清析智研联合创始人、首席科学家王欢近日在霞光社X-Hub旗下直播栏目Y-Talk中表示,大模型的能力目前主要来自数字空间,已充分掌握人类已有知识,但对于人类尚未总结和发现的领域仍有明显边界。AI for Science(AI4S)的下一次突破将发生在物理世界,核心路径是以AI原生科学设备为入口,从真实物理实验结果中持续学习,进而创造新材料、新物质。
王欢为清华大学工学博士、全球前2%科学家,长期关注多模态大模型、复杂科学系统智能化与AI赋能材料研发。他提出,AI4S的下一次Scaling在于构建模型、AI原生仪器、AI原生实验室与产线协同运行的物理闭环,而其稀缺资产是持续产生新数据的能力。仪器与设备构成AI理解物理世界的感官与双手,模型能力决定科学探索的边界,真实实验闭环则持续产生高质量数据,推动模型与实验策略共同进化。
在科研范式层面,王欢构想的路径是由一个“AI Scientist”大脑以某一大模型为核心,基于当前现象构建实验方案、优化方案与工艺制备方案,再由面向科学场景的物理世界AI结合自主实验室自动完成实验、表征分析和优化,形成全自动无人实验室。他类比半导体工业的高度集成与自动化生产,认为未来人类更多提出高层级需求,由模型和设备自动完成实现。
清析智研据此提出“AI Science Superfactory”(AI超级研发工厂)概念,试图把科学模型、智能仪器、自动化实验和产业研发连接起来,打通从计算化学、制备工艺、工艺优化到最终量产的链条。王欢表示,该公司的切入点是围绕仪器智能与自动化实验室的构建和改造逐步搭建流程。基于创始团队在半导体产业和产业端的经验,他认为当前实验室与仪器设备的自动化水平远低于工业场景,这也是AI4S落地需要跨越的现实障碍。
从行业影响看,AI4S当前仍处于产业爆发早期,虚拟空间中的论文辅助、资料检索等任务已相对成熟,但新材料发现、实验制备等物理世界环节进展有限。王欢判断,突破口在于高价值数据的积累与底层数据构建,未来谁能以更低成本、更高通量连接更多物理世界入口,完成“假设—实验—验证—学习”闭环,谁就能更快把未知转化为知识,并把知识转化为产业价值。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。