智能AI
morning
中国的人工智能科学热潮卖的是速度,而不是发现
2026-11-18
1 阅读
约4分钟阅读
Chelsea_Sun
字号:
NextFin 新闻 — Capital 认为科学是大型模型证明其重要性的下一个地方。在中国,今年前 10 个月,人工智能科技初创企业共获得 80 多轮融资,披露金额超过 200 亿元人民币。生命科学和材料名称占据了投资意向书的主导地位。大型技术团体添加了阶段演示:在屏幕上设计分子,然后交给自动化工作台进行合成和测试。音调很容易掌握。药品和材料项目耗费了数年时间和金钱,陷入了死胡同。任何缩小早期漏斗的东西看起来都很有价值。更难的问题是实际出售的是什么。实验室仍然在重要但缺乏洞察力的工作上花费了大量精力——梳理文献、对候选人进行排名、在专门程序中整理文件、重复标准化分析。将这些步骤整合在一起的软件以及夜间运行这些步骤的硬件可以以客户可以衡量的方式缩短日历时间。那就是清算发票的业务。一些供应商向学术实验室免费提供访问权限,并向企业收取更深层次的使用费用。其他人则从制药和生物技术领域承担明确的发现任务,并按项目计费。两种模型都通过吞吐量和组织来货币化。两者都不需要系统自动决定接下来值得解决哪个科学问题。提议的结构变得越来越便宜。证明它们有效并非如此。团队一天内可以招募数千名候选人;合成和分析能力不会以相同的速度扩展。谁能提高命中率,谁就能获得商业优势,从而用一个简短的列表取代大量失败的列表,而不是打印最长列表的人。判断仍然是一个瓶颈。模型总结了文献已经支持的内容。他们在将奇怪的结果视为线索而不是噪音方面不太可靠。在几轮中报告“改进”的设计代理仍然需要人工审核;三维化学并不总是能够翻译成通用模型用来规划的语言。各个实验室的公共数据集都很混乱;专有的实验反馈,即可以改善下一轮的信号,是稀缺且昂贵的。在这些差距缩小之前,自主发现是一个研究领域。方向、资源分配以及追寻哪个异常的召唤都留在人们身边。并非每个行业都会催生独立的科学人工智能公司。制药商已经购买软件并外包早期研究,因此外部人工智能供应商拥有熟悉的采购路径,并且在几轮投资浪潮之后竞争激烈。材料看起来很有吸引力,因为可以根据比临床项目更清晰的指标和更短的周期对性能进行评分。出于同样的原因,光学等重度模拟领域也出现在投资者的名单上。在其他地方,数据、工作流程和人才都在现有企业内部。与国家规模设施相关的芯片设计和项目更有可能将人工智能吸收为内部能力,而不是创建一个大型的独立供应商类别。投资者想要的股票故事超越了服务利润:专有候选者、知识产权和具有生物技术里程碑的许可证。只有当工业合作伙伴接受产出作为资产,而不仅仅是作为更快的内部报告时,这个故事才有价值。资助者对于等待多长时间意见不一。有些人会在收入之前支持团队和数据管道。其他人则希望在一年内获得商业证明,尤其是在材料方面。常见的过滤器包括混合的科学和工程技能、获取独家数据的途径以及回头客。通用模型公司仍然将大部分预算花在广泛的功能上。专业实验室工具享有一个窗口,而这仍然是事实。如果同样的群体将认真关注科学垂直领域,那么窗口就会缩小。 AlphaFold 表明,专注的系统可以改变一个领域。中国当前的人工智能科学浪潮有所不同。它正在工业化研究管道的中间部分——搜索、排名、起草、运行、记录——而管道的末端、问题和经过验证的主张仍然是人性化的。目前,这笔钱是在节省了数月时间并避免了实验后获得的。更大的奖品是拥有市场会购买的发现,等待更好的选择、更严格的实验循环以及足够干净的数据以至于下一个模型值得训练。在那之前,实验室中的人工智能是一项披着突破性科学语言外衣的生产力业务。
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱