2026.10.29 AI4S 十七个分子生成模型同场考试,没有几个能稳定交出真正可成药的分子 → 过去几年,AI设计分子的宣传语几乎都一样:给一个蛋白结构,几十秒就能生成上万个候选化合物。这套叙事在10月下旬被一份基准测试拖回了地面。《Nature Communications》刊出的MolGenBench对17种主流生成式方法做了统一评测,覆盖从全新分子设计到先导化合物优化两类任务,结论不是某个模型不行,而是整个领域存在共性短板。
2026.10.28 AI4S 材料研究也能交给智能体,MatOS把三千万个候选结构筛到97个 → 材料研究有个老问题:数据散在不同数据库,知识散在文献里,仿真工具各有各的输入格式,一项完整研究往往要在文献分析、计算与实验之间来回切换好几天。大模型智能体出现之后,行业普遍认为这件事该被自动化了,但真正跑起来才发现,让智能体会调工具只是第一步,让它记住为什么这么做、做到哪一步、上次为什么失败,才是难点。近期公开的一篇论文给出了一个系统级的答案。
2026.10.27 AI4S AI把125种细胞类型接成一张网,七个物种跨过七亿年重新对表 → 10月下旬,《自然·通讯》刊出一项由沙特国王科技大学主导的计算研究。团队开发的系统名为Unify,它把来自七个物种、相隔七亿多年的125种细胞类型接成了一张可以互相比较的网络。研究要解决的问题很具体:当物种分开太久,同一个功能背后的基因已经换了一茬,怎么判断两种细胞其实在做同一件事。
2026.10.26 AI4S 量子计算不再只比比特数,翼型优化比模拟退火快2000倍进了科研流水线 → 10月22日,第二十三届中国计算机大会在成都举行,北京玻色量子科技依托这一平台办了首届QBrain量子计算开发者日。与常见的量子计算发布会不同,这场活动的重心不在比特数,而在具体科研问题:酶分子怎么改、机翼截面怎么选、电网暂态怎么算、单细胞怎么分类。主论坛加两个分论坛,近20场分享,主题词是"量智融合"。
2026.10.25 AI4S 韩国把化学家的经验喂给大模型,催化剂试错从30次降到不足10次 → 自动化实验室有一个说不出口的尴尬:机器人可以二十四小时工作,但开头那几天几乎在重复人类早就知道的事。这在化学里叫冷启动问题,模型不懂行,只能靠一次次实验重新发现已知规律。催化研究尤其昂贵,一次合成加分析常常要半天以上,摸索阶段的成本足以劝退很多课题。韩国化学技术研究院一个团队给出的方案,是把研究者的经验通过大模型翻译成实验先验,再交给贝叶斯优化去用,成果发表在《化学信息与建模杂志》。
2026.10.24 AI4S Hugging Face开源140亿参数DNA模型:一句话问基因,成本仅千分之一 → 生物学家与AI打过几年交道之后,普遍形成了一个共识:通用大模型能读论文、能写代码,但读不懂基因组。原因不复杂,DNA是一串由四个碱基组成的超长序列,人类基因组长约30亿个碱基对,通用模型的词表与位置编码都为自然语言设计,把序列硬塞进去,模型只能看到局部模式。据凤凰网科技10月23日引用《商业内幕》的报道,Hugging Face在前一天发布了一个专门解决这件事的开源模型Carbon-X,140亿参数,第一次把DNA的理解与生成,和自然语言放进同一个模型。
2026.10.23 AI4S 农科院发布AI科学家绿洲:6个智能体分工协作,筛出水稻耐盐基因 → 生命科学里的AI应用,公众记住的往往是蛋白质结构预测这类单点突破。农业科研面对的是另一种难题:文献与数据的量级极大,结论之间互相矛盾,真正有价值的线索埋在几十万篇论文与几十套组学数据的交叉处,靠人力读不完。据中国农业科学院官网与中国科学报10月22日报道,该院农业基因组研究所商连光团队联合崖州湾国家实验室、盐碱地综合利用国家技术创新中心,发布了一套面向植物逆境研究的自进化AI科学家系统,命名为绿洲,相关论文发表在《分子植物》上。这套系统不预测结构,它的工作是把科研流程本身自动…
2026.10.22 AI4S 剂泰科技与礼来达成11亿美元合作:AI设计的脂质纳米颗粒首次大规模出海 → AI制药领域又一笔大额合作落定,这一次的主角是一家中国的AI平台公司。据大兴区产业发展部门门户与中国经济网等多家媒体10月20日报道,AI药物递送创新公司剂泰科技于10月19日宣布与跨国药企礼来公司达成战略合作,聚焦新型LNP(脂质纳米颗粒)递送解决方案的研究与发现,探索支持多种治疗模式的组织特异性递送方案。公开信息显示,这是国内首个以生成式AI平台为核心驱动、围绕LNP递送展开的战略合作,也是全球交易规模最大的AI驱动肝外LNP递送平台合作。
2026.10.21 AI4S 证券分析师用AI设计蝎毒解毒蛋白,211个设计17个达标印证湿实验瓶颈 → 不会编程的人已经能靠AI写软件了,那么不懂药的研究员,能不能靠AI设计药物?网红研究机构Citrini Research给这个问题做了一次认真的实验。据财联社10月20日报道,该机构在周二公布的报告中披露,5名证券分析师在20万美元预算内,借助Anthropic的内部研究模型设计了一批可能用于对抗蝎毒的小型结合蛋白,并送往真实实验室验证。送检的211个设计中,最终有17个达到与目标毒素结合的标准。这个结果超出了团队自己的预期:实验开始前,他们并不确信自己能设计出任何一个真正结…
2026.10.20 AI4S AI制药风向突变:先不急着造药,中美资本抢滩虚拟细胞与数字孪生 → AI制药圈今年的风向,正在发生一次安静但深刻的偏转。据深蓝观、虎嗅等媒体近日的行业观察,大约从夏天开始,数字孪生与虚拟细胞这两个词在从业者的交流里出现的频率越来越高,不少原本做分子设计的公司,都宣布要向虚拟细胞转型。这场转向的起点不是技术突破,而是一次集体反思:过去几年资本狂热追逐的AI分子设计,交出了漂亮的计算结果,却没能换来与之匹配的临床成功率。不急着造药,先造一个细胞、一个器官甚至一个疾病的数字副本,正在成为新的行业叙事。
2026.10.19 AI4S 普林斯顿团队发布MESSI模型,生成式扩散实现蛋白质去免疫原性设计 → AI已经能够设计出自然界中从未存在过的蛋白质,但一个现实问题随之浮出水面:人体未必愿意接受它们。10月16日,普林斯顿大学生物工程系助理教授姜凯议及其合作者在生物预印本平台发表论文,提出名为MESSI的生成式蛋白质设计模型,首次把去免疫原性作为生成目标,在保留蛋白质结构与功能的同时降低其引发免疫反应的潜在风险。研究团队随后在三种蛋白质中完成了设计验证,部分候选序列的预测表位数量降至零,同时保留了活性,一些变体的功能甚至有所改善。
2026.10.18 AI4S Mistral发布Timestral时间序列模型并收购材料团队,跨界科学计算 → 欧洲AI旗舰Mistral正在把版图伸向实验室。10月16日,这家法国公司发布时间序列推理模型Timestral,面向时序预测与时间维度的推理任务,同时宣布收购一支新材料研究团队,把大模型能力与材料科学的结合提上日程。一边是能源、金融、工业场景里需求明确的时间序列预测,一边是材料研发这个典型的AI for Science主战场,Mistral在两个月内接连完成大额融资、发布万亿参数旗舰之后,选择用垂直能力与科研团队补足差异化。在基础模型同质化竞争的背景下,欧洲头部的求生路径正…
2026.10.17 AI4S AI读懂细胞聊天记录,MIT模型还原信号历史,干细胞工程踩下油门 → 发育生物学里有个悬而未决的老问题:一个细胞是怎么决定自己变成脑细胞、肝细胞还是肌肉细胞的?10月15日,MIT News报道了该校与怀特黑德生物医学研究所的一项研究,由生物学助理教授普林·李与博士生尼古拉斯·哈钦斯领导的团队开发了机器学习模型IRIS,能从细胞的基因活性数据中反推它曾经接收过哪些化学信号,相当于给细胞的成长履历做了一次回放。相关论文以开放获取形式发表于9月8日的自然方法学期刊,为干细胞工程与再生医学提供了一件新工具。
2026.10.16 AI4S 通用大模型改写酶设计:Gemini4数小时产出5种新酶全部具催化活性 → 通用大模型正在伸手够科学的硬骨头。10月13日,谷歌在Gemini 4 Argon全球开放的同时公布了一项蛋白质设计成果:研究人员借助这款通用大模型,在数小时内完成了目标酶相关数据的整理、模型调优与筛选规则制定,最终得到5种全新的人工酶设计,随后的实验室测试显示,这5种设计均表现出较强的催化活性。设计对象是丝氨酸酯酶,一类催化酯键水解的蛋白质,在药物制造、精细化工与生物燃料领域应用广泛。
2026.10.15 AI4S 谷歌公益基金3600万美元投17家机构,AI科研从论文走向落地 → AI for Science领域从来不缺惊艳的论文,缺的是把论文变成可用工具的钱与人。据Unite.AI报道,谷歌公益部门Google.org于10月14日公布AI for Science全球挑战赛的资助名单,17家机构合计获得3600万美元,入选项目覆盖疾病生物学、气候建模等方向,还可选择加入为期六个月的加速器,获得工程支持、技术导师资源与谷歌的基础设施。这批资助瞄准的正是科研成果与真实部署之间那段最容易被卡死的路。
2026.10.14 AI4S 国产材料科学智能体MatBrain登Nature子刊,双模型分工破解科研落地 → AI for Science最难的从来不是模型有多聪明,而是能不能真正走进实验室。据网易科技近日报道,一项由广州企业团队联合中国科学院大学等机构完成的研究成果登上Nature子刊,主角是被研发人员称为机器人科学家的材料科学智能体MatBrain。它的思路相当反直觉:不是训练一个无所不能的超级大模型,而是让两个各有所长的轻量模型分工协作,在真实的材料科研任务中跑通了从提出假设、生成候选到实验验证的完整链条。
2026.10.13 AI4S ChaiDiscovery与GSK达成重磅合作,零样本分子设计湿实验全命中获认可 → AI制药行业再添一笔重量级合作。据BioSpace、美国制药评论等多家媒体报道,旧金山AI制药公司Chai Discovery近日宣布与制药巨头葛兰素史克达成合作,后者将获得Chai平台的访问权限,包括其蛋白质折叠与设计模型,用于支撑自身管线中的药物发现工作。财务条款未对外披露,但真正促成这笔合作的是一组硬核的实验数据:在合作前的技术评估中,Chai的模型在零样本条件下为GSK选定的靶点生成分子设计,GSK在自己的湿实验室里逐一验证,所有受试靶点都找到了结合物。
2026.10.12 AI4S 丘成桐牵头八家数学机构组建AI实验室联盟,千人军团攻坚数学科学专用模型 → 中国数学界的一次罕见集结,把人工智能推上了国家基础科研的主战场。据新浪AI热点等多方报道,10月11日,丘成桐数学与人工智能实验室联盟成立仪式在清华大学举行。联盟由菲尔兹奖得主、清华大学讲席教授丘成桐院士牵头,联合八家一流数学研究机构共同组建,旨在以人工智能加速数学与交叉学科研究,以数学理论创新支撑人工智能发展,服务国家高水平科技自立自强战略。按照规划,千名数学家将参与研发人工智能数学科学专用模型,这支规模空前的数学军团正式向AI与数学的深度融合进军。
2026.10.11 AI4S 英伟达押注的Iambic冲刺纳斯达克:AI制药IPO,临床成色才是试金石 → AI制药行业迎来了一个标志性时刻。10月8日,路透社报道,英伟达参投的AI制药公司Iambic Therapeutics正式启动美国首次公开募股:拟发行约938万股,发行价区间15至17美元,按区间上限计算募资最高1.594亿美元,公司估值最高约8.06亿美元,股票代码IAM,承销阵容包括摩根大通、杰富瑞、美国银行与花旗,计划10月中旬在纳斯达克挂牌。ARK投资管理与Duquesne家族办公室已表态意向认购合计6000万美元。在整体冷清的秋季IPO市场里,生物科技成为少有的亮…
2026.10.10 AI4S 教AI猜分子断在哪:机器学习预判化学反应位点,数据稀缺场景命中率大涨 → 药物化学家的试错成本,正在被一套机器学习方法压低。10月9日前后,学术媒体Bioengineer与Scienmag报道了发表于《自然·计算科学》的一项研究:一个国际药物化学团队把主动学习与几何深度学习结合起来,预测药物发现晚期功能化反应中的区域选择性,也就是分子上哪个位置更容易被化学改造。在数据稀缺的真实药物研发场景里,这套方法用远少于传统高通量实验的样本量,把反应结果的预测做到了可用的精度。研究者表示,闭环范式指向的未来,是提前算出成千上万个类似物中哪些值得优先合成。
2026.10.09 AI4S Isomorphic Labs洽谈融资:估值最高500亿美元,AI制药估值狂飙 → AI制药的估值天花板又被顶高了一截。10月8日,彭博社援引知情人士消息报道,谷歌DeepMind分拆的药物研发公司Isomorphic Labs正就新一轮融资进行初步洽谈,投后估值至少400亿美元,最高有望触及500亿美元,折合人民币超过三千亿元。消息人士强调交易尚未落地、条款仍可能变动,公司方面暂未回应。
2026.10.08 AI4S 18亿美元押注预测细胞行为:扎克伯格生物Hub牵头AI生命科学计划 → AI for Science的下一座金山在哪里?一个重量级联盟给出了答案:细胞。10月上旬,多家外媒披露,由扎克伯格生物Hub牵头、总规模18亿美元的巨型计划启动,目标是训练出能够预测细胞行为的AI模型,Meta、谷歌DeepMind、同构实验室与美国能源部悉数出现在资助与支持名单里,首份数据集预计在约一年后发布。