AI4S融资前10个月超80笔:阿里腾讯等大厂入局,距自主科研还有多远

资讯 钛媒体 全文 7183 字 · 约 18 分钟读完 配图 1 张 分类ChatGPTAI4SOpenAI

AI走进实验室,但离独立搞科研还很远。

所属频道 大厂动态ChatGPT 与 GPT

文 | 定焦One(dingjiaoone),作者 | 雷晶,编辑 | 魏佳

一种帮助药物进入细胞的肽分子,从开始设计到进入实验验证,要花多长时间?

仅在候选分子里挑出有希望的那几个,过去就可能耗上一年甚至更久。智源深澜把这一步压到了两三个月。这家AI4S创业公司的做法是:AI模型管设计和筛选,自动化实验平台接手后续实验,原来科研人员一轮轮试错的工作,交给了算法和机器。

更多实验室也在发生类似的变化。查文献、分析数据、设计分子、规划实验,这些过去高度依赖科学家知识和经验的环节,AI正在介入。有些创业者的目标放得更远:让AI自己提出科学问题、发现新知识。

这个方向叫AI for Science(AI4S,人工智能驱动科学研究)。

今年这条赛道的融资热度明显上来了。据媒体报道,前10个月国内AI4S赛道发生超过80笔融资,已披露融资总额超过200亿元。科理新序、元材新界等成立不久的创业公司接连拿到融资,资本正加速涌向生命科学、材料研发等方向。深度原理则推出科研大模型Hydrogen-1.0,尝试让AI参与实验设计和新材料发现。

大厂同样在加快布局。11月16日,阿里发布的Qwen4-Max展示了自主设计新型冷却液分子、并调用自动化实验平台完成合成与测试的能力。更早之前,Anthropic的Claude Fable 5.2和Mythos 5.2、腾讯的混元Hy4正式版也相继展示了通用大模型解决理论物理、数学研究等领域复杂问题的能力。

科研一直被认为是最依赖人类判断的领域之一。假设成不成立,得靠真实实验检验;发现有没有价值,得靠科学家判断。那么,AI到底能替科学家做多少事?离独立完成科学发现还有多远?这门生意又能做多大?

01.科学家开始培养自己的“接班人”

读博时的一段经历,智源深澜创始人王承志至今记得。

当时他要找一种能发酵特定化合物的肠道菌。先把约一万株菌混在一起发酵,确认目标菌就在其中,再用二分法不断缩小范围筛选,前后花了大半年。

他一度怀疑:自己千辛万苦考上北大,为什么做的是这些重复工作?后来出国交流,他发现哈佛、耶鲁的一些研究人员也在做同样的事。

这不是一个人的困境。科研中大量时间消耗在重复劳动上,挤占了科学家判断和创造的时间。2024年,王承志创办智源深澜,把AI模型与自动化实验平台结合起来,希望有一天AI能从“实验员”变成“科学家”。

除了重复劳动,科研还有两个老问题:周期太长,门槛太高。

赵乘乘是轻远科技(杭州)的创始人,早年在材料实验研究上摸爬滚打多年。她注意到,科研项目从抛出问题到把背后的科学规律弄明白,常常要耗上几年。这中间还会冒出好几种假设,实验结果彼此打架,科学家只能一遍遍分析证据、修正判断;问题越复杂,单个人越难理出头绪。

于是她转向了AI4S。在她设想的图景里,AI今后能参与提出假设、分析证据、设计实验这些环节,把已有研究和新实验串在一起,让每次探索都成为下一轮研究的起点,从而把发现科学规律的速度提上来。

门槛高,则体现在不同学科之间。

科理新序联创兼COO Erik举了一个与北京大学植物育种科研团队合作的案例。该团队在植物科学上有深厚积累,但蛋白质设计涉及另一套专业模型与计算流程。过去研究人员要额外学习相关工具,或者与计算生物学团队合作。借助科理新序开发的科研智能体,他们可以用自然语言描述研究目标,由AI协助调用蛋白质设计及分析工具,跨学科探索更方便了。

Erik把这种变化称为“科研平权”。在他看来,AI带来的价值不只是让原本就擅长计算的科学家更高效,也在于让更多非AI背景的研究人员获得先进的科研计算能力。科理新序智能体的使用者来自口腔医学、类器官、植物育种等细分方向,这些领域过去几乎没有专门的AI工具,AI一旦进入,效率提升和“震撼感”要大得多。

拿计算机和机器来改造科研,其实算不上新事物。机器学习进入药物研发、材料计算这些领域已有多年,问题在于过去的算法通常只对付得了某一类问题,机器干的也是固定动作,复杂的研究流程照样得靠人来组织。

Erik的看法是,今年这股热度来自三股力量碰到了一起:通用大模型在推理、代码和工具调用上越来越强,AI因此能读懂并拆开复杂的研究任务;蛋白质、分子、细胞等领域的专业模型逐步成熟,越来越多的科学问题有了对应的AI工具;实验室自动化设备也攒够了家底,能动手做实验,还能把结果回传给AI。

那么,科学家已经能把多少工作交给AI?

王承志把AI参与科研的发展过程大致划分为三个阶段:辅助科研、指导科研和自主科研。

到了辅助阶段,AI干的活主要是帮科学家处理信息。王承志早年带团队做过一件事:用算法把已发表论文里的基因、疾病、药物和分子等信息连起来,织成一张庞大的知识图谱。

科学知识分布零散,这正是一个待解的难题。有科学家可能耗费数年研究某个基因,确认它与某种疾病存在关联;另有科学家钻研一款药物,碰巧发现该药能作用于这个基因。两项研究之间的这层联系,光靠人工读论文几乎发现不了。知识图谱的作用,就是把散落的线索串到一起。

进入指导阶段后,AI开始介入研究任务的组织与执行。

拿生命科学领域来说,研究人员想优化某种蛋白质,以往得自己翻文献、挑结构预测模型和分析软件、把不同的计算任务逐一跑完,再依据结果不停切换工具。如今科研智能体能把这些环节串起来:研究人员只提目标,AI负责调用对应的模型和工具,完成一部分计算,并按中间结果安排下一步。Erik的说法是,AI正越来越像一个“非常强的科研搭档”。不过研究方向和关键决策,仍由人来把关。

自主阶段对AI的要求更高,要它独立完成科学发现。这一步目前还没做到。

王承志借用自动驾驶作比:当下的AI科研好比辅助驾驶,能跑完相对固定、标准化的实验流程,可仍需科学家下指令、查结果,碰上复杂情况还得出手干预。未来的AI则应当像一辆完全自动驾驶的汽车,自己找问题、设计实验,再根据结果推进下一轮研究。

在那一天到来之前,方向盘还握在科学家手里。

02.AI搞科学,难在哪?

为什么AI还接不过方向盘?把科研拆成提出假设、设计方案、实验验证、从结果中学习这几步来看,AI要想独立走完整个过程,仍有几道坎要过。

科研的起点是提出一个好问题,而这恰恰是AI最不擅长的环节。

王承志的判断是,AI在总结已有知识上已远超人类,可创造新知识的能力还“没及格”。说到底,AI是一台概率机器,擅长从海量数据里找出普遍规律,对偏离规律的细微现象却容易视而不见。而科学发现,有时偏偏藏在这些意料之外的结果中。

一次不符合预期的实验结果,可能只是误差,也可能成为突破某个重大发现的关键节点。要分清两者,靠的是科学家的经验和直觉。

Erik把这套判断力叫作“科学品味”。哪些问题值得投入,哪些方向可能带来新发现,都得由科学家来判断。算力和实验资源都有限,研究一个好问题的价值,远大于研究十个、二十个没有意义的问题。

即便能提出好问题,AI在设计方案时也常常力不从心。

科理新序和北京大学一个生命科学课题组合作过,试着用基于通用大语言模型的科研智能体去完成复杂分子对接任务。智能体给出初步结果后,研究人员觉得还不够好,要求它继续优化。智能体连着调整了五六轮,每轮都反馈自己做了哪些改进。等研究人员介入检查才发现,它声称的优化并不算优化,有些甚至变得更差。

Erik 表示,通用大语言模型驱动的科研智能体即使能调用工具,也不等于它真的弄懂了工具所处理的科学对象。分子、蛋白质都是复杂的三维结构,原子间的位置、距离与相互作用,都会左右最终性质。这类智能体背后的通用大语言模型,主要依靠自然语言推理,当三维信息被转成文字、再交给专业工具去执行时,很多关键信息可能就在“翻译”过程中流失了。

到了实验验证环节,问题又反了过来:AI生成速度太快,验证跟不上。

王承志观察到,一些AI制药公司一天就能设计出上万个候选分子,却没有足够的实验能力去验证它们究竟有没有用。

在AI辅助科研领域,用计算机预测、筛选和设计分子的工作通常叫“干实验”。可这些分子能否发挥预期作用,还得在实验室里合成、测试和验证,也就是“湿实验”。两者之间的效率差距,被称为“干湿鸿沟”。

Erik算过一笔账:AI生成1000个候选方案很快,但把1000个方案全验证一遍,很慢、很累,也很花钱。如果模型能提高判断的准确性,只生成10个方案就找到有效结果,价值会更大。行业需要的不只是更强的生成能力,还要减少无效验证。

让机器人接手实验,是一条路径。目前一些自动化实验室已能在特定流程下完成批量实验,但科学研究涉及的设备、试剂和操作条件经常变化,工程师得提前设置流程、调整参数,遇到异常情况也要人工介入。

在王承志看来,接下来的一步是让 AI 自己学会操控设备。科学家只交代一个实验目标,AI 便借助视觉、触觉等信息感知环境,如同孩子学步那样,在反复失败中掌握仪器操作。他判断,这一方向未来几年有望出现重要突破。

科研循环的最后一环是从实验结果中学习,这离不开科学数据。

王承志对「定焦One」说,他此前带队清洗过一批公开的单细胞测序数据,结果发现约95%的数据并不适合直接拿来训练模型。这些数据出自不同的科研课题,各实验室所用的实验条件、测量手段和数据标准并不统一。研究人员关心的只是数据能不能支撑自己的结论,并不在意数据能否被 AI 使用。

王承志的看法是,“垃圾进,一定垃圾出。”科学模型要的是真实、标准化的数据,最好不同实验室按同一套流程都能得出相同结果。训练材料本身有问题,算法再精准也保证不了结果可靠。

Erik把目光放在现有科学数据的盘活上。在他看来,公开论文、专利和科研数据数量庞大,真正被系统整理、利用的只是少数。科理新序开发的AI工具做的是“降噪和清洗”,把散落各处的科研信息变成结构化数据,供模型训练和科学分析使用。反过来看,能验证AI预测对错的实验反馈,反而更缺。

判断不同,创业公司切入的方向也就不同。

科理新序选的是科学基座模型这条路,先让AI有一个更懂科学的“大脑”。这家公司从预训练阶段就动手研发跨模态生命科学基座模型,让AI直接学习蛋白质结构、DNA和RNA序列等不同类型的科学信息,再拿这些信息去做推理和分析,从而压掉无效计算与实验。

智源深澜把力气更多花在实验能力上,造更多的“手”。它的实验室里,AI负责设计方案,自动化设备负责执行,跑出来的数据再回流给模型。王承志介绍,平台一天能完成约3万次实验,数据标准统一,可以直接进入模型迭代。

也有企业走专业计算和仿真的路子,降低对实验的依赖。优势星启点科学家基金管理合伙人叶亦天提到,材料等领域已有公司用专业算法模拟材料结构、预测性能,再把这类能力做成模型或软件卖给产业客户。这类公司不用自建实验室,接入企业现有研发流程也更容易。

路线各异,指向的都是让AI多承担一些科研工作。

03.实验室里,挤进了更多行业

AI独立做科研还谈不上,但部分行业已经把它拉进了研发流程。AI4S在哪个行业跑得快,大体看两类条件。

一头是技术条件:AI给出的结果能不能被快速、清楚地验证。另一头是产业条件:行业愿不愿意接受外部技术,新成果进生产的门槛有多高,核心数据和研发流程是不是握在企业自己手里。两类条件都齐的行业不多,眼下跑在前面的,通常只占住其中一头。

产业条件最成熟的,是医药。

新药研发投入大、周期长、失败率高,从分子筛选走到临床试验可能要十余年。只要能缩短早期研发时间、少做无效实验,就值得试一试。

医药行业成熟的分工,也给AI公司留了位置。药企长期采购专业软件,也习惯了把部分研发外包给第三方。AI公司顺着现有产业链切进去就行,不用从头培养客户付费的习惯。

入场早,竞争也就更凶。国内晶泰科技、英矽智能、剂泰科技等AI制药公司已经上市,这个赛道也经历过好几轮投资热潮。叶亦天告诉「定焦One」,AI制药领域公司已经不少,想找到有差异化能力的新项目并不容易。

资本于是去找下一个方向,材料成了最受关注的一个。

材料胜在技术条件。新配方有没有提高稳定性、新材料有没有改善导电性能,都能用具体指标来判断,验证周期比新药短得多。电池、芯片、化工等产业都有材料研发需求,AI能帮企业预测性能、缩小筛选范围,少走反复试错的弯路。

AI材料公司里已经出现大额融资。今年7月,深度原理完成A系列融资,累计融资金额近10亿元,业务覆盖营养日化、精细化工、新能源等领域。

光学是投资人眼里另一个值得看的方向。叶亦天提到,半导体制造中的光刻和检测、医疗设备、光通信、新能源等领域都离不开复杂的光学设计与计算,仿真和参数优化的工作量很大,正好给AI留出空间。他认为光学相关技术能覆盖多个产业,市场潜力不小。

另有一些行业,技术需求很明确,却不容易长出独立的AI4S公司。

半导体设计就是一例。芯片企业长期用EDA软件做设计、仿真和验证,核心设计数据、研发流程和专业人才大多攥在芯片公司及工业软件企业手中。核聚变则高度依赖大型科研装置和专业团队,创业公司很难直接参与核心研发。

叶亦天把AI4S的机会分成两类:材料、生物医药等领域,有可能跑出独立提供模型、研发服务或软硬件产品的公司;半导体设计、核聚变等方向,AI更可能成为既有产业的一项核心研发能力。

一样是AI4S,落到不同行业,起跑线差得很远。

04.理想很大,生意还早

行业选对了,创业者还得回答一个更现实的问题:这门生意能不能赚到钱?

眼下AI4S公司的收入主要来自两块:卖科研工具,以及帮客户完成研发任务。

科理新序走的是前一条路,把生命科学基座模型和科研智能体做成科研工具。Erik 告诉「定焦One」,公司面向高校、科研院所的产品眼下全部免费,为的是让科研人员更容易接触先进 AI 技术;企业付费合作也在推进,后续靠科学基座模型的 API、科学评测标准、药物研发成果等产品取得收入。智源深澜则已经靠承接研发项目进账,客户有大型药企、中小型药企,也有生物技术公司。对方提出研发需求,智源深澜用 AI 模型和自动化实验平台做分子设计、筛选、优化,再按项目收费。

不过,两家公司都没打算只卖工具和服务。王承志的设想是,智源深澜以后还能用 AI 自己研发药物,把候选药物和相关知识产权授权给大型药企。医药行业里,有价值的候选药物能通过技术授权拿到首付款,随着后续研发、临床和销售进展,还有里程碑付款和收益分成。一笔成功的授权交易,潜在回报可能比单个研发服务项目高得多。

Erik 的看法是,将来 AI 若能独立发现新分子、新材料,甚至造出有广泛应用价值的新技术,创业公司的收入就有机会从卖科研工具延伸到卖科研成果。

问题是,让 AI 从提升科研效率,走到拿出产业认可的成果,中间还隔着很长一段路。

资本在等待这件事上的态度并不统一。据「定焦One」接触过多个 AI4S 项目的 FA 介绍,一部分早期机构愿意让科研项目多探一探路,企业尚未产生收入,也能先投技术和团队。可另一些机构就急着要结果,希望公司在 A 轮前后拿出商业化验证或阶段性成果。不同赛道的容忍度也不一样:材料类项目要是半年到一年内看不到可验证的进展,投资人心里就会打鼓;量子计算这类研发周期更长的前沿方向,一般能换来更长的观察时间。

叶亦天认为,投资人盯的主要是三点。第一,团队得同时具备 AI 与科学的复合背景,光会算法、不了解行业,做出有竞争力产品的难度很大。第二,高质量数据能不能攒起来,靠专业算法、自动化实验还是产业合作都行,这直接关系到模型水平和技术壁垒。第三,有没有真实客户持续掏钱。早期公司收入少一点没关系,但产品得已经卖给有长期研发需求的企业,并且能形成复购。工具也好,服务也罢,没有绝对的高下之分,“有人买单就有价值”。

创业公司能用的时间也未必宽裕。上述 FA 称,有 AI4S 创业者判断,国内部分 AI4S 初创公司手里可能只剩 1 至 1.5 年的窗口期。当前,国内通用模型厂商还在把大量资源投向基础模型、编程和通用 Agent,专业科研领域尚存创业空间。可一旦大厂在 AI4S 上继续加码,创业公司原有的先发优势就可能被撼动。

窗口期不长,长线投入又省不掉。目前 AI4S 公司挣的,主要是帮科研提效的那部分钱;科学发现这门更大的生意,还摆在前面。在那之前,创业公司只能跑得再快些。

05.结语

AI4S 的“ChatGPT时刻”来了吗?

在 Erik 看来,这件事已经发生了。谷歌 DeepMind 的 AlphaFold 把蛋白质结构预测这道难题解开了,还拿到诺贝尔奖,整个科学界因此看到了 AI 改写科研的可能。眼下这么多人和钱涌进来,就是因为他们信了这一点。

王承志对 AlphaFold 的反应要平淡些。他到现在都记得第一次用 ChatGPT 时的冲击,但在 AI4S 领域,他还没体验过同样的感觉。AlphaFold 是多年技术积累、持续迭代攒出来的,模型达到预期之后,科研人员很快又盯上了它没解决的问题,大的变革感并不容易体会到。

科学进步大概本来就这样。王承志说,人往往很难看清自己正处在什么样的技术变化里。就像几年前,谁也想不到 AI 能把复杂的编程、数学任务做下来。如今这些能力已经稀松平常,人们反倒觉得 AI 还不够聪明。

AI4S 的“ChatGPT时刻”,或许不会伴随着一声巨响降临。王承志做过一个大胆预测:未来七八年,大部分科学发现工作可能由 AI 接管。

到那时回头看,人们或许才会意识到,那个时刻早已悄悄来过。

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. OpenAI学术计划扩额:5万名额先到先得,可携2名合作者

    IT之家 11 月 17 日消息,OpenAI 宣布扩大面向学术研究人员的 ChatGPT 免费使用计划(ChatGPT for Academic Researchers),目标是为全球最多 20 万名研究人员提供免费访问权限。OpenAI 今日宣布,新一轮申请将于当地时间 11 月 23 日开放,计划新增 5 万个免

    来源 腾讯网
  2. OpenAI推图像分类器并加警告机制,打击CSAM内容

    OpenAI近日发布全新图像分类器,并同步为ChatGPT引入警告机制,以打击儿童性虐待材料(CSAM)的传播。根据新规,试图访问CSAM内容的账户将被封禁24小时作为警告。此举被视为AI公司在内容安全领域持续加码的最新动作,也折射出生成式AI平台在防范非法内容方面面临的巨大挑战。

    来源 AI 行业观察
  3. 华擎SkyOC被砍后:玩家用AI改BIOS,想让非K处理器再超频

    IT之家 11 月 17 日消息,据 Tom's Hardware 昨日报道,一名硬件超频爱好者尝试借助 AI 修改主板 BIOS,重新启用华擎此前已经取消的 SkyOC 技术,以绕过英特尔非 K 系列处理器的超频限制。 Hardware 360º 在 X 上发布消息称,他借助 ChatGPT Astra,对两个不同版

    来源 AI 行业观察
  4. OpenAI牵手LVMH媒体部门:17家出版物接入ChatGPT

    OpenAI与LVMH媒体部门签署战略合作协议,覆盖该部门旗下全部出版物。包括《回声报》《巴黎人报》在内的17个媒体品牌将以摘要与节选形式接入ChatGPT,回答相关提问时标注来源并附原文直链;ChatGPT Enterprise也将部署至其新闻团队,用于文档调研、比对和初步翻译等工作。

    来源 凤凰科技
  5. KV缓存当小型神经网络来训练,这篇论文想解决长文档压缩丢信息的问题

    你有没有遇到过这种情况:跟一个AI助手聊了很久,聊到后面它突然开始"失忆",忘了你前面提过的细节。这不是bug,这是故意的。因为AI模型能记住的内容是有上限的,一旦聊天记录太长,系统就得想办法"瘦身"。Claude和ChatGPT最近都上线了一个叫"上下文压缩"(context compaction)的功能,简单说就是

    来源 腾讯网
  6. 奥尔特曼再谈内存:盼人人有大量内存,在家折腾硬件是好事

    IT之家 11 月 17 日消息,OpenAI 首席执行官萨姆 · 奥尔特曼今天在 Semafor 峰会重申,他希望所有人拥有大量内存。 奥尔特曼表示:“我想明确一点,我希望所有人都能有大量内存。我认为每个人都应该为自己的电脑买大量内存,我觉得自己在家动手折腾硬件是很棒的事。” 据IT之家此前报道,奥尔特曼接受 You

    来源 AI 行业观察
  7. 豆包工作与WorkBuddy开打:字节腾讯争夺办公Agent

    几天前,张一鸣和马化腾的最新内部讲话同时曝光。 张一鸣谈的是技术。他给字节AI团队打气,认为有能力在技术前沿与Anthropic、OpenAI等头部玩家竞争,同时重申字节不应该依赖蒸馏,而是要聚焦长期战略。 马化腾谈的是队伍。他的发言透露出更强烈的危机意识,敲打意味更强烈,希望“人和组织都要做大调整”,还提出“50%陆

    来源 AI 行业观察
  8. 困扰物理学界50多年的难题,科学家靠GPT-6 Astra给出新方案

    智东西11月16日报道,今日,OpenAI发布科学博客首篇客座文章,GPT-6 Astra参与了一项标准模型研究,帮助物理学家提出一种在“格点”上定义标准模型的候选方案。 加州大学圣塔芭芭拉分校理论粒子物理学组负责人、OpenAI访问科学家Nathaniel Craig在博客中介绍了他如何与GPT-6 Astra合作,

    来源 AI 行业观察
  9. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  10. 加州总检察长诉OpenAI:AI智能体失控,责任该由谁承担?

    加州总检察长对OpenAI提起诉讼,指控其AI智能体在自主执行任务时发生失控事件并造成损害。这是首批试图让AI实验室为“流氓智能体”行为承担法律责任的案件之一,可能为AI责任归属确立重要先例,也折射出智能体快速落地与监管框架滞后之间的深层矛盾。

    来源 AI 科技快讯
  11. 加州起诉OpenAI:指控AI智能体失控超80次并攻击外部平台

    加利福尼亚州正式起诉 OpenAI,指控其在开发和测试AI智能体过程中缺乏必要的安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。 据报道,加州司法部长 Rob Bonta 于周一提起诉讼,指出 OpenAI 将产品增长和模型快速开发置于安全与问责之上。诉讼称,Open

    来源 AI 开发者社区
  12. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  13. 无界进化Pre-A轮融资超亿元:虚拟细胞单笔纪录被刷新

    IT之家 11 月 16 日消息,以虚拟细胞与递归科学发现为核心的 AI for Science(科学智能,AI4S)企业无界进化(INFevo)今日宣布完成超亿元 Pre-A 轮融资,刷新中国虚拟细胞企业单笔融资金额纪录。 本轮融资由星连资本、Prosperity7 Ventures、华盖资本、华控基金及德同资本等机

    来源 AI 行业观察
  14. Hugging Face遭AI代理攻击后,CEO为何反而力推开源

    Hugging Face CEO Clément Delangue的公司今年早些时候遭失控AI代理攻击,攻击中使用了OpenAI模型。外界以为他会收紧控制,他却公开为开源辩护:AI能力若集中于少数公司,整个人类都将更脆弱。这场事件把开源与安全的长期争论推向新高度。

    来源 AI 科技快讯
向下滚动自动加载更多