#AI for Science
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 行业动态2026-07-23 · 周四重要度 4/5深度报告 →
Google 向 Genesis Mission 提供 4000 万美元云与 AI 额度
Google 于 7 月 23 日承诺向美国能源部 Genesis Mission 提供 4000 万美元 AI token 与云额度，并向国家实验室提供一年的 Gemini for Government 席位。
- 这项承诺把科研模型从单点合作推进到跨实验室基础设施。
- 额度不是现金拨款，实际价值取决于使用分配、研究产出和平台锁定成本。
- 科研资助2026-07-21 · 周二重要度 4/5深度报告 →
Anthropic 开放罕见病研究额度申请
Anthropic 开放 AI for Science 首个专题申请。入选项目可在六个月内获得最高 5 万美元 Claude 使用额度，申请截止于官方所写的 8 月 2 日 11:59 PM PST。
- 这是算力与模型额度资助，不是现金科研基金，也没有承诺治疗提速结果。
- 两条轨道分别押注开放知识基础设施和早期生物科技流程。
- 观点观察2026-07-16 · 周四重要度 3/5
单源待核｜DeepMind 提出科学验证瓶颈
Google DeepMind 官网页面在 7 月仅标注月份，并在目标窗口由官方 X 推送。文章基于 10 位研究者访谈，提出 Agent 让假设更便宜，但实验验证、数据和同行评审成为瓶颈。
- 这是一篇政策观点文，不是新模型或实验结果。
- 其增量在于把算力之外的科学基础设施列成四项政策议程，但页面缺少日级发布时间。
- 研究观察2026-07-12 · 周日重要度 2/5
待验证｜AI 科研效率旧研究再被 HN 讨论：职业加速可能压窄选题
IEEE Spectrum 旧文在 7 月 12 日被 HN 重新讨论，观点是 AI 提升科研职业表现的同时可能让探索空间变窄。
这是旧研究在目标日重新进入讨论，不是新论文。它只提供一个评价提醒：科研工具还应检查选题多样性。
- 社区工具信号2026-07-11 · 周六重要度 3/5
待验证｜科研 AI 工作台在 GitHub 同日走热
发现脚本记录 synthetic-sciences 的 openscience 达到 2,071★，ai4s-research 的 open-science 达到 598★。
- 这说明 AI for Science 的入口正在从聊天和论文摘要转向本地桌面工作台。
- 边界是 GitHub 星标只能说明关注度，不能证明长期维护和科研产出。
- 研究论文2026-07-11 · 周六重要度 4/5
待验证｜DrugGen-2：疾病上下文进入 AI 分子生成的条件变量
DrugGen-2 进入 Hugging Face Papers，论文称疾病本体和靶蛋白序列共同作为生成条件；结果仍是论文自报。
AI 制药的生成目标正在从通用分子性质走向疾病语境。关键边界是 docking 与预测亲和力仍不是湿实验验证。
- 研究论文2026-07-11 · 周六重要度 4/5深度报告 →
待验证｜IdeaGene-Bench：AI 科研助手开始考研究谱系
IdeaGene-Bench 提出科研想法谱系评测。当前证据集中在论文、arXiv 与 HF 页面，少源且未复现，结论需低置信处理。
- 科研 Agent 的评测正在从生成新点子转向理解思想继承。
- 由于证据仍集中在论文和分发页，今天只能把它作为低置信候选记录。
- 研究论文2026-07-04 · 周六重要度 2/5
待验证｜Google DeepMind Discovery 团队发布 COrigami:蛋白质等领域 co-design 端到端协同设计管线
@GoogleDeepMind 7-3 转推 DeepMind Discovery 团队最新工作 COrigami:一条端到端协同设计管线(用于蛋白质等领域的 co-design)。原帖被截断,论文细节(arXiv ID、实验数据、应用案例)需进一步跟进。
- Co-design(协同设计)是 AI for Science 的下一个前沿
- 传统 AI for Science 多关注「给定结构预测性质」或「给定性质生成结构」的单向任务,co-design 把这两个方向融合,让结构与性质同时优化。
- 研究论文2026-07-03 · 周五重要度 4/5深度报告 →
arXiv 2607.01233:LLM 与人类研究 idea 的真实差距,被一篇论文量化到了分布层面
Ziyu Chen / Yilun Zhao / Arman Cohan 7-01 在 arXiv 发布的《Measuring the Gap Between Human and LLM Research Ideas》,把『LLM 能不能做科研 idea』的争论从单点评估(novelty / feasibility / preference)推进到『分布对齐』。论文从 ICLR / ICML / NeurIPS 2023-2026 与 Nature Communications 2023-2025 共 11,683 篇人类论文反向构造 6.21 篇平均先验文献,再用 9 款主流 LLM(Claude-Sonnet-4.6 / Gemini-3.1-Pro / GPT-OSS-20B / GPT-OSS-120B / GPT-5.4-mini / Qwen3-8B / Qwen3-32B / DeepSeek-V4-Flash / DeepSeek-V4-Pro)在同一先验文献集上生成 idea,引入 7×7『研究品味』二维分类(Opportunity Pattern × Method Paradigm)对 idea 打标,用 TVD / JSD / 归一化熵量化分布差距。核心结论硬到无法忽略:人类在「桥接型机会」上占 12.1%,而 9 款 LLM 占 47.1%–64.2%;在「综合 / 统一型方法」上人类占 5.1%,LLM 占 22.5%–38.7%。即便表现最好的 Gemini-3.1-Pro,在 Opportunity 维度的归一化熵只到 0.758,人类为 0.926——仍有约 35% 的概率质量需要迁移才能匹配人类分布。更反直觉的是:Qwen3-8B 打开思考模式(Think)后,「桥接」占比从 49.7% 飙升到 71.1%,「综合」从 38.7% 飙升到 52.2%——推理链越深,模板化越严重。论文给「AI for Science」叙事提供了冷思考级的量化证据:LLM 输出的 idea 不是『质量低』,而是『分布窄且系统性偏移』,单看一个 case 看不出来,看一千个 idea 的统计形态就压不住。
- 这篇论文的真正意义不在具体数字,而在给「AI for Science」叙事提供了一个可复现的评测锚点。
- LLM 在科研 idea 生成上的能力一直被各方夸张宣传,但缺少独立验证——arXiv 2607.01233 用可复现的评测框架量化了真实差距,这意味着:
- 产品上新2026-07-01 · 周三重要度 5/5深度报告 →
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
Anthropic 发布 Claude Science beta,把 60+ 科研连接器、NVIDIA BioNeMo 中的 Evo 2/Boltz-2/OpenFold3、多 agent 架构、本地到 HPC 与 Modal 弹性算力、可审计科研产物(3D 蛋白结构、基因组轨道、化学结构)打包成一个面向 Pro/Max/Team/Enterprise 的工作台。Manifold Bio、Allen Institute、UCSF 三组真实案例背书;同步启动 AI for Science 项目计划,最多 50 项、单项最高 $30,000 credits、Modal 额外 $2,000 算力,7 月 15 日申请截止。