材高可信技術(shù)與產(chǎn)業(yè)周報(bào)（2026-07-29—2026-08-04）)
快速導(dǎo)讀AI 開(kāi)始更直接地接受實(shí)驗(yàn)和人的檢驗(yàn)。疾病靶點(diǎn)發(fā)現(xiàn)系統(tǒng) XunZi 提出的候選靶點(diǎn) CHK2 進(jìn)入帕金森病小鼠驗(yàn)證鈉金屬電池研究也把算法篩選接到了真實(shí)溶劑實(shí)驗(yàn)。另一項(xiàng)皮膚病研究提醒大語(yǔ)言模型生成的文字解釋既能幫助判斷也會(huì)放大普通人對(duì)錯(cuò)誤建議的依賴。本周值得看XunZi荀子是一個(gè)從文獻(xiàn)和多組學(xué)數(shù)據(jù)中尋找疾病靶點(diǎn)的 AI 系統(tǒng)。本周論文顯示它提出的 CHK2 候選靶點(diǎn)隨后接受了帕金森病小鼠實(shí)驗(yàn)抑制 Chk2 后神經(jīng)元損失和運(yùn)動(dòng)缺陷都有所緩解。本周一項(xiàng)皮膚病研究發(fā)現(xiàn)LLM 解釋會(huì)讓普通人從正確的疾病相關(guān)建議中獲益更多也會(huì)讓他們更容易被錯(cuò)誤建議帶偏。AI 引導(dǎo)的溶劑篩選是先用算法縮小候選范圍再把少量分子交給實(shí)驗(yàn)驗(yàn)證。MIT 團(tuán)隊(duì)本周報(bào)告從 10 萬(wàn)個(gè)候選中選出 27 個(gè)實(shí)測(cè)并找到綜合表現(xiàn)較好的候選溶劑 DMFSA。技術(shù)突破高影響期刊與正式科研成果XunZi 從多源生物醫(yī)學(xué)數(shù)據(jù)提出靶點(diǎn)并用帕金森病小鼠驗(yàn)證 CHK2XunZi荀子是一個(gè)面向疾病靶點(diǎn)發(fā)現(xiàn)的 AI 系統(tǒng)。它以2440 萬(wàn)篇生物醫(yī)學(xué)文獻(xiàn)為知識(shí)基礎(chǔ)并整合 613.6 TB 的多組學(xué)等數(shù)據(jù)把 21,008 個(gè)人類(lèi)基因與 5,850 種疾病放進(jìn)同一分析框架用來(lái)尋找相互支持的證據(jù)并給候選靶點(diǎn)排序。研究團(tuán)隊(duì)讓它分析帕金森病時(shí)系統(tǒng)將 CHK2、IRAK4 等激酶列為值得進(jìn)一步驗(yàn)證的候選團(tuán)隊(duì)隨后用藥理和遺傳方法抑制 Chk2在小鼠模型中觀察到多巴胺能神經(jīng)元損失減少運(yùn)動(dòng)缺陷也有所緩解。比起模型規(guī)模更關(guān)鍵的是候選靶點(diǎn)繼續(xù)接受了動(dòng)物實(shí)驗(yàn)檢驗(yàn)。但這些結(jié)果仍處在臨床前階段不能據(jù)此判斷 CHK2 在人體中有效也不能說(shuō)明它已經(jīng)具備成藥性或長(zhǎng)期干預(yù)安全性。圖XunZi 的構(gòu)建與驗(yàn)證框架展示文獻(xiàn)和多組學(xué)輸入、假說(shuō)生成及后續(xù)實(shí)驗(yàn)環(huán)節(jié)。來(lái)源Nature Biomedical Engineering 原文相關(guān)資源XunZi 源代碼公開(kāi)基準(zhǔn)與排序結(jié)果Zenodo。來(lái)源XunZi, an AI biologist, reveals disease-modifying targetsNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01769-62026-08-04訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議研究論文LLM 解釋能幫人看皮膚病也會(huì)讓普通人更容易相信錯(cuò)誤建議可解釋 AIXAI是指模型除了給出預(yù)測(cè)還向使用者展示置信度、圖像熱區(qū)、相似病例或文字理由等輔助信息。Nature Medicine 本周發(fā)表的研究用兩項(xiàng)在線實(shí)驗(yàn)比較這些解釋方式用AI輔助623 名普通參與者判斷黑色素瘤與痣153 名基層醫(yī)生對(duì)四種皮膚病做鑒別診斷另有320 名醫(yī)學(xué)生完成與醫(yī)生相同的任務(wù)。研究使用經(jīng)過(guò)公平性約束訓(xùn)練的模型AI 輔助整體提高了診斷準(zhǔn)確率也縮小了不同膚色圖像之間的表現(xiàn)差距。普通參與者看到 LLM 解釋后準(zhǔn)確率平均提高 7.7 個(gè)百分點(diǎn)AI意見(jiàn)正確時(shí)診斷準(zhǔn)確率提高 13.4 個(gè)百分點(diǎn)AI 意見(jiàn)錯(cuò)誤時(shí)卻下降 21.1 個(gè)百分點(diǎn)提示普通參與者受 AI 錯(cuò)誤建議影響大而基層醫(yī)生較少被錯(cuò)誤建議帶偏。流暢的解釋會(huì)放大普通人采納 AI 判斷的傾向無(wú)論判斷是對(duì)是錯(cuò)。圖普通參與者在基礎(chǔ)提示、GradCAM、相似病例檢索和 LLM 解釋下的準(zhǔn)確性變化并區(qū)分 AI 正確與錯(cuò)誤的情形。來(lái)源Nature Medicine 原文相關(guān)資源論文在 figshare 同頁(yè)提供模型訓(xùn)練、解釋生成、兩項(xiàng)人群實(shí)驗(yàn)的數(shù)據(jù)與分析代碼。來(lái)源Divergent impacts of explainable AI for dermatological diagnosis on clinicians versus lay peopleNature Medicinehttps://www.nature.com/articles/s41591-026-04553-w2026-08-04訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議研究論文Mol-CADiff 嘗試讓自然語(yǔ)言條件更直接地進(jìn)入分子生成Mol-CADiff 是一個(gè)文本條件分子生成框架目標(biāo)是把“想要什么性質(zhì)的分子”這樣的自然語(yǔ)言描述轉(zhuǎn)成候選分子結(jié)構(gòu)。本周發(fā)表的論文介紹了它如何用 causal attention因果注意力處理文本內(nèi)部、分子內(nèi)部以及兩種模態(tài)之間的依賴關(guān)系。作者報(bào)告該方法在對(duì)照評(píng)測(cè)中生成的分子更多樣、化學(xué)上有效并且與指定性質(zhì)更一致。它處理的是文本條件與分子結(jié)構(gòu)怎樣對(duì)齊不能替代性質(zhì)預(yù)測(cè)、合成規(guī)劃和實(shí)驗(yàn)篩選。相關(guān)資源論文補(bǔ)充材料與原始數(shù)據(jù)入口Source Data。來(lái)源Mol-CADiff: text-conditional molecule generation via causality-aware autoregressive diffusionNature Communicationshttps://www.nature.com/articles/s41467-026-75702-52026-07-29訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議研究論文早期上線、待最終編輯10 萬(wàn)個(gè)溶劑候選在一天內(nèi)生成最后有 27 個(gè)走上實(shí)驗(yàn)臺(tái)電解液篩選很容易陷入一個(gè)現(xiàn)實(shí)難題候選空間大逐個(gè)合成和測(cè)試又太慢。MIT 團(tuán)隊(duì)從已知穩(wěn)定溶劑 DMTMSA 出發(fā)讓 AI 引導(dǎo)的算法在24 小時(shí)內(nèi)設(shè)計(jì) 10 萬(wàn)個(gè)同系候選分子再按形狀、電子性質(zhì)等條件壓縮到 200 個(gè)。研究者沒(méi)有停在計(jì)算排名而是從中選出覆蓋設(shè)計(jì)空間的 27 個(gè)分子在同一套條件下做實(shí)驗(yàn)最終找到尺寸更小、綜合表現(xiàn)最好的 DMFSA。AI 在這里做的是把巨大搜索空間收窄成實(shí)驗(yàn)室能處理的名單論文已經(jīng)在 Joule 在線發(fā)表。圖AI 引導(dǎo)候選生成和篩選后不同電解液配方得到的鈉金屬沉積掃描電鏡圖。來(lái)源MIT News 原文相關(guān)資源Joule 論文頁(yè)面MIT DSpace 開(kāi)放版本。來(lái)源Solving the solvent problemMIT Newshttps://news.mit.edu/2026/solving-solvent-problem-sodium-metal-batteries-08042026-08-04訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型權(quán)威科研機(jī)構(gòu)新聞稿對(duì)應(yīng) Joule 正式論文行業(yè)資訊與應(yīng)用進(jìn)展從研究到落地產(chǎn)業(yè)側(cè)的變化主要發(fā)生在科研工具和平臺(tái)上前沿模型向更多研究人員開(kāi)放自動(dòng)化合成、實(shí)驗(yàn)測(cè)試和模型更新也開(kāi)始被接成閉環(huán)。這些建設(shè)可能縮短研究流程但目前還沒(méi)有公開(kāi)證據(jù)表明它們已經(jīng)帶來(lái)新藥或新材料。OpenAI 把學(xué)術(shù)研究者支持計(jì)劃擴(kuò)展到 10 萬(wàn)人規(guī)模ChatGPT for Academic Researchers 是 OpenAI 面向高?？蒲腥藛T提供前沿模型訪問(wèn)、培訓(xùn)和協(xié)作支持的計(jì)劃。OpenAI 7 月 29 日宣布項(xiàng)目將在今年夏季先覆蓋 10,000 名研究者并計(jì)劃在 2027 年前擴(kuò)展至100,000 名科學(xué)、數(shù)學(xué)和工程研究者。參與者可以使用包括 GPT-5.6 Sol Pro 在內(nèi)的模型工作區(qū)默認(rèn)不把數(shù)據(jù)用于模型訓(xùn)練官方列出的場(chǎng)景包括基因組分析、蛋白建模、文獻(xiàn)綜述和假說(shuō)測(cè)試。整個(gè)計(jì)劃屬于 OpenAI 到 2027 年投入超過(guò) 2.5 億美元支持外部科學(xué)研究的一部分降低的是模型使用門(mén)檻不是一份科研效果評(píng)測(cè)。每周約 130 萬(wàn)人進(jìn)行高階科學(xué)和數(shù)學(xué)使用等數(shù)字來(lái)自公司自身統(tǒng)計(jì)只能說(shuō)明使用規(guī)模不能替代論文、復(fù)現(xiàn)或獨(dú)立產(chǎn)出評(píng)估。來(lái)源Accelerating scientific discovery with ChatGPT for Academic ResearchersOpenAIhttps://openai.com/index/chatgpt-for-academic-researchers/2026-07-29訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型公司官方發(fā)布Excelsior 想把“機(jī)器友好型化學(xué)積木”接進(jìn)藥物發(fā)現(xiàn)閉環(huán)Excelsior Sciences 是一家開(kāi)發(fā)自動(dòng)化小分子發(fā)現(xiàn)平臺(tái)的公司核心思路是用標(biāo)準(zhǔn)化含碳 building blocks化學(xué)積木讓機(jī)器反復(fù)執(zhí)行碳—碳鍵構(gòu)建。平臺(tái)包含 closed-loop learning用實(shí)驗(yàn)降低性質(zhì)模型的不確定性和 closed-loop discovery圍繞目標(biāo)性質(zhì)反復(fù)優(yōu)化試圖同時(shí)處理溶解度、滲透性、毒性和代謝等問(wèn)題。Nature Biotechnology 在 8 月 3 日的 Editor’s pick 中介紹了這套方法但本周發(fā)生的是期刊行業(yè)特寫(xiě)不是新融資9500 萬(wàn)美元融資和紐約州資助都發(fā)生在 2025 年 12 月。公開(kāi)材料也沒(méi)有給出本周期新增候選藥、跨項(xiàng)目獨(dú)立基準(zhǔn)或臨床驗(yàn)證因此目前能觀察的是平臺(tái)怎樣搭閉環(huán)還不能評(píng)價(jià)它最終帶來(lái)多少藥物產(chǎn)出。相關(guān)資源Excelsior Sciences 平臺(tái)說(shuō)明2025 年融資公告僅作背景不計(jì)入本周期事件。來(lái)源Editor’s pick: Excelsior SciencesNature Biotechnologyhttps://www.nature.com/articles/s41587-026-03249-32026-08-03訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型高影響期刊行業(yè)新聞特寫(xiě)政策動(dòng)態(tài)與專(zhuān)家觀點(diǎn)規(guī)則、資金與方向醫(yī)療 AI 的治理難題正在從模型準(zhǔn)確率延伸到更實(shí)際的問(wèn)題系統(tǒng)能影響用戶多少以及監(jiān)管機(jī)構(gòu)如何持續(xù)研究快速變化的產(chǎn)品。本周的專(zhuān)家評(píng)論分別討論決策權(quán)和監(jiān)管科學(xué)基礎(chǔ)設(shè)施但都不代表新規(guī)已經(jīng)生效。歐洲醫(yī)療器械與醫(yī)療 AI缺的不只是規(guī)則還有持續(xù)研究規(guī)則的機(jī)構(gòu)監(jiān)管科學(xué)與創(chuàng)新卓越中心CERSIs是一種讓監(jiān)管機(jī)構(gòu)、大學(xué)和產(chǎn)業(yè)長(zhǎng)期協(xié)作研究新技術(shù)證據(jù)與審批方法的組織設(shè)想。本周Anett Sch?nfelder、Stephen Gilbert德累斯頓工業(yè)大學(xué) Else Kr?ner Fresenius 數(shù)字健康中心及來(lái)自伯明翰大學(xué)、曼徹斯特大學(xué)、哥本哈根大學(xué)、斯坦福大學(xué)等機(jī)構(gòu)的作者在 Nature Biomedical Engineering 建議歐洲建立這類(lèi)中心。作者希望通過(guò)技術(shù)前瞻和早期證據(jù)方法研究讓醫(yī)療器械與醫(yī)療 AI 的規(guī)則能跟上產(chǎn)品變化。文中還披露部分作者得到英國(guó)或美國(guó)相關(guān)監(jiān)管科學(xué)中心支持。圖作者提出的 CERSI 協(xié)作結(jié)構(gòu)及監(jiān)管機(jī)構(gòu)、學(xué)術(shù)界和產(chǎn)業(yè)可能獲得的互補(bǔ)能力。來(lái)源Nature Biomedical Engineering 原文來(lái)源European Union innovation needs regulatory science excellence centresNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01756-x2026-07-29訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議專(zhuān)家評(píng)論 【AI4S】生化環(huán)材高可信技術(shù)與產(chǎn)業(yè)周報(bào)（2026-07-29—2026-08-04）
快速導(dǎo)讀AI 開(kāi)始更直接地接受實(shí)驗(yàn)和人的檢驗(yàn)。疾病靶點(diǎn)發(fā)現(xiàn)系統(tǒng) XunZi 提出的候選靶點(diǎn) CHK2 進(jìn)入帕金森病小鼠驗(yàn)證鈉金屬電池研究也把算法篩選接到了真實(shí)溶劑實(shí)驗(yàn)。另一項(xiàng)皮膚病研究提醒大語(yǔ)言模型生成的文字解釋既能幫助判斷也會(huì)放大普通人對(duì)錯(cuò)誤建議的依賴。本周值得看XunZi荀子是一個(gè)從文獻(xiàn)和多組學(xué)數(shù)據(jù)中尋找疾病靶點(diǎn)的 AI 系統(tǒng)。本周論文顯示它提出的 CHK2 候選靶點(diǎn)隨后接受了帕金森病小鼠實(shí)驗(yàn)抑制 Chk2 后神經(jīng)元損失和運(yùn)動(dòng)缺陷都有所緩解。本周一項(xiàng)皮膚病研究發(fā)現(xiàn)LLM 解釋會(huì)讓普通人從正確的疾病相關(guān)建議中獲益更多也會(huì)讓他們更容易被錯(cuò)誤建議帶偏。AI 引導(dǎo)的溶劑篩選是先用算法縮小候選范圍再把少量分子交給實(shí)驗(yàn)驗(yàn)證。MIT 團(tuán)隊(duì)本周報(bào)告從 10 萬(wàn)個(gè)候選中選出 27 個(gè)實(shí)測(cè)并找到綜合表現(xiàn)較好的候選溶劑 DMFSA。技術(shù)突破高影響期刊與正式科研成果XunZi 從多源生物醫(yī)學(xué)數(shù)據(jù)提出靶點(diǎn)并用帕金森病小鼠驗(yàn)證 CHK2XunZi荀子是一個(gè)面向疾病靶點(diǎn)發(fā)現(xiàn)的 AI 系統(tǒng)。它以2440 萬(wàn)篇生物醫(yī)學(xué)文獻(xiàn)為知識(shí)基礎(chǔ)并整合 613.6 TB 的多組學(xué)等數(shù)據(jù)把 21,008 個(gè)人類(lèi)基因與 5,850 種疾病放進(jìn)同一分析框架用來(lái)尋找相互支持的證據(jù)并給候選靶點(diǎn)排序。研究團(tuán)隊(duì)讓它分析帕金森病時(shí)系統(tǒng)將 CHK2、IRAK4 等激酶列為值得進(jìn)一步驗(yàn)證的候選團(tuán)隊(duì)隨后用藥理和遺傳方法抑制 Chk2在小鼠模型中觀察到多巴胺能神經(jīng)元損失減少運(yùn)動(dòng)缺陷也有所緩解。比起模型規(guī)模更關(guān)鍵的是候選靶點(diǎn)繼續(xù)接受了動(dòng)物實(shí)驗(yàn)檢驗(yàn)。但這些結(jié)果仍處在臨床前階段不能據(jù)此判斷 CHK2 在人體中有效也不能說(shuō)明它已經(jīng)具備成藥性或長(zhǎng)期干預(yù)安全性。圖XunZi 的構(gòu)建與驗(yàn)證框架展示文獻(xiàn)和多組學(xué)輸入、假說(shuō)生成及后續(xù)實(shí)驗(yàn)環(huán)節(jié)。來(lái)源Nature Biomedical Engineering 原文相關(guān)資源XunZi 源代碼公開(kāi)基準(zhǔn)與排序結(jié)果Zenodo。來(lái)源XunZi, an AI biologist, reveals disease-modifying targetsNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01769-62026-08-04訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議研究論文LLM 解釋能幫人看皮膚病也會(huì)讓普通人更容易相信錯(cuò)誤建議可解釋 AIXAI是指模型除了給出預(yù)測(cè)還向使用者展示置信度、圖像熱區(qū)、相似病例或文字理由等輔助信息。Nature Medicine 本周發(fā)表的研究用兩項(xiàng)在線實(shí)驗(yàn)比較這些解釋方式用AI輔助623 名普通參與者判斷黑色素瘤與痣153 名基層醫(yī)生對(duì)四種皮膚病做鑒別診斷另有320 名醫(yī)學(xué)生完成與醫(yī)生相同的任務(wù)。研究使用經(jīng)過(guò)公平性約束訓(xùn)練的模型AI 輔助整體提高了診斷準(zhǔn)確率也縮小了不同膚色圖像之間的表現(xiàn)差距。普通參與者看到 LLM 解釋后準(zhǔn)確率平均提高 7.7 個(gè)百分點(diǎn)AI意見(jiàn)正確時(shí)診斷準(zhǔn)確率提高 13.4 個(gè)百分點(diǎn)AI 意見(jiàn)錯(cuò)誤時(shí)卻下降 21.1 個(gè)百分點(diǎn)提示普通參與者受 AI 錯(cuò)誤建議影響大而基層醫(yī)生較少被錯(cuò)誤建議帶偏。流暢的解釋會(huì)放大普通人采納 AI 判斷的傾向無(wú)論判斷是對(duì)是錯(cuò)。圖普通參與者在基礎(chǔ)提示、GradCAM、相似病例檢索和 LLM 解釋下的準(zhǔn)確性變化并區(qū)分 AI 正確與錯(cuò)誤的情形。來(lái)源Nature Medicine 原文相關(guān)資源論文在 figshare 同頁(yè)提供模型訓(xùn)練、解釋生成、兩項(xiàng)人群實(shí)驗(yàn)的數(shù)據(jù)與分析代碼。來(lái)源Divergent impacts of explainable AI for dermatological diagnosis on clinicians versus lay peopleNature Medicinehttps://www.nature.com/articles/s41591-026-04553-w2026-08-04訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議研究論文Mol-CADiff 嘗試讓自然語(yǔ)言條件更直接地進(jìn)入分子生成Mol-CADiff 是一個(gè)文本條件分子生成框架目標(biāo)是把“想要什么性質(zhì)的分子”這樣的自然語(yǔ)言描述轉(zhuǎn)成候選分子結(jié)構(gòu)。本周發(fā)表的論文介紹了它如何用 causal attention因果注意力處理文本內(nèi)部、分子內(nèi)部以及兩種模態(tài)之間的依賴關(guān)系。作者報(bào)告該方法在對(duì)照評(píng)測(cè)中生成的分子更多樣、化學(xué)上有效并且與指定性質(zhì)更一致。它處理的是文本條件與分子結(jié)構(gòu)怎樣對(duì)齊不能替代性質(zhì)預(yù)測(cè)、合成規(guī)劃和實(shí)驗(yàn)篩選。相關(guān)資源論文補(bǔ)充材料與原始數(shù)據(jù)入口Source Data。來(lái)源Mol-CADiff: text-conditional molecule generation via causality-aware autoregressive diffusionNature Communicationshttps://www.nature.com/articles/s41467-026-75702-52026-07-29訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議研究論文早期上線、待最終編輯10 萬(wàn)個(gè)溶劑候選在一天內(nèi)生成最后有 27 個(gè)走上實(shí)驗(yàn)臺(tái)電解液篩選很容易陷入一個(gè)現(xiàn)實(shí)難題候選空間大逐個(gè)合成和測(cè)試又太慢。MIT 團(tuán)隊(duì)從已知穩(wěn)定溶劑 DMTMSA 出發(fā)讓 AI 引導(dǎo)的算法在24 小時(shí)內(nèi)設(shè)計(jì) 10 萬(wàn)個(gè)同系候選分子再按形狀、電子性質(zhì)等條件壓縮到 200 個(gè)。研究者沒(méi)有停在計(jì)算排名而是從中選出覆蓋設(shè)計(jì)空間的 27 個(gè)分子在同一套條件下做實(shí)驗(yàn)最終找到尺寸更小、綜合表現(xiàn)最好的 DMFSA。AI 在這里做的是把巨大搜索空間收窄成實(shí)驗(yàn)室能處理的名單論文已經(jīng)在 Joule 在線發(fā)表。圖AI 引導(dǎo)候選生成和篩選后不同電解液配方得到的鈉金屬沉積掃描電鏡圖。來(lái)源MIT News 原文相關(guān)資源Joule 論文頁(yè)面MIT DSpace 開(kāi)放版本。來(lái)源Solving the solvent problemMIT Newshttps://news.mit.edu/2026/solving-solvent-problem-sodium-metal-batteries-08042026-08-04訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型權(quán)威科研機(jī)構(gòu)新聞稿對(duì)應(yīng) Joule 正式論文行業(yè)資訊與應(yīng)用進(jìn)展從研究到落地產(chǎn)業(yè)側(cè)的變化主要發(fā)生在科研工具和平臺(tái)上前沿模型向更多研究人員開(kāi)放自動(dòng)化合成、實(shí)驗(yàn)測(cè)試和模型更新也開(kāi)始被接成閉環(huán)。這些建設(shè)可能縮短研究流程但目前還沒(méi)有公開(kāi)證據(jù)表明它們已經(jīng)帶來(lái)新藥或新材料。OpenAI 把學(xué)術(shù)研究者支持計(jì)劃擴(kuò)展到 10 萬(wàn)人規(guī)模ChatGPT for Academic Researchers 是 OpenAI 面向高?？蒲腥藛T提供前沿模型訪問(wèn)、培訓(xùn)和協(xié)作支持的計(jì)劃。OpenAI 7 月 29 日宣布項(xiàng)目將在今年夏季先覆蓋 10,000 名研究者并計(jì)劃在 2027 年前擴(kuò)展至100,000 名科學(xué)、數(shù)學(xué)和工程研究者。參與者可以使用包括 GPT-5.6 Sol Pro 在內(nèi)的模型工作區(qū)默認(rèn)不把數(shù)據(jù)用于模型訓(xùn)練官方列出的場(chǎng)景包括基因組分析、蛋白建模、文獻(xiàn)綜述和假說(shuō)測(cè)試。整個(gè)計(jì)劃屬于 OpenAI 到 2027 年投入超過(guò) 2.5 億美元支持外部科學(xué)研究的一部分降低的是模型使用門(mén)檻不是一份科研效果評(píng)測(cè)。每周約 130 萬(wàn)人進(jìn)行高階科學(xué)和數(shù)學(xué)使用等數(shù)字來(lái)自公司自身統(tǒng)計(jì)只能說(shuō)明使用規(guī)模不能替代論文、復(fù)現(xiàn)或獨(dú)立產(chǎn)出評(píng)估。來(lái)源Accelerating scientific discovery with ChatGPT for Academic ResearchersOpenAIhttps://openai.com/index/chatgpt-for-academic-researchers/2026-07-29訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型公司官方發(fā)布Excelsior 想把“機(jī)器友好型化學(xué)積木”接進(jìn)藥物發(fā)現(xiàn)閉環(huán)Excelsior Sciences 是一家開(kāi)發(fā)自動(dòng)化小分子發(fā)現(xiàn)平臺(tái)的公司核心思路是用標(biāo)準(zhǔn)化含碳 building blocks化學(xué)積木讓機(jī)器反復(fù)執(zhí)行碳—碳鍵構(gòu)建。平臺(tái)包含 closed-loop learning用實(shí)驗(yàn)降低性質(zhì)模型的不確定性和 closed-loop discovery圍繞目標(biāo)性質(zhì)反復(fù)優(yōu)化試圖同時(shí)處理溶解度、滲透性、毒性和代謝等問(wèn)題。Nature Biotechnology 在 8 月 3 日的 Editor’s pick 中介紹了這套方法但本周發(fā)生的是期刊行業(yè)特寫(xiě)不是新融資9500 萬(wàn)美元融資和紐約州資助都發(fā)生在 2025 年 12 月。公開(kāi)材料也沒(méi)有給出本周期新增候選藥、跨項(xiàng)目獨(dú)立基準(zhǔn)或臨床驗(yàn)證因此目前能觀察的是平臺(tái)怎樣搭閉環(huán)還不能評(píng)價(jià)它最終帶來(lái)多少藥物產(chǎn)出。相關(guān)資源Excelsior Sciences 平臺(tái)說(shuō)明2025 年融資公告僅作背景不計(jì)入本周期事件。來(lái)源Editor’s pick: Excelsior SciencesNature Biotechnologyhttps://www.nature.com/articles/s41587-026-03249-32026-08-03訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型高影響期刊行業(yè)新聞特寫(xiě)政策動(dòng)態(tài)與專(zhuān)家觀點(diǎn)規(guī)則、資金與方向醫(yī)療 AI 的治理難題正在從模型準(zhǔn)確率延伸到更實(shí)際的問(wèn)題系統(tǒng)能影響用戶多少以及監(jiān)管機(jī)構(gòu)如何持續(xù)研究快速變化的產(chǎn)品。本周的專(zhuān)家評(píng)論分別討論決策權(quán)和監(jiān)管科學(xué)基礎(chǔ)設(shè)施但都不代表新規(guī)已經(jīng)生效。歐洲醫(yī)療器械與醫(yī)療 AI缺的不只是規(guī)則還有持續(xù)研究規(guī)則的機(jī)構(gòu)監(jiān)管科學(xué)與創(chuàng)新卓越中心CERSIs是一種讓監(jiān)管機(jī)構(gòu)、大學(xué)和產(chǎn)業(yè)長(zhǎng)期協(xié)作研究新技術(shù)證據(jù)與審批方法的組織設(shè)想。本周Anett Sch?nfelder、Stephen Gilbert德累斯頓工業(yè)大學(xué) Else Kr?ner Fresenius 數(shù)字健康中心及來(lái)自伯明翰大學(xué)、曼徹斯特大學(xué)、哥本哈根大學(xué)、斯坦福大學(xué)等機(jī)構(gòu)的作者在 Nature Biomedical Engineering 建議歐洲建立這類(lèi)中心。作者希望通過(guò)技術(shù)前瞻和早期證據(jù)方法研究讓醫(yī)療器械與醫(yī)療 AI 的規(guī)則能跟上產(chǎn)品變化。文中還披露部分作者得到英國(guó)或美國(guó)相關(guān)監(jiān)管科學(xué)中心支持。圖作者提出的 CERSI 協(xié)作結(jié)構(gòu)及監(jiān)管機(jī)構(gòu)、學(xué)術(shù)界和產(chǎn)業(yè)可能獲得的互補(bǔ)能力。來(lái)源Nature Biomedical Engineering 原文來(lái)源European Union innovation needs regulatory science excellence centresNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01756-x2026-07-29訪問(wèn)時(shí)間2026-08-05 10:04北京時(shí)間來(lái)源類(lèi)型同行評(píng)議專(zhuān)家評(píng)論