Anthropic宣布其位于湾区的湿实验室利用Claude发现一种此前未知的酶系统，源自噬菌体DNA，具备切割、复制、粘贴DNA等类似CRISPR的特性。该发现主要由Claude完成，耗时21小时，动用约950个智能体、消耗2.1亿token。CEO Dario Amodei承认该发现基于他人工作，斯坦福团队此前曾发现类似系统，实际价值有待学界验证。
周伯文在2026浦江创新论坛上指出，AI与科学已深度交织，AI贯穿科研全链条。他以单克隆抗体研发周期缩短至90天、AlphaFold解决蛋白质折叠难题、NS方程智能体运算等案例说明AI提升空间，并梳理AI与科学关系演进的三重境界，提出构建科研反馈关联体系、突破三大技术关卡等观点。
连文昭近日受访时阐述了源络科技深耕AI for Science领域的底层逻辑：让机器人真正融入真实科研实验环境。他不仅拆解了旗舰产品Monte02的核心架构，还披露了自研OPN模型的关键设计，并解释了为何实验室是具身智能最理想的落地场景——同时强调团队自主研发伺服控制与关节模组，以精准匹配实验操作需求。对于关注机器人赛道的读者，这或许意味着一条值得借鉴的产品路径：紧扣科学场景的真实痛点，而非泛化炫技。
在2026科学智能大会上，鄂维南不仅发表了主题报告，还在专访中畅谈AI for Science的现况与出路。他直言，数学是AI的地基，但如今这门基础学科反而有被淡化的趋势；为此他正牵头推进AI数理基础重大项目。对于当前的大模型，他认为其科学推理与多模态识别能力仍十分薄弱，真正棘手的科学难题并非靠堆数据就能解决，必须从底层架构上另辟蹊径。他还构想了一套AI时代的科研新范式：让研究资源更普惠、以产业需求反向设计机制、给真正的好奇心留出空间。在他看来，眼下最稀缺的不是算力，而是既懂AI又懂科学的跨学科人才——这也正是有志于此的年轻人可以切入的方向。
在2026科学智能大会上，来自农业、生命科学、人工智能、地球科学等领域的多位专家接受《环球时报》采访，分享了AI for Science在效率提升、科研范式变革方面的进展与案例，并讨论了AI在提出原创科学问题方面的局限性及未来前景。