搜索
深度原理 DeepPrinciple 将 GLM-5.3 后训练为科学模型 Hydrogen-1.0，开放权重并纳入失败实验等实验室记录，使模型可完成实验设计、流程纠错和多步科研推理。
过去两年，AI for Science 正在经历一场肉眼可见的转向。自 AlphaFold 拿下诺贝尔奖、AlphaFold 3 和 ESM3 等模型相继问世后，AI 在生命科学里的角色，已经不再局限于预测一个蛋白结构或生成一段序列，而是开始直接接管“提出科学假设”这一核心环节。
近日，清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归（agentic symbolic regression）的运行时框架 SRHarness [1]，让 AI 更可靠地从观测数据中发现公式；同时构建机制发现基准 MechBench [2]，系统评测 AI 能否进一步揭示公式背后的机理。
2026 年 9 月 11 日，一封联名声明震动了学术界。
港科大助理教授张载熙创立的AI4S公司科理新序（Scinetics）近日完成近5000万元人民币首轮融资，资金将用于AI4S科学基座模型研发、自动化实验平台建设及团队扩充。
打通“认知—设计—实验—反馈—再学习”的干湿闭环。
一笔融资、一份技术报告，让一个过去五年鲜少公开发声的团队，逐渐显露出更完整的面貌。
前字节跳动Seed AI4S团队核心成员顾全全成立AI4S公司Geodesic Intelligence，一次性推出科学推理智能体NovaDDE与结构预测模型NovaAtom-Lite-Preview，目标是构建从生物学到药物最短路径的AGI。
不久前在北京一南一北，前后脚有两场科技大会开幕。南边是亦庄的世界机器人大会，北边是海淀的科学智能大会。虽然很多人没听说过后者，但它实实在在关乎AI的前沿进展，其今年主题为：人工智能变革科研范式。
AI for Science，正在进入一个新的分水岭。