Kimi转向AI for Science:编程之后,下一个落点是科学研究

资讯 腾讯网 作者:DeepTech深科技 全文 3930 字 · 约 10 分钟读完 配图 1 张 分类KimiQwenAnthropic月之暗面AI 编程智能体

一些迹象显示,Kimi 要往 AI for Science 方向发力了。近日,月之暗面(Moonshot AI)国际业务负责人贾科莫·菲卡里(Giacomo Ficari)在葡萄牙里斯本举行的网络峰会上,谈到了该公司在编程之外看好的下一个方向:科学研究。他提到,过去几年,编程是推动市场需求增长的重要场景,而生物学、化学

所属频道 大厂动态智能体与 Agent开源生态国产大模型AI 编程与开发

种种迹象表明,Kimi 正把注意力转向 AI for Science。

在葡萄牙里斯本举行的网络峰会上,月之暗面(Moonshot AI)国际业务负责人贾科莫·菲卡里(Giacomo Ficari)提到了公司看好的下一个方向:科学研究。编程之外,这是新的落点。

菲卡里说,过去几年编程是拉动市场需求的重要场景;而生物学、化学等科学研究对模型能力要求更高,还可能为 AI 在制药领域的应用打开新市场。

这算是对趋势的一次呼应。Coding Agent 对基座模型的增益效果,Anthropic、智谱和 Qwen 等已先后证明过;AI for Science 在硅谷成为显学之际,国内基础模型的响应却稍显迟钝。

眼下 Kimi 似乎准备动起来了。它此前与深势科技达成合作,把 Kimi 接入了生物医学科研智能体;晶泰科技也开始用 Kimi 处理化学文献,辅助药物和材料研究。与 AI for Science 领域这两家头部公司联手,算是这一布局的开场。

从公开信息看,这些合作还集中在科研流程的部分环节:理解研究问题、编写分析代码、调用专业工具、从文献中提取信息。与直接参与科学发现或药物研发决策相比,它们更接近研究人员日常工作中的辅助性任务。

另一边,海外同行似乎已经走得更远。

AI4S 第一步,切入现有科研平台

如前所述,Kimi 进入科研领域的主要方式,是找已经握有专业工具和行业客户的企业合作,让通用模型接入现有工作流程。

以深势科技为例,其自主开发的生物医学科研智能体 BioMaster 已集成细胞类型识别、基因表达分析等专业工具,并提供相应计算环境。接入 Kimi K3.1 Pro 后,BioMaster 尝试让模型承担部分分析流程,包括理解研究问题、编写代码和调用专业工具。这些能力目前主要体现在深势科技公开展示的案例中。

在一项涉及 3,696 个小鼠胰腺细胞的基因表达分析演示中,研究团队试着用单一发育时点采集的数据,推测细胞可能的发育路径,并筛选相关候选基因。

深势科技披露的这项测试里,系统跑了约 90 分钟,输出一张推测性的细胞发育图谱,还筛出 100 个候选基因。按该公司的估算,同样的活交给人工,通常要 4~8 小时。只是这个时间差出自企业自己公布的单项案例,还不足以证明系统换到别的科研任务上也能提速这么多。细胞发育路径怎么走、候选基因选得对不对,也都还要靠进一步的生物学验证。

图 | BioMaster 接入 Kimi 后对 3,696 个小鼠胰腺细胞的分析结果(来源:深势科技)

另一家合作方晶泰科技则把 Kimi 用于化学文献处理。我们从 Kimi 开放平台看到的案例介绍显示,晶泰接入 Kimi K3 后,主要用它从化学表达式、科研图表中提取信息,辅助药物和材料研究人员整理文献。

两项合作涉及的任务不同,技术路径却相似:Kimi 提供通用模型能力,行业企业提供专业工具、计算环境和具体应用场景。

对 Kimi 来说,这种方式能降低进入专业领域的门槛。与其从头开发一整套生物医学科研系统,接入现有平台可以更快接触实际任务,也能观察通用模型在专业环境中容易出哪些问题。

但模型能当着人面做完一次演示,和它能不能长期稳定地支撑科研项目,中间差得还远。生物医学这块尤其如此:模型写出的代码、调用工具的路子、最后得出的分析结果,都得由专业人员过一遍。

联手

与上述应用测试相比,Kimi 近期参与的一项理论计算机科学研究,提供了另一个观察角度。

11 月 5 日,月之暗面、

团队挑出 100 项研究任务,让模型去证明定理、编写求解程序,或者构造出符合指定条件的数学对象,里面有些猜想至今没被解决。这些任务有个共同点:一部分结果能靠程序查。让模型自己给答案打分难免主观,程序验证则不同,某个构造合不合题目要求,能判得更清楚。

拿其中一道题来说,要在 124 个点之间尽量多连线,同时不能出现长度为 3 或 4 的环。论文给出的参考构造有 629 条边,Kimi K3 构造出的方案有 630 条边,并且通过了程序检查。

这说明在特定的数学构造任务上,模型有可能拿出比现有参考答案更好的方案。可程序验证通过,只表示这个构造守住了约束条件,并不等于模型已经证明自己找到了全局最优解。

从生物科研平台中的工具调用,到理论计算机科学领域的评测设计,Kimi 正尝试从不同方向探索模型的科研能力。不过,这两类工作仍有明显区别:前者主要检验模型能否协调已有工具完成任务,后者更关注模型能否解决具有明确验证标准的专业问题。如何把这些能力进一步转化为真实科研成果,还有待更多实践。

AI for Science,模型赋能到哪一步了?

从目前这些零散信息看,Kimi 的布局还处在偏早期。海外同行也借助外部专业知识,不过有些公司已经把合作伸向药物研发流程的更多环节。

OpenAI 今年在生命科学领域推出 Rosalind Workbench,研究者能通过这个平台连接科学工具和数据、分析结果并规划实验。到了 10 月,公司又收购药物研发协作平台 Orchestra Bio,进一步切入药企跨团队协调研究、安排任务和跟踪进展的工作流程。

面向科研组织的 GPT-Rosalind-6 与 GPT-6 Astra 共用同一套权重。这样一来,OpenAI 的生命科学产品可以直接借用旗舰通用模型的能力,不必再单独训练一套完全独立的基础模型。

图 | Rosalind Workbench(来源:OpenAI)

Anthropic 的打法更成体系,实验研究和项目决策环节都能看到这家模型巨头的身影。就在上个月,该公司还披露了与 6 家机构合作推进药物研发的进展。百时美施贵宝(BMS)用 Claude 分析一项早期药物的临床研究计划。近期,Anthropic 还收购了研究罕见肌营养不良症的一人公司 Mithril Medicine。

直接参与药物研发项目,也让 Anthropic 有机会接触科研人员实际做判断的过程。药物研究里有大量信息无法从最终论文里直接看到,包括失败的实验、被放弃的方案,以及研究人员为何改变原有判断。Anthropic 希望借这些反馈,更准确地确定后续模型研发的重点。

诺和诺德(Novo Nordisk)今年 4 月与 OpenAI 达成合作,打算把 AI 用到药物发现、商业运营等多个环节。5 个月后,这家公司又找上 Anthropic,针对科学家提出的具体问题开发药物发现工具。百时美施贵宝在全公司部署 Claude 时也把话说得很明白:走的是多供应商路线。药企向基础模型靠拢,已经成了明显的动作。

中国眼下已有体量不小的医药研发外包产业,这对国内基座模型企业来说,是一条能走进实际研发项目的通道。CRO 通常同时服务多家药企。康龙化成就是例子:2025 年,其实验室服务团队参与了 887 个全球创新药的药物发现项目。专业研究人员、实验设施、相对成熟的研发流程,这类企业都不缺。通用模型若能在文献整理、数据分析、实验设计辅助这些重复性工作上出力,便有望借现有服务体系进入多个研发项目。

但具体能形成多大规模的需求,还要看模型在实际项目中的表现、部署成本,以及药企对数据安全和研究质量的要求。

数据这一环更难办。公开论文里大多是筛选、整理过的研究成果,大量失败实验、未发表的观察,以及研究过程中凭什么做出判断,都不会完整出现在公开数据集里。可这些信息,恰恰可能左右科研模型下一步能走多远。

模型只学已发表的结论,就很难弄明白研究人员为何挑某种实验方案,又为何在拿到特定结果后掉头。于是,一些前沿 AI 公司开始试着更直接地介入实验过程。

Anthropic 已在旧金山湾区设立生物湿实验室,谷歌 DeepMind 也在英国弗朗西斯·克里克研究所(Francis Crick Institute)内建立了湿实验室,希望通过实际实验检验 AI 提出的假设,并获取相应反馈。

不过,进了真实项目,不等于药企的实验数据就能随便拿。商业机密、知识产权、患者信息相关的数据,一般都卡得很严。项目经验能不能变成可复用的模型能力,还得看具体怎么合作、数据怎么用。

参考内容

1.https://www.scmp.com/tech/article/3374568/chinas-moonshot-ai-puts-kimi-models-race-science-discoveries

2.https://bydrug.pharmcube.com/news/detail/7fcc525a11db61284f8e011056ddd1ad

3.https://www.kimi.com/news/kimi-enterprise-partner-program

4.https://arxiv.org/html/2611.07962v1

5.https://www.anthropic.com/research/early-progress-drug-development

6.https://static.cninfo.com.cn/finalpage/2026-03-31/1225057837.PDF#page=14

运营/排版:何晨龙

注:封面/首图由 AI 辅助生成

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. AI代码智能体新方法:工具与模型同步进化,解决率从61%升到69.5%

    你有没有想过一件事:一个厨师做菜难吃,到底是因为他手艺不行,还是因为他用的锅不行?这个问题听起来有点蠢,但放到AI编程智能体身上,就是一个真实存在了很久、却一直没被认真解决的问题。一个能自动帮你改代码、修bug的AI智能体,表现好不好,取决于两件事。第一是它的大脑,也就是背后那个大语言模型本身有多强。第二...

    来源 腾讯网
  2. 深夜,美股AI血崩,英伟达市值已跌去2.7万亿美元

    智东西(公众号:zhidxcom)编译 | ZeR0编辑 | 漠影智东西11月21日消息,一夜之间,美股惨遭“黑色星期五”,对AI泡沫加剧的担忧引发华尔街抛售潮,恐慌情绪集中爆发,美国科技股一片哀嚎,英伟达股价暴跌14%,戴尔暴跌11%,Anthropic暴跌9%,甲骨文、SpaceX、特斯拉暴跌8%,Meta暴跌6%

    来源 腾讯网
  3. Claude攻克3SUM与APSP:AI成基础科研实质合作者

    本期速报关注 AI 在基础科学与工程落地上的两极分化。Claude 协助发现算法突破并参与黎曼猜想形式化证明,显示 AI 辅助科研进入深水区;与此同时,GPT-6.2 Astra 在写作和翻译任务上出现能力退化。工程侧,NVIDIA 提出将推理缓存为 CPU 代码以大幅降低成本,LangChain 分享企业级智能体架构

    来源 AI 应用前沿
  4. 苹果招募智能体工程师:要让AI写代码、控设备,最早明年底上线

    AI正从被动问答转向主动执行,科技巨头加速布局自主智能体。苹果也在开发能代表用户完成任务的自主AI智能体,切入由OpenAI、Anthropic、Meta等占据的高增长市场。其官网招聘信息印证该动向,岗位要求透露核心能力包括写代码、浏览网页与操控设备,显示苹果正推进相关项目。

    来源 AI 产业速递
  5. Fable 5.2与GR00T 2接连突破:机器人的“脑”和“手”还差一道缝

    2026年末,具身智能的商业化似乎终于等来了它的“破局点”。 过去,这个行业一直受困于“大脑”不够聪明,无法应对复杂环境;“手”不够灵活,且学习成本高昂。 但最近,两个技术突破为它们带来了新的进展。 一方面是“大脑”的外溢。 Anthropic的通用模型Fable 5.2,原本的主业是编程与推理,现在却在双臂机器人仿真

    来源 AI 行业观察
  6. Claude Opus5.5跑Singularity-Bench:延迟12秒降至半秒

    人工智能智能体能否自己动手搭建和强化 AI 研发基础设施,正在成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等机构的研究人员近日推出了 Singularity-Bench 基准测试,专门设置六道与 AI 研发相关的考题,考察智能体自主构建 AI 研发能力的水平。在这场测试中,Claude Opu

    来源 AI 开发者社区
  7. 26B参数循环Transformer模型Inkling 2 Mini开源,支持本地离线运行

    Thinking Machines Lab发布Inkling 2 Mini,采用循环Transformer架构,总参数26B。该模型支持文本和图像输入,可在配备32GB内存的MacBook上离线运行智能体任务,如编写代码或驱动虚拟角色。权重已按Apache 2.0许可开放,适合开发者部署本地编程助手。

    来源 AI 应用前沿
  8. Claude推理引擎实测:首token延迟从12秒压到0.48秒

    人工智能智能体能否自主搭建并强化AI研发基础设施,正成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等推出Singularity-Bench基准,设六道AI研发考题,考察其自主构建能力。测试中,Claude Opus5.5搭配Claude Code表现亮眼,在模型推理性能层实现延迟大幅压缩,并通过调度优化提升硬件产出

    来源 AI 产业速递
  9. Signal默认屏蔽截图:iOS与安卓防AI读取消息

    IT之家 11 月 22 日消息,开源端到端加密聊天应用 Signal 近日推出 iOS / Android 版更新,默认关闭应用程序内截图功能,以阻止 Siri AI 和 Gemini 等 AI 智能体读取用户私人消息。 Signal 总裁 Meredith Whittaker 表示,系统级 AI 智能体的影响力正不

    来源 AI 行业观察
  10. Anthropic教AI“忏悔”引牧师质疑:硅谷自己该忏悔什么?

    【文/观察者网 阮佳琪】最近,美国人工智能巨头Anthropic整出了一场颇具戏剧性的“神学风波”。过去一年里,这家市值刚刚飙升至万亿美元的AI巨头,被曝出曾秘密召集全球各地的宗教学者与神职人员,试图向他们宣扬一个惊人观念:其旗下的大模型Claude,可能已经拥有“意识”和“灵魂”。在闭门会议上,Anthropic团队

    来源 腾讯网
  11. 多智能体系统:为何要专门训练一个“做噩梦”的AI旁观者?

    你有没有想过,为什么公司里经验最老道的质检员,往往不是看了最多"正常产品"的那个人,而是见过最多"奇葩次品"的那个人?这个问题,其实和今天要聊的这篇论文高度相关。想象一下,你现在负责管理一群AI智能体,它们正在帮你写代码、做数学题、浏览网页完成各种任务。这些智能体不是一个人在战斗,而是像一个项目组一样互相...

    来源 腾讯网
  12. 亚马逊拦下Grok Bot:马斯克回应,网友帮忙起名

    新智元报道 AI刚学会替你干活,亚马逊、摩根大通、嘉信理财就开始堵门了!10月18日,@trikcode在X上列出了一份「AI碰壁清单」,点名达美航空、摩根大通、嘉信理财、Yelp和亚马逊。他吐槽:那些本该替我们搞定一切的AI智能体,开始被互联网挡在门外。人愿意买,AI愿意跑腿,但最后一公里却卡在了平台不肯放行上!而亚

    来源 腾讯网
  13. 持续学习这道AGI前的大坎,AI也已经踏过了

    从 2025 年年中开始,持续学习就被视为通向通用人工智能(AGI)之路上最难越过的一座山。 强化学习之父 Richard Sutton 在 2025 年 9 月的对谈中就提出过,真实世界太过庞大且时刻都在变化,智能体必须在与环境的直接交互中边走边学。而单靠静态预训练的方法走不出真正的通用智能,最终只会陷入模仿人类既有

    来源 AI 行业观察
  14. 谷歌Gemini 4 Neon实测:跑分全球第三,成本却只有旗舰一半

    谷歌在七周内连续发布四款模型,最新推出的 Gemini 4 Neon 凭借极高的性价比杀回 AI 竞争中心。它在编程和复杂任务处理上接近旗舰水平,但成本仅为竞品的一半。通过引入“中训练”机制和自研 TPU 硬件支持,谷歌解决了此前模型迭代慢、推理弱的问题。本文解析 Neon 的技术细节、实际工程表现以及谷歌如何通过高频

    来源 AI 应用前沿
  15. 苹果亚马逊谷歌齐出手:家庭AI中枢争夺战开打

    Personal Agent让智能家居再次被赋予了想象力。过去只能联网和听从指令的家居设备,有了新的方案来理解环境、主动判断,并实现彼此协作。 海尔智家最近集中发布的一批搭载AI之眼2.0的大白电新品就是体现。这让冰箱、烟机和灶具、洗衣机也开始围绕任务来组织工作。比如,冰箱会识别食材、推荐存放位置,并把菜谱同步给厨电;

    来源 AI 行业观察
  16. 谷歌让AI自改运行框架:成功率由5%升至40%

    谷歌11月17日论文发现:只优化提示词,AI智能体成功率反从5%降至2.5%;而让优化模型直接改写其运行框架Harness,成功率升至40%,提升8倍。团队将仅142行的初始编程智能体拆成四块逐一改造,Harness负责上下文与记忆管理、多轮任务调度、工具调用及结果验证。结论是改框架比磨提示词更有效。

    来源 AI 产业速递
  17. AI产业催化密集:硬件与应用两端都有动作,商业化收入成关注焦点

    每经AI快讯,全球人工智能产业近期迎来密集催化,硬件端与应用端均有重要事件落地。英伟达最新财报继续验证全球AI算力需求的旺盛程度,大模型企业Anthropic亦正式登陆纳斯达克,为投资者观察前沿AI企业的商业模式和估值水平提供了新的参照。分析人士认为,当前AI产业仍处于快速发展阶段,算力基础设施建设和大模型技术迭代..

    来源 腾讯网
  18. 智能体AI架构落地:挑战在哪,机会又在哪

    智能体 AI 架构在微服务与云原生架构的基础上进行了扩展,引入具备上下文感知、记忆能力,并遵循 MCP、A2A 等协议的 AI 智能体。本文探讨受限上下文集成、依赖任务的协同策略、新型安全风险以及可观测性需求。

    来源 InfoQ
  19. Snowflake Expedition 2026:AI智能体与实时流式升级?

    2026 年 Snowflake Expedition 大会上,Snowflake 展示了一系列覆盖平台架构的重大升级,正逐步由云数据平台演进为支持自主 AI 智能体、实时流式应用和对话式商业智能的统一引擎。 此次发布围绕一个核心理念展开:AI 的价值取决于其所依托的企业业务上下文。 通过引入原生业务本体(Busine

    来源 AI 行业观察
  20. AI做PPT、搭网页居然都免费?用完豆包工作我算了下账

    就拿小雷自己来说,自从把整理资料、分析财报、制作PPT等工作交给Agent软件(WorkBuddy、豆包工作等)后,也发现随着使用次数和任务复杂度的增加,AI消耗的积分也确实不少,很多时候赠送积分已经完全不够用,需要额外开会员和充值才行。

    来源 凤凰科技
  21. AI写的数学证明谁来判断?LeanPRM让模型只读自然语言

    2026年,OpenAI发了一份技术报告,里面列了十个被AI解决的数学难题。同一年,Anthropic用AI完整地、机器可验证地证明了费马大定理。这两件事放在一起看,会让人产生一种奇怪的焦虑感。AI现在能写出很长很难的数学证明了,长到什么程度?长到普通数学爱好者根本读不完,难到什么程度?难到连专业数学家都要花很长时间才

    来源 腾讯网
向下滚动自动加载更多