科学智能技术演进与谷歌DeepMind的引领作用 - 谷歌DeepMind凭借TPU算力基础设施和Gemini基础大模型，持续研发科学智能技术超过十年，造就了AlphaFold等世界级模型和工具[5] - AlphaFold标志着蛋白质结构预测问题的实质性解决，斩获2024年诺贝尔化学奖，并推动生物学研究从结构预测跨入生成式设计时代[5] - WeatherNext 2模型在气象学领域实现突破，在99.9%的预测变量与时间跨度上准确率优于欧洲中期天气预报中心的HRES系统，且推理速度提升数个数量级[6] - GNoME模型预测了数百万种稳定的新材料结构，其规模相当于人类过去几十年实验发现总和的数倍[6] - AlphaEvolve引入进化计算范式，实现从“人工设计”到“自动发现”的元层级跨越，并应用于芯片设计和大模型性能优化[7] 生物学领域科学智能的突破性进展 - 谷歌和耶鲁大学联合发布270亿参数单细胞分析基础模型C2S-Scale，生成了关于癌细胞行为的全新假设并在体外实验中得到验证[10] - 微软BioEmu模型在蛋白质动力学模拟方面实现高达10万倍的模拟速度提升[10] - 谷歌构建了从基因测序到疾病诊断的AI基因组学研究和应用体系，推动遗传学和基因医疗发展[10] - 腾讯DeepGEM病理大模型可在1分钟内完成肺癌基因突变预测，精准度达78%至99%[11] - 剂泰科技AI优化候选药物MTS-004完成III期临床研究，成为国内首款完成III期临床的AI赋能制剂新药[11] 多学科领域的科学智能应用拓展 - 材料科学领域成为新前沿，Periodic Labs开展新型超导材料AI自动化发现，CuspAI获1亿美元A轮融资用于发现碳捕获新材料[12] - DeepMind飓风AI模型成功预测“梅利莎”等超强飓风路径，黑洞理论物理学家利用GPT-5在半小时内推导出黑洞理论新特性[12] - 数学研究人员利用GPT5探索解决历史数学难题埃尔德什难题，多个大模型不断刷新奥林匹克数学竞赛成绩[13] AI驱动科研新范式的形成 - “基础模型+科研智能体+自主实验室”的AI驱动科研范式逐步形成，从技术基础、协作模式和科研规模三个维度改变科学发现传统思路[15] - 通用基础大模型成为科学智能的“操作系统”，科研专用大模型则作为垂直领域的“专用引擎”[16] - 科研智能体技术加速发展，AI从被动工具转变为科学家的合作者甚至主动发现者，如AlphaEvolve可进行数学和计算通用算法的主动发现[17] - 自主实验室将传统“作坊式”实验室升级为自动化、高通量的“科学工厂”，各国高度重视相关研发[18] - 国内自主实验室和平台建设全面启动，如晶泰科技的AI+机器人平台、中科院的ChemBrain智能体等[19]