Demis：AI for Science 是十年核心赛道
Demis把AI for Science定为十年核心赛道，我举双手赞同，但很多人的理解太窄了——一提科研AI就只想到AlphaFold，好像这就等于全部。AlphaFold确实炸裂，2亿种蛋白质结构预测、2024年诺奖加身，哈萨比斯说得好：十年前解一个蛋白结构要好几年，现在几小时搞定，全球蛋白结构产出量提升50%。但这只是生物一支。材料仿真、农业育种、工业物理、气候模拟、可控核聚变，全是AI科研的蓝海。英伟达都在投AI材料公司，OpenAI研究员转去搞AI材料赛道，这说明资本和人才已经在动了。我之前帮一个新材料团队搭仿真平台，深有感触。传统做法是博士在实验室一个个配方试错，一个周期三个月起步；上了AI虚拟筛选之后，一周出候选方案，再去做实验验证，整体研发周期缩短70%以上。哈萨比斯说的"AI虚拟仿真前置、实体实验验证收尾"，我亲眼见过，不是画饼。但这个赛道的门槛极高——你必须有独家的实验数据闭环。通用大模型套壳在这行根本玩不转，没有领域数据喂养，预测出来的东西实验室复现不了，最后就是零。Jumper离开DeepMind去了Anthropic，说明AI制药的竞争才刚开始，核心人才的流动方向就是风向标。对从业者说句实在话：别再卷对话机器人了，科研AI才是真蓝海。但入局之前先想清楚——你有没有别人拿不到的数据。
发布于 江西
8
10
7
未登录
友善发言
评论
加载中
