Anthropic Claude Science 登场:把科学家的本地笔记本、HPC 与 GPU 云缝进同一个 AI 工作台
科研 AI 不再是聊天框:多 agent + 可审计工件 + 本地-HPC-Modal 三档算力,把科学家从拼装 pipeline 中解放出来。
本文要点
- 科研 AI 形态从「单 agent + Web 检索 + 一次性答案」迁移为「协调 agent + 60+ skills/连接器 + 审查 agent + 可分叉会话」
- 算力调度从「模型自带推理」扩展为「本地笔记本 / SSH 接入 HPC 集群 / Modal 按需 GPU」三档可切换,数据保留在用户基础设施
- 科研产物从「文本回答」变为「可审计工件」:3D 蛋白结构、基因组浏览器轨道、化学结构等原生渲染,每张图附带生成代码、环境、消息历史,支持自然语言迭代
- 模型-硬件绑定路径被显式化:Claude Science 通过 NVIDIA BioNeMo Agent Toolkit 调用 Evo 2 / Boltz-2 / OpenFold3,把 NVIDIA 的专用生命科学模型栈接入通用 agent
- 科研资助从「发基金」变为「发 credits + 算力」:最高 $30K Anthropic credits + 最高 $2K Modal 算力 / 项目,3 个月执行窗口,7/15 申请截止
Anthropic 把科研「可重复性」写进了产品默认值:Claude Science 是 2026 年中最重的一份工程合同
如果把 2024-2025 年的「科研 AI」叙事抽出一根主线,它是 「聊天框里的研究助理」:ChatGPT Deep Research 帮你读论文、Gemini Deep Research 帮你写综述、Perplexity Pro 帮你查引用。Anthropic 在 2026 年 6 月 30 日发布的 Claude Science(beta)看起来也是这条线上的一个更新——但读完 Anthropic 博客和三家机构案例,你会意识到 Anthropic 做了一件 ChatGPT/Gemini 至今没做的事:把审查 agent(reviewer agent)的自校做到了产品默认值。
这件事听起来工程师味很重,但它的行业含义不在技术细节,而在 「科研可重复性」从一份道德呼吁升级为一份产品契约。过去十年,科研圈对「AI 不可信」的回应是「审稿人要更仔细」「PI 要更负责」「期刊要更严」——这些都是人这一侧的约束。Claude Science 的做法是反过来:让 agent 自己写、agent 自己审、agent 自己改,而且每张产物附上代码、环境、消息历史,任何人都能复现。这是 2026 年中科研 AI 形态上最重要的一个分水岭。
围绕这条分水岭,Claude Science 同步把另外三件事打包进了同一个工作台:与 NVIDIA BioNeMo Agent Toolkit 接通的专用生命科学模型(Evo 2 / Boltz-2 / OpenFold3)、本地-HPC-Modal 三档可切换算力、最高 $30,000 credits + Modal $2,000 算力的 AI for Science 项目计划(最多 50 项、3 个月执行窗口)。首批三家真实用户——Manifold Bio、Allen Institute、UCSF——已经用它跑通了端到端科研工作流。
一、四件套:Claude Science 与 Deep Research 的工程差异
Claude Science 的产品定位刻意区别于此前任何一款「科研 AI」。它不是网页里的对话框,也不是云端托管的研究环境,而是 跑在用户已有工作环境里的一个 agent——可以是 macOS/Linux 本地笔记本,也可以是通过 SSH 登录到 HPC 集群的远程节点。Anthropic 在博客里用了「like a Jupyter Notebook in your existing working environment」这样的类比。
围绕这个 agent 的核心架构是 四件套:
协调 agent + 60+ 预配置 skills/连接器。 用户只跟一个「通用协调 agent」交互,这个协调 agent 可以调用 60 多个预配置的 skills 与连接器,覆盖 基因组学、单细胞、蛋白质组学、结构生物学、化学信息学 五大域。直连的数据库包括 UniProt、PDB、Ensembl、Reactome、ClinVar、ChEMBL、GEO——基本把生命科学领域最常用的「事实底座」一次性装进了 agent 的工具栏。这个体量的连接器覆盖,在 ChatGPT Deep Research / Gemini Deep Research 上目前没有对位的产品声明。
审查 agent(reviewer agent)+ 可分叉会话(fork session)。 协调 agent 在产出结果时,内置的审查 agent 会专门检查 引用错误、计算错误、不可追溯的数字、与底层代码不符的图表,并在能力范围内自校正。用户任何时候都可以 分叉会话 来比较两种方法——这相当于把「AI 给出的数字对不对」从口口相传的科研伦理问题,变成了产品级的契约。
可审计科研产物(artifacts)。 Claude Science 原生渲染 3D 蛋白结构、基因组浏览器轨道、化学结构 这类科学家「看图说话」的产物,并且每张产物都附带:
- 产生该结果的精确代码与运行环境
- 创建过程的自然语言描述
- 完整的消息历史
支持自然语言编辑(例如「把这条网格线去掉」「把 X 轴改成对数刻度」),agent 会修改自己的代码而不是手动改图——这把「图是图、码是码」的传统割裂直接缝起来。
本地-HPC-Modal 三档算力。 任何大型分析(蛋白质折叠、基因组 pipeline)都需要重算力,但敏感数据不能轻易上云。Claude Science 的设计是:
- 本地笔记本 / Linux 机器直接跑
- SSH 接入 HPC 集群 登录节点,数据不离开用户基础设施
- Modal 账户 提供按需算力,可从单 GPU 弹性扩展到数百 GPU
- 只有每步分析所需的上下文才会发送给 Claude,审查 agent 在用户基础设施内运行
协调 agent 在切换资源前会主动起草计划并请求许可,用户可在写入与提交作业前 审查或撤销任何决定——这是「agent 替我做决定」和「agent 帮我做决定」之间关键的产品边界。
把这四件套横向摆开,Claude Science 与 ChatGPT Deep Research / Gemini Deep Research 的差异就不是「多几个连接器或少几个连接器」的量差,而是 工程形态的质差:
| 维度 | Claude Science | ChatGPT Deep Research | Gemini Deep Research |
|---|---|---|---|
| 接入深度 | 60+ 连接器 + BioNeMo 专用模型 | Web 检索 + 文档上传 | Web 检索 + Workspace |
| 数据归宿 | 数据保留在用户基础设施 | 上传至 OpenAI | 上传至 Google |
| 算力调度 | 本地 / HPC / Modal 三档可切 | 模型托管推理 | 模型托管推理 |
| 错误检测 | 内置 reviewer agent + actor-critic pair | 主要靠模型自评 + 用户复核 | 主要靠模型自评 + 用户复核 |
| 产物形态 | 3D 蛋白 / 基因组轨道 / 化学结构 + 代码 | 文本报告为主 | 文本报告为主 |
二、三家机构案例:首批可验证证据
Anthropic 在博客里给出了三组用户案例,值得逐条拆解——这是「可验证」最硬的部分。需要注意,这些案例的产出物(综述、靶点名单、胚系分析)都可以在未来 9-12 个月被同行回看。
2.1 Manifold Bio:端到端提名组织靶向药物候选
Manifold Bio 设计组织靶向药物(让药物归巢到特定器官/细胞类型),用 Claude Science 为最新一批实验 端到端提名靶点。具体流程是:agent 对每个组织和靶点评估表面表达、运输、安全性,并基于 Manifold 内部专有数据进行排序。Anthropic 把这家公司单独点出的关键差异是「能端到端完成数据收集和判断」——也就是说,从「读数据库」到「输出排序名单」不再需要人工中转。
这与传统药物发现的工作流差别巨大。传统流程里,提名靶点要经过:TCGA/GTEx 表达谱查询 → 文献综述 → 体外安全性预测 → 内部数据交叉验证 → 排序。每个环节都可能因为工具断链而需要不同的人介入;Claude Science 把这些环节统一在协调 agent 之下。
值得跟踪的是:这些靶点是否进入湿实验闭环?如果 Manifold Bio 在 2026 年底-2027 年初拿出「agent 提名 → 体外验证 → 命中」的真实数据,Claude Science 的价值就会被业界定价为「研究工具」以外的层级。
2.2 Allen Institute:把综述从「2 年」压缩到「10 篇 100+ 页」
神经科学家 Jérôme Lecoq 在 Allen Institute 用多 agent「计算评审模板」写长篇综述。整个 pipeline 包含约 20 个自定义 skills,子 agent 架构分三层:
- 读取子 agent:从数千篇论文里提取核心主张和关键定量发现,存入「证据状态数据库」
- 叙事子 agent:构建叙事弧线,逐节撰写综述,委派给专门子 agent
- 写作子 agent:每节中,专门 agent 直接从证据数据库生成定量跨研究图表
最关键的是 actor-critic pair(演员-评论家对)——一个 agent 写,另一个 agent 评估准确性和引用保真度。这与 Claude Science 内置的审查 agent 是同一思路,但在 Lecoq 的工作流里被制度化。
成果对比:之前需约 2 年完成的综述,现在已有 约 10 份(多份超过 100 页),引用经过审查 agent 检查。
但要注意,压缩的不一定是科研「总劳动量」,而是「阅读+写作」这一段——actor-critic pair 引入的「agent 审 agent」环节意味着新的「人在回路」成本(谁来定义 actor/critic 的标准?谁审 actor-critic 的冲突?)。这件事对科研评价体系的影响是开放问题,见下方「早报观点」。
2.3 UCSF:胶质瘤胚系分析时间缩短到原来的约 1/10
UCSF 脑肿瘤中心副教授 / 流行病学家 Stephen Francis 用 Claude Science 研究 神经胶质瘤的分子流行病学——具体问题是:数千个小型效应种系变异如何组合形成个体易感性。这个问题在传统 GWAS 流程里要么靠大规模样本堆叠(贵),要么靠精细的 pathway 整合(慢)。
Francis 的反馈是:综合胚系分析时间缩短到原来的 约 1/10,并且团队独立验证了 Claude Science 的结果——这一点非常关键,因为它意味着 agent 产出的结果在科研「结果可重复」标准下是可被同行复核的。
Anthropic 在博客里特意用了「团队独立验证」这个表述,等于主动给案例背书加重。考虑到神经胶质瘤涉及临床患者样本,这也间接暗示数据是 留在 UCSF 本地基础设施 而非上传到 Anthropic 或 Modal 的——产品定位里的「数据保留在用户基础设施」在这里得到了具体兑现。
三、NVIDIA 的三层身份:BioNeMo 把渠道、模型、SDK 绑在了同一份公告里
Claude Science 与 NVIDIA 的合作是产品里最值得展开的技术细节。Anthropic 在博客里明确写了:通过 NVIDIA 的 BioNeMo Agent Toolkit 中的 skills,Claude Science 原生连接到 BioNeMo 中的生命科学模型与库,包括 Evo 2、Boltz-2、OpenFold3。
这条线的战略含义不亚于产品本身——NVIDIA 在同一份 Anthropic 公告里同时扮演了三个角色:
| 角色 | NVIDIA 提供的内容 | 在 Claude Science 中的位置 |
|---|---|---|
| GPU 与算力供应商 | H100/H200 + DGX + CUDA + 配合 Modal 弹性 GPU | 「本地-HPC-Modal 三档算力」中的 Modal 路径 |
| 专用模型源头 | Evo 2(基因组)、Boltz-2(蛋白-配体)、OpenFold3(蛋白结构) | 「60+ 连接器」中的生命科学模型子集 |
| Agent 层 SDK | BioNeMo Agent Toolkit | 通用协调 agent 调用专用模型的中间层 |
这三层身份合一,是这份公告里 最容易被低估的部分。它的潜台词是:研究者即便不直接用 Claude,也会通过 BioNeMo Agent Toolkit 间接吃到 NVIDIA 的全套栈——而 NVIDIA 同时还在通过 GPU + CUDA 卖算力。这等于把「科研 AI 的护城河」从「模型哪家强」搬到了「硬件-模型-工具链哪家绑得紧」。
对 OpenAI/Google 而言,这意味着下一阶段的科研 AI 竞争不再只是「模型 + 检索」的对比,而是 「有没有对位的专用生命科学模型 + 有没有 agent 层 SDK + 有没有算力调度路径」 的复合竞争。三件事里缺任何一件,科研用户都得自己拼。
但 Anthropic 博客对 BioNeMo Agent Toolkit 的 开源边界、定价、上游版本节奏、是否独占 只字未提——这条合作的具体深度,需要 NVIDIA 或 Anthropic 后续披露,以及 OpenAI/Google 后续的反应做交叉印证。
四、AI for Science:不止发产品,还在「发 credits + 发算力」
Claude Science 同步启动 Claude Science AI for Science 项目支持计划,这是一份非常具体的人才/生态押注:
| 项目 | 数字 | 备注 |
|---|---|---|
| 最多项目数 | 50 个 | Anthropic 设上限 |
| 单项 credits 上限 | $30,000 | 用于 Claude API 消耗 |
| Modal 配套算力 | 最高 $2,000 / 项目 | 单独由 Modal 提供 |
| 早期聚焦 | 生物 / 生物医学研究 | 但明确说「跨领域、探索科学边界」 |
| 申请截止 | 2026 年 7 月 15 日 | |
| 通知时间 | 2026 年 7 月 31 日前 | |
| 执行窗口 | 2026 年 9 月 1 日 – 12 月 1 日 | 3 个月 |
几个值得展开的细节:
1. 体量是「实验室级」而非「国家级」。 50 项 × $30K = 约 $1.5M Anthropic credits + $100K Modal 算力——这不是 NSF/NIH 级别的资助,更像是一次「拿钱换案例 + 拿案例换生态」的押注。和 OpenAI/Google 顶级实验室的合作项目体量仍有差距,但对一个 2026 年中才发布 beta 的产品而言,这个体量足够支撑首批跨学科案例库的搭建。
2. Modal 被写进了 Anthropic 官方公告。 这是 GPU 云公司 Modal 的一次重要渠道升级——它的名字现在直接和 Anthropic、NVIDIA 出现在同一份科研 AI 公告里。对 Modal 的潜在竞争者(Replicate、RunPod、Lambda Labs、CoreWeave)而言,这等于把「通用 agent × 弹性 GPU × 科研专用模型」三件套捆绑销售的样板立起来了。
3. 3 个月执行窗口 + 9 月 1 日启动。 这意味着 Anthropic 希望在 2026 年底前看到首批成果——这与同日 OpenAI 发布的 GeneBench-Pro(129 题、10 大域、21 子域、GPT-5.6 Sol 在最高推理档通过率 28.7%、Pro 模式 31.5%) 把「研究级智能体」正式纳入评测议程的时间表正好重叠。案例和基准会在 2026 年底形成对照:一边是 Claude Science 在 50 个项目上的真实产出,另一边是 GeneBench-Pro 上的模型分数。
4. Team 计划的科研实验室折扣席位。 Anthropic 同步推出面向学术机构和非营利研究组织的 Team 计划折扣——这是把 Claude Science 的商业化路径从「企业付费」延展到「学术付费」的关键动作,也意味着 50 个 AI for Science 项目之外,还会有大量学术客户通过 Team 计划接入。
五、当日的横向坐标:科研 AI 的 2026 年中快照
把 Claude Science 放回 2026 年 6 月 30 日的横截面,有几件事值得并排看:
同日,OpenAI 发布 GeneBench-Pro。 一份 129 道题、覆盖 10 大域 21 子域的研究级智能体基准,合成数据集可控,作者偏好可避免,人类专家估时 20-40 小时/题、$200/h(单题数千美元)。GPT-5.6 Sol 在最高推理档通过率 28.7%(Pro 模式 31.5%)。这件事和 Claude Science 同日发生,说明 OpenAI 把「AI 能否独立做研究」正式纳入了 2026 年下半年的竞争议程——工具侧(Claude Science)和能力侧(GeneBench-Pro)的对位,大概率会在 2026 年底-2027 年初见分晓。
同日,OpenAI 发布 Core dump epidemiology 工程博客。 一份关于「core dump 流行病学」调试方法论的工程文章——通过「全人群 core dump 数据集 + 跨时间×跨机型×跨代码路径分群」识别出潜伏 18 年的 libunwind bug。这件事与 Claude Science 没有直接关系,但它印证了 「2026 年中,科研与工程对『高质量全人群数据集 + 可复现窗口』的共同关注」。Claude Science 把这件事做成了产品(可审计工件 + 数据保留在用户基础设施),OpenAI Core dump epidemiology 把这件事做成了内部方法论。
同期,Anthropic 发布 Claude Sonnet 5。 这意味着 Claude Science 在发布时就有了「中价位主力模型 + 科研专用工作台」的组合拳——而 Opus 4.8 / Mythos 这类更高级档位是否走专用科研路径,目前未披露。这条路线图的清晰度直接决定 Claude Science 后续的「能力上限」。
缺席者:OpenAI 的 ChatGPT Deep Research 没动静,Google Gemini Deep Research 也没动静。 这两家在 2026 年中仍然停留在「聊天框 + Web 检索」形态。Claude Science 的发布等于把「科研 AI」的产品形态从「消费级研究助理」直接推到了「工程化研究基础设施」——而 OpenAI/Google 是否会用「连接器 + 算力调度」形态做对位回应,将是 2026 年下半年最重要的竞品反应。
六、早报观点
Claude Science 最值得说的不是「又一款科研 AI」,而是 Anthropic 把 reviewer agent 的自校做到了产品默认值——这是把科研「可重复性」从一份道德呼吁升级为一份产品契约,这件事的份量超过所有「提效 X 倍」的数字。
先说产品差异。 ChatGPT Deep Research 和 Gemini Deep Research 解决的是「我给你一段自然语言,你给我一份报告」;Claude Science 解决的是 「我给你一个工作环境,你帮我接管整条工具链,但每一步产物都附代码、环境、消息历史,而且 agent 自己审自己」。两者根本不在同一个工程层:前者是消费级研究助理,后者是研究基础设施。当 Anthropic 强调「数据保留在用户基础设施 + 协调 agent 写计划前请求许可 + 任何决定可审查/撤销 + 可分叉会话比较方案」时,它押的不是模型能力,而是科研合规与可复现性这两个工程化核心问题——这恰恰是 ChatGPT/Gemini 至今没有正面回应的问题。UCSF 案例里「团队独立验证」的措辞,以及 Manifold Bio 案例的端到端流程描述,意味着 Anthropic 把「可验证性」写进了市场推广话术,这会让 OpenAI/Google 在后续的科研 AI 营销里不得不跟进。
再说行业格局。 Claude Science 把 NVIDIA 的 GPU 供应商 + 专用模型源头 + Agent 层 SDK 三层身份绑在了同一份公告里,这是一种新的「硬件-模型-工具链」捆绑销售。对科研用户而言,这意味着选择 Claude Science 时,事实上也在选择 NVIDIA 生态——而 OpenAI/Google 在生命科学专用模型(Evo 2 / Boltz-2 / OpenFold3 的对位)、agent 层 SDK(BioNeMo Agent Toolkit 的对位)、以及算力调度路径(本地-HPC-Modal 三档可切的对位)上短期内都还没拿出可对位的产品。这件事的中期含义是:科研 AI 的竞争主战场正在从「模型 + 检索」迁移到「硬件-模型-工具链」的复合捆绑,单一模型的领先优势会在 12-18 个月内被生态捆绑稀释。
最后说反方 caveat。 1) 三个用户案例都是 Anthropic 自报,缺少第三方独立 benchmark 印证——同日发布的 GeneBench-Pro 提供了 129 道题的对照基线,但 Claude Science 是否会用这些题做对位评测目前未披露;2) 数据合规边界(IRB/HIPAA、临床种系数据出境)在博客中未披露,只有 UCSF 案例间接暗示「数据留在本地」,但 Modal/HPC 路径下数据出境规则未明;3) BioNeMo Agent Toolkit 的开源/闭源边界、Claude Science 在其上层是否独占、是否涉及模型微调/数据回流,均未明确——NVIDIA 三层身份的另一面是 合作深度不可知;4) 「审查 agent 自校正」的实际命中率仍是黑盒,自校不等于形式化验证,不是 Lean/Coq 级证明,真实命中率需要 GeneBench-Pro 这类基准来量化;5) Team/Enterprise 用户需管理员启用,意味着大企业内实际部署门槛在「IT 流程」而非「模型能力」;6) 「审查 agent」+「actor-critic pair」+「可分叉会话」这套机制把劳动从「阅读+写作」转移到「agent 训练 + 审查 + 自校」,Allen Institute 的「2 年压缩到 10 篇综述」未必意味着总劳动量下降,可能意味着新的「人在回路」成本被隐藏——这对科研评价体系(综述是否贬值?期刊是否要求披露 agent 介入程度?)是更大的开放问题。
一句话:Claude Science 让科研 AI 的可重复性第一次有了产品级默认值,但它的代价是把科研劳动从「写」转移到了「审 agent」,这件事的行业含义要等 2026 年底 GeneBench-Pro 与首批 50 个 AI for Science 项目的产出形成对照才能看清。
七、跟踪点
短期(7-15 天):AI for Science 项目申请热度,跨领域占比(化学、材料、地球科学是否进入),以及 7/31 通知结果里首批机构的构成——这能验证 Anthropic「跨领域、探索科学边界」的市场承诺是否兑现。
中期(9-12 月):首批 50 个获选项目执行情况,特别是 3 个月窗口内是否真有机构跑出可发表成果;Manifold Bio 的「端到端靶点提名」是否会进入湿实验闭环——这是「科研 agent 真实价值」的硬证据。
跨厂商对照:Claude Science 与 OpenAI 的 GeneBench-Pro 在「研究级智能体」基线上的对照结果——Claude Science 是否会公布在 GeneBench-Pro 上的得分?OpenAI 是否会同步用 GeneBench-Pro 复盘 ChatGPT Deep Research 的实际能力?这是 2026 年下半年科研 AI 评测的最大看点。
生态侧:NVIDIA BioNeMo Agent Toolkit 的开源边界,以及 Anthropic-NVIDIA 合作是否会从「渠道分发」走向「数据-训练-分发」闭环——这是「NVIDIA 三层身份」会不会进一步深化的关键信号。
监管侧:用户敏感数据(尤其临床种系、患者样本)在 Modal/HPC/本地三档之间的留存/出境规则,以及 IRB/HIPAA 对接细节——这是科研 AI「合规可用」的真正门槛,也是 Claude Science 能否进入大型医院/药企 IT 系统的关键。
OpenAI/Google 反应:ChatGPT Deep Research 是否在 2026 年 Q3 升级为「连接器 + 算力调度」形态?Gemini Deep Research 是否走类似 NVIDIA 的硬件-模型绑定?这两家的反应速度与形态选择,将直接决定科研 AI 在 2027 年的格局。
附录:Claude Science 关键事实速查
| 项目 | 内容 |
|---|---|
| 产品名 | Claude Science(beta) |
| 发布方 | Anthropic |
| 发布日期 | 2026 年 6 月 30 日 |
| 适用档位 | Claude Pro / Max / Team / Enterprise |
| 支持平台 | macOS、Linux |
| Team/Enterprise 启用 | 需管理员启用 |
| 入口 | claude.com/science |
| 预配置 skills/连接器 | 60+ |
| 覆盖域 | 基因组学 / 单细胞 / 蛋白质组学 / 结构生物学 / 化学信息学 |
| 直连数据库 | UniProt / PDB / Ensembl / Reactome / ClinVar / ChEMBL / GEO |
| 接入专用模型(经 NVIDIA BioNeMo Agent Toolkit) | Evo 2 / Boltz-2 / OpenFold3 |
| 多 agent 架构 | 通用协调 agent + 子 agent + 审查 agent(reviewer agent) |
| 会话能力 | 可分叉会话(fork session)比较方案 |
| 算力路径 | 本地笔记本 / SSH 到 HPC 登录节点 / Modal 按需 GPU |
| 算力扩展范围 | 单 GPU → 数百 GPU |
| 数据合规 | 数据保留在用户基础设施,只把每步分析所需上下文发给 Claude |
| 用户控制 | agent 写计划前请求许可,任何决定可审查/撤销 |
| 可审计产物 | 3D 蛋白结构、基因组浏览器轨道、化学结构 + 配套代码 + 环境 + 消息历史 |
| 自然语言编辑 | 支持(如「去掉网格线」「X 轴改对数」),agent 改自身代码 |
| 用户案例 1 | Manifold Bio(组织靶向药物,端到端提名靶点) |
| 用户案例 2 | Allen Institute(Jérôme Lecoq,综述从 2 年 → 10 篇 100+ 页) |
| 用户案例 3 | UCSF(Stephen Francis,胶质瘤胚系分析时间 → 约 1/10,团队独立验证) |
| 项目计划 | AI for Science:最多 50 项 × 最高 $30K credits |
| Modal 配套 | 最高 $2K 算力/项目 |
| 申请截止 | 2026-07-15 |
| 通知时间 | 2026-07-31 前 |
| 执行窗口 | 2026-09-01 ~ 2026-12-01(3 个月) |
| 重点方向 | 跨领域,早期聚焦生物/生物医学 |
| 学术合作 | Team 计划科研实验室折扣席位(学术/非营利) |
| 社区 | AI for Science Discourse |