上海人工智能实验室主任周伯文在2026世界人工智能大会上披露的数据显示，AI在编程领域已实现重大突破：代码生成任务成功率从不足5%跃升至88%，形成完整的生成-测试-优化闭环。然而，在端到端科学发现任务中，最先进大模型的完成率仍徘徊在3%左右，这一反差凸显出人工智能发展面临的深层挑战。
周伯文指出，编程任务的封闭性特征使其易于通过强化学习优化，而科学探索具有开放性和不确定性，反馈周期漫长且失败概率高。这种差异将AI发展推向关键转折点——如何突破"重述已知"的局限，真正实现"创造未知"的跨越。全球顶尖实验室正将资源向科学发现领域倾斜，试图破解这一核心命题。
Anthropic公司去年5月启动的AI for Science Program，通过提供免费API额度支持高影响力科研项目。10月推出的Claude for Life Sciences系统，已实现与Benchling实验记录平台、BioRender科研绘图工具、PubMed文献数据库的深度集成，覆盖单细胞分析、空间组学等前沿场景。今年6月，AlphaFold创始人、诺贝尔化学奖得主John Jumper的加盟，更强化了该公司在生物计算领域的布局。
OpenAI于今年4月发布的前沿推理模型GPT-Rosalind，专门针对生命科学研发需求设计，支持蛋白质结构预测、药物分子设计等复杂任务。阿里达摩院联合高校研发的ElementClaw智能体，在超导材料发现领域取得突破性进展，成功预测6.8万种候选材料，其中4种新型超导体已通过实验验证。
字节跳动在AI for Science（AI4S）领域的布局早有端倪。其Seed Edge团队自2025年成立起，就设定三年考核周期聚焦基础AGI研究，近期发布的EdgeBench评测集首次揭示了真实环境学习的缩放定律。该团队构建的技术体系已形成完整链条：从2025年的Protenix蛋白质预测模型，到2026年升级的Anew Labs平台，再到今年披露的IL-17小分子抑制剂临床前成果，覆盖从基础研究到药物开发的完整周期。
新启动的Seed STEM科学家计划延续了这一战略思路。该计划面向全球招募100位STEM领域博士，要求申请者具备扎实的学科基础和AI工具应用能力。入选者将获得专属算力集群、跨学科研究团队支持，以及具有市场竞争力的薪酬待遇。首期项目为期半年，重点探索AI在材料科学、生物医药等领域的创新应用。
人才流动折射出行业变革的深层脉动。2026年6月，UCLA副教授顾全全与计算生物学负责人肖文之相继离职，投身AI制药创业浪潮。这种趋势既带来挑战，也印证了科学界对AI技术价值的认可。字节跳动通过科学家计划构建的"学术-产业"协作网络，正在形成新的研发范式。
当前AI4S领域的竞争已进入深水区。单纯的技术积累或算力堆砌难以建立持久优势，唯有将顶尖科学思维、工程化能力与产业验证体系有机结合，才能在这场马拉松竞赛中占据先机。随着更多跨界力量的加入，科学发现的方式正在经历根本性变革。
