专题目录
十位建设者，十种让 AI 接触真实世界的方式。
每篇从一个人进入一套系统：它解决什么问题，走到了哪一步，还有什么没有被证明。
01—03
计算与基础模型
从势能学习、主动采样到分子结构表征，看计算能力如何成为科学工作的新基础设施。
- 01
鄂维南
鄂维南：把分子模拟的“维数灾难”，改写成一条可扩展的学习路线
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。
观察路径量子数据 → 势能学习 → 分子模拟 → 基础设施组织
- 02
张林峰
张林峰：让势能模型在“不知道”时回去补数据
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。
观察路径量子标注 → 模型训练 → 构型探索 → 不确定性筛选 → 回流再训练
- 03
刘铁岩
刘铁岩：让模型读懂分子结构，还要继续追问它能否改变实验
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。
观察路径科学结构表示 → 预训练与任务适配 → 计算评测 → 下游验证
04—05
自动实验
模型开始拥有取料、合成、测试与数据回流的“手”，科学闭环由此进入物理世界。
06—08
临床与功能验证
药物、蛋白质设计和诊断模型，必须穿过实验、临床与独立验证，才能回答真实问题。
- 06
任峰
任峰：一条 AI 药物管线，最终要在随机临床试验里回答问题
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。
观察路径靶点发现 → 分子生成 → 临床前验证 → I 期与随机 IIa 期 → III 期登记（尚未招募）
- 07
曹龙兴
曹龙兴：蛋白质设计只有穿过表达、结构和功能验证，才不只是序列
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。
观察路径计算设计 → 蛋白表达 → 生物物理与结构验证 → 细胞功能 → 临床前验证
- 08
郭天南
郭天南：让蛋白质组模型接受多中心、盲法和前瞻验证
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。
观察路径临床样本 → 质谱测量 → 特征与模型 → 盲法多中心验证 → 待转化检测
09—10
业务与实体控制
预报持续接入观测，控制系统在安全边界内作用于真实装置，AI 开始承担运行责任。
为什么选择这十位？
不按名气排位，只看 AI 被带进了哪一段科学闭环。
- 入选案例在中国已有真实建设活动，不是停留在概念里的方案。
- AI 至少连接两个环节，例如模型与模拟、设计与实验、预测与行动。
- 每个案例都有公开来源可核查，无法确认的部分会明确保留。
- 名单不是排名；文章讲团队和系统，不把集体成果归给单一个人。
资料说明
让判断有来处，也保留不确定性。
本专题依据公开论文、机构资料、代码仓库、临床注册与企业披露。文章会区分可直接核查的事实、来源方说法和编辑判断；暂时无法确认的地方，会明确写出来。
阅读编辑与 AI 披露政策 →专题边界
- 本系列完全依据公开资料，不是原创采访，也不代表被写作者或所在机构背书。
- 企业与机构的性能、效率、客户和商业数字，若没有独立证据，一律标为来源方主张。
- 名单全部为男性，这是公开证据筛选产生的真实编辑偏差，不应被误读为该领域没有女性建设者。