Foundries vs Navigators:AI 如何降低科学研究的成本
Adrian Sanborn 在 Endura Therapeutics 的实践中提出,AI 对科学的影响分为两类:Foundries 用新一代测序、高通量显微和物理自动化把实验测量成本降低一个数量级,Navigators 则把变便宜的"思考"用于决策与流程。
Adrian Sanborn 在 Endura Therapeutics 的实践中提出,AI 对科学的影响分为两类:Foundries 用新一代测序、高通量显微和物理自动化把实验测量成本降低一个数量级,Navigators 则把变便宜的"思考"用于决策与流程。
Radical Numerics 联合创始人兼 CEO Eric Nguyen 认为,提升生物能力的模型同样能用于防御,主张更激进地推进前沿研究。其团队开发的 Evo、Evo 2 基因组语言模型曾被 Arc/Stanford 团队用于生成完整噬菌体基因组并合成出功能性病毒。
Google 的 Empirical Research Assistance(ERA)把可写成评分函数的科学问题交给 Gemini 自动搜索解法:它维护实验 notebook 树,用 Upper Confidence Bound 挑选分支并每次提出约十个变异,Gemini 2.0 到 2.5 之间从完全不可用变为效果出色。
MIT Technology Review 与 Times of San Diego 用 15 个月完成首张美国边境监控塔附近死亡的综合地图与分析,梳理 2015 年以来的移民死亡案例。团队向得州 17 个县警长办公室申请记录,从 14 个县获得超 4000 页文件,并用 Anthropic 的 Claude(通过 API)提取遗骸发现地点坐标,再人工抽样核验。
Hugging Face 发布 2026 年 1 月至 8 月的开源模型观察报告,基于 Hub 数据指出中国实验室在多数月份推出的最大开源模型参数量超过美国实验室,中国月度上限在 754B 至 2.78 万亿参数之间,美国模型在七个月中有五个月低于 130B。
Hugging Face 博客指出,AI 的下一个真正约束不是智能而是 GPU 利用率:GPU 按日历小时计费,却只在计算小时产出,与航空业飞机停场成本结构相同。
随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不足 $1、部分厂商低于 $0.10,UC Berkeley 的 Aditya G. Parameswaran 等人提出智能体时代数据系统的三大方向:面向智能体(For Agents)、由智能体运行(Of Agents)、由智能体构建(By Agents)。
Jack Clark 在 Import AI 455 中判断,到 2028 年底出现无需人类参与、能自主训练后继模型的 AI 研发的概率约为 60%,2027 年的概率约为 30%。