Deep dives

深研

把技术、项目、组织与商业之间的关系讲清楚。新系列《从“算”到“做”》在这里完整收录。

公开资料画像深研2026/08/31系列 01

从 Deep Potential 到科学智能基础设施，鄂维南所推动的不是一次模型演示，而是一套让量子精度计算走向更大时空尺度的路线。

公开资料画像深研2026/08/31系列 02

DeePMD-kit 把方法做成软件，DP-GEN 把训练、探索、标注组织成并发学习循环；这是一条计算闭环，也是一条通向工程平台的路。

公开资料画像深研2026/08/31系列 03

Graphormer 把图结构编码做成可迁移的分子建模工具；它打开了科学基础模型的算法层，也提醒我们基准领先不等于科学发现。

公开资料画像深研2026/08/31系列 04

“小来”AI-Chemist 把计算大脑、移动机器人、实验工作站与反馈优化接在一起，展示了特定化学任务中的实体实验循环。

公开资料画像深研2026/08/31系列 05

晶泰科技的 Autonomous Lab 把 AI 设计、机器人实验、检测与数据回流并置；真正值得审计的是系统架构，而不是未经独立验证的效率口号。

公开资料画像深研2026/08/31系列 06

从靶点与分子生成到 I 期、随机 IIa 期，再到已登记但尚未招募的 III 期，rentosertib 留下了一条少见的长链证据；它仍未获批，疗效也未形成定论。

公开资料画像深研2026/08/31系列 07

计算与深度学习提出设计，实验室用表达、生物物理、晶体结构、细胞与临床前实验逐层筛选；这是一条人机协作验证链，而非全自动科学家。

公开资料画像深研2026/08/31系列 08

从活检样本和 DIA 质谱到 19 蛋白模型，再到 9 个中心的前瞻性验证，这个案例把 AI 诊断主张送进了更严格的临床证据环境。

公开资料画像深研2026/08/31系列 09

FuXi 与机器学习资料同化把真实观测、状态更新和连续预报接成循环；业务可用性仍需在明确的资料、基线和运行条件下判断。

公开资料画像深研2026/08/31系列 10

从“灵枢”控制平台到 EAST 的深度强化学习反馈，AI 必须在毫秒级实体装置、安全边界和可回退工程中工作，远非“自主运行聚变堆”。

报告深研2026/08/21

Jeff Dean 创办 Discovery Loop，真正值得看的不是明星创业，而是一次从规模化计算走向规模化发现的下注：AI 的临界点正在从生成答案转向经营可信闭环。

报告深研2026/08/20

提出一套可审计的 AI Scientist 验证框架，把问题价值、证据接地、计算测试、物理实验、独立复现和责任归属分开检查。

备忘深研2026/08/19

模型结果只是起点。问题、证据、数据、实验和采用五道关口，帮助我们判断一项 AI4S 能力距离真实价值还有多远。

备忘深研2026/08/19

AI for Science 不只是模型能力的竞赛，更是科学问题、工程系统、产业需求和新组织方式重新连接的过程。