书生·端砚：打通科研闭环
新智元 · wechat · 2026-07-19
这篇公众号长文讨论了 AI4Science 的一个核心矛盾：**AI 推演很快，但真实科研验证慢、反馈少、失败数据难沉淀**。文章用材料、新材料、蛋白质工程等场景说明，AI 很擅长生成方案，却很难像编程那样获得秒级对错反馈，因此原创科研上的进展远慢于代码任务。 文中重点介绍上海 AI 实验室在 WAIC2026 发布的「**书生·端砚**」科学发现平台。它强调把“读-算-做”打通：AI 先生成科研假设，再做仿真筛选，随后由自动化实验设备执行实体实验，最后把实测数据回流迭代模型。作者认为，这种干湿实验闭环和科研资产沉淀机制，能缓解科研里“方案堆积、验证滞后、经验流失”的问题。 文章还提到平台会把公式、参数、代码、成功与失败数据统一结构化留存，让不同项目和团队可以复用；并称其已在蛋白质工程、量子计算、脑科学、新材料、半导体、地球气象等方向落地。整体观点是：AI 科研的关键不只是更强的模型，而是让模型接上真实世界反馈，形成可持续迭代的科学智能系统。
「公司和人」频道最新
- 用真实代码说服 AI 怀疑者 — alex_verem · 2026-07-20
- BMS 在 Vera Rubin 上建 AI 工厂 — nordicinst · 2026-07-20
- 英国科技界呼吁三项AI改革 — alexvoica · 2026-07-20
- CuspAI 启动AI材料工厂 — skoularidou · 2026-07-20
- 阿里蚂蚁腾讯宇树等AI新进展 — 快鲤鱼 · 2026-07-20
- DSA 2026 Kampala 吸引30多国参会 — lawrennd · 2026-07-20