计与推理"的概念来说明👇🧬 AlphaFold 的核心功能AlphaFold（特别是 AlphaFold2）专注于从氨基酸序列推断蛋白质的三维构象，接收一段氨基酸链（比如数百个单位），计算出原子级别的空间折叠形态。它并非从头构建物理法则，而是：1. 学习阶段：基于约17万个已知的人类蛋白质结构（来自
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