搜索
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。
AI for Science的竞争，正在向科研闭环延伸。
前DeepMind AI Scientist团队创立的Inherent获5000万美元种子融资，其基于Qwen3.6-27B后训练的科研判断系统Faraday在AI for Science预留测试集上以0.791的平均得分超越Claude Opus 4.8与GPT-5.5 Codex。
AI for Science，正在进入一个新的分水岭。
AI4S（AI for Science）正在为生命科学行业，掀起一场工业革命！
这篇文章，我们和谷歌DeepMind前资深研究科学家曹原，一起聊聊AI for Science。 我们从AI科学自进化的方法论，聊到AI数学和AI物理的应用，最后甚至还聊到了一些哲学问题和人类的意义。以下，就是我们和曹原的对话。
2026 年被业内普遍视作 AI4S（AI for Science）的「智能体元年」。
采访中，吴英成把自己正在做的事压缩成一句话：“上一代 AI 蒸馏的是互联网，下一代 AI for Science 应该‘蒸馏地球’。”
中共北京市委教育科技人才工作领导小组正式印发《北京市加快推进人工智能赋能科学研究实施方案（2026-2028年）》（简称：《实施方案》），成为国内首个覆盖自主实验室、科研智能体、科学大模型、科学数据中心、高价值应用场景等完整体系的AI for Science（AI4S）中长期实施方案。
近期Radical AI 的 CEO Joseph Krause接受了一次深度访谈，在访谈中，他揭开了现在资本热炒的 “AI for Science” 的虚假外衣。如果你以为搞材料研发只要像生物制药一样，用大模型在云端“跑个分”就能大力出奇迹，那这期节目会给你狠狠上一课，你会发现，真正的材料学 AI 护城河，离我们简单的想象差了十万八千里。