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
- 法学教授谈 legal engineering 岗位:离开执业后再回律所仍受偏见 — jkubicki · 2026-09-11
- 安全从业者被讽「只会发帖不设防」,AI Safety 圈爆发职责之争 — Dan_Jeffries1 · 2026-09-11
- 孙正义：人类是最高级生命形式的时代即将终结 — Puzzleheaded-King584 · 2026-09-11
- IIT马德拉斯推出 EdTech Tulna AI 教育产品评估标准 — ravi_iitm · 2026-09-11
- Warp 六个非工程团队全用 Linear 和 Claude Code 工程化运作 — mon__lim · 2026-09-11
- Anthropic 内部爆料:并非人人都持高 p(doom) 灾难论 — anpaure · 2026-09-11