蓝色生死恋

苹果推出新款Mac mini与Mac Studio，M5 Ultra和M6芯片亮相_我的网站

A |     “AI4S不是通用人工智能的一个应用，而是人工智能的终极考题。”上海人工智能实验室主任、首席科学家周伯文在WAIC期间的演讲中提出上述观点。

B |     8月25日，苹果公司推出搭载M5 Pro和M6芯片的新款Mac mini，以及搭载M5 Max和M5 Ultra芯片的新款Mac Studio。新款Mac Studio即日起接受预购，将于9月22日在门店正式开售。声明称，M6是苹果首款采用2纳米制程工艺的尖端芯片，M5 Ultra则是“迄今为止苹果最强大的芯片”。         在今年的世界人工智能大会（WAIC）现场，AI4S（AI for Science）的元素比往年更多，从位列“十大镇馆之宝”的天鹜科技AI蛋白质设计平台（MatwingsVenus™）晓鹜™，再到各大高校、科研机构发布的科学智能产品……一个明确的信号是，当大语言模型的边际效益递减，资本与学术界共同将目光投向了AI4S这个被视为“科学研究第四范式”的战场。         不过，与大模型、智能体动辄引爆消费级应用不同，AI for Science缺少面向C端的爆款产品，商业化周期普遍以年为单位计算，科研界、产业界和投资人士怎么看？          AI为什么还不会科学发现          每年WAIC都会发布众多成果的上海人工智能实验室（上海AI实验室），今年也携手高校、科研机构、医院与产业伙伴，发布2026“与书生共创”十项科学智能联合创新成果。         周伯文以《AGI的下一程：迎接科学元认知时刻》为主题发表演讲。他认为，科学研究是下一个Coding（编程代码），也是突破AI智能上限的终极考题。要突破当前人工智能的上限，模型必须从被动观察走向主动干预，跨越“数据驱动、及时反馈、模仿正确”的局限，步入“世界交互、长程推理、善用失败”的科学深水区。         正如Coding在过去一年半中提升了基础模型的全面推理能力和治理水平一样，人工智能用于科学研究，从科学研究中寻找密集的反馈信号，包括失败信号，将进一步加速人工智能上限的突破。         “过去一年半，大模型越来越强，但是强在闭环的任务里，善于做那种有明确目标、有及时反馈、边界清晰的任务，比如编程、翻译、下棋都是这一类。

C | 在座很多科学家很清楚，我们科学研究是开放任务、没有标准答案，反馈周期很长，失败是常态，而且需要和物理世界交互。所以从这个意义上来讲，我们认为AI4S不是通用人工智能的应用，而是人工智能终极考题，所以我们提出，Science是下一个Coding。         除了上海AI实验室，上海交通大学、复旦大学也在WAIC期间发布了多个AI4S的成果。         比如，上海交大材料科学与工程学院副教授饶梓元发布了轻合金大模型多智能体平台“深量智研”。该平台面向镁合金、铝合金等关键轻合金材料体系，构建AI-native的材料研发方式，以深度智能理解材料机理，以可解释智能支撑研发决策，以可持续智能连接实验验证、工程放大与产业化落地，并将工艺、设备、成本、安全与规模化制造等真实约束纳入推理过程。平台贯通数据、模型、实验与反馈，将每一次研发过程沉淀为可复用的知识资产，推动先进材料研发从经验驱动迈向物理知识与数据双轮驱动。         上海科学智能研究院也在WAIC期间发布了“神珍”科学多模态基础模型。该模型立足于物质科学、生命科学、地球科学等多元学科场景，阶段性实现了跨领域科学知识的统一表征与多模态融合理解。模型总参数约110亿，面向DNA、RNA、蛋白质、小分子、地球系统和医学影像六类科学数据，在一个统一模型中同时支持科学理解与多类结果生成。         “AI要从‘预测’下一个Token走向‘发现’未知的规律，而AI发现未知的科学规律将是超级智能的开始。这一进程的核心在于通过压缩从高维空间运用和发现简洁的机理，以及科学验证的高效闭环。

D | 这将促进数字与物理世界的结合和新的模型架构的产生。”复旦大学特聘教授、上智院院长漆远介绍，真实的科研是包含了文献、假设、数据、模型、仿真、实验及反馈的长链条过程，科学智能领域正着力发展能够组织复杂研究流程的系统能力。         不只是高校和科研机构在探索AI4S的可能性，在今年的十大镇馆之宝中，来自企业界的天鹜科技的晓鹜™提供了一个以智能体为中心的对话式蛋白质设计平台。

E |          用户通过自然语言提出功能需求，AI完成序列设计，随后自动衔接自动化实验室，驱动机器人完成样品制备、蛋白纯化、功能检测，实验结果直接回流到下一轮AI迭代。         天鹜科技创始人兼首席科学家、上海交通大学特聘教授洪亮对第一财经介绍，晓鹜™有别于AlphaFold（DeepMind公司开发的基于深度学习的人工智能程序）预测蛋白结构。

F |          “得益于底层的功能标签数据库，可以直接从蛋白序列预测其功能，通过干湿迭代实现蛋白产品端到端交付，将传统蛋白质研发周期从2至5年大幅缩短至2至6个月，实验样本从万次减至百次，单个样本成功率从1%提升至30%。

G | ”          耐心资本赋能          过去以AlphaFold2为代表的AI4S，本质上是利用深度学习对特定科学数据（如蛋白质结构）进行拟合与预测，依然属于“干实验（Dry Lab）”范畴；而在2026 WAIC上多位业内嘉宾的一个共识，是AI智能体开始接管实验室机械臂，实现“干湿闭环”的自主科研。这种跃迁压缩了科研周期。以往需要数年、耗资数百万美元的新药靶点探索或新材料试错，在智能体协同下正被缩短至数周甚至数天。         同时，AI4S从技术研发到商业化落地通常需要5~10年，传统的风险投资基金难以承受这一周期，国有战略资本与产业巨头的“耐心资本”正在成为主导力量，为AI4S提供跨越“死亡之谷”的生态底座。         作为上海三大先导产业以及未来产业的战略投资者、生态构建者，今年，上海国投公司首度围绕AI4S设置了比赛。7月16日，上海国投路演中心亮相，作为该中心建成投运后的首场标杆活动，第一届“申智杯”人工智能创新大赛AI4S科学智能应用、AI算力与计算架构两大赛道决赛同时启动。         参赛代表上海交通大学材料科学与工程学院特聘教授窦红静告诉第一财经，他们这个参赛团队是一个典型的医工交叉领域，利用团队积累的材料和AI相互结合的优势，希望解决癌症临床治疗问题。         “为什么说AI4S特别重要？因为作为材料工科来说，技术就是细胞标记或蛋白的这种标记，探针技术我们可能5~10年以前就能达到，但是这些海量的数据怎么去分析，甚至做到诊断的时候，可能在百万个样本细胞里面只对100个或1000个去诊断分析，就能得到具有整体代表性的结果。”她对记者解释，这都是AI的发展给研究者带来的推演助力，包括整个高通量的统计、定量分析等，甚至现在开发出一个智能体，自动让它高通量去运作，也是得益于AI4S平台，“我觉得工科的科学家们可以更多地去跟人工智能领域的专家合作，才能有一个更好的未来”。         就在WAIC闭幕当天，申智杯成果发布暨颁奖仪式在WAIC现场举行。第一财经从上海国投公司获悉，自5月20日开放报名以来，大赛共吸引来自30余个国家和地区的1451支团队参赛，其中海外团队116支，参赛阵容涵盖头部科技企业、“双一流”高校、国家级科研院所、初创团队及独立开发者。每个赛道奖金池100万元，其中一等奖奖金20万元，二等奖每名奖金10万元，三等奖每名奖金8万元，四大赛道奖金总额达400万元。赛事落地后，围绕获奖及重点项目的专业验证、投资对接和产业转化已经同步启动。         上海国投公司党委副书记、总裁戴敏敏表示，上海国投公司将常态化举办“申智杯”大赛，打造“赛事孵化—技术突破—产业落地”全链条科创服务体系，为“申智杯”大赛的所有参赛团队、创新项目提供全方位、全链条、精准化的赋能支持。并进一步打通资本对接、资源链接、产业链场景开放、政策落地辅导、成果转化“五位一体”的服务通道。         (本文来自第一财经)。

Current article:http://7u64m.guaxiazaopinduan.cfd/yi3ftdr/qwoh.html

Published on:22:19:05