大模型以其强大的语言处理能力、高效的专业任务表现以及仿佛具有“人工智能觉醒”般的特性，成功吸引了全球众多用户的关注。在应用领域，AI 已经在医疗、科研、教育、法律等多个领域展现出广泛的应用现状和巨大的潜力。对普通人来说，迎接 AI、拥抱 AI 需要准备什么？需要怎么做？本地部署还是云端部署？下一个值得关注的方向是什么？本期 DeepTalk 将从尽量落地的角度，聊一聊人工智能正在如何改变我们的生活和工作，作为普通人的我们如何更好地使用 AI，帮助生活、工作更加高效。 本期嘉宾 赵昊：清华大学智能产业研究院（AIR）助理研究员/助理教授、光轮智能首席科学家 赵昊，清华大学电子工程系学士/博士，曾任英特尔中国研究院研究员和北京大学联合博士后。赵昊博士专注于几何与认知层面的场景理解及其在机器人中的应用，于计算机视觉与机器人国际期刊和会议（CVPR、ICCV、ECCV、IJCV、CVIU、ISPRS、T-IP、T-MM、NeurIPS、ICLR、RA-L、ICRA、IROS）上发表近 30 篇论文。赵昊博士是清华大学最大的机器人社团“天空工场”的创始人和负责人之一，曾参与孵化 10 余家高新技术创业公司。赵昊博士曾获得 LSUN、Holistic3D、LID 等多项学术竞赛冠军。 时间轴 2:01 DeepSeek 的爆火 6:53 AI 技术的体系结构 17:42 AI 的部署与应用 28:54 AI 部署与提示词工程 53:42 AI 的创造性 57:28 下一个爆发点 内容聚焦 大模型的吸引力与技术突破 DeepSeek 凭借强大的中文处理能力、专业任务的高效表现以及“人工智能觉醒”的感觉吸引了众多用户。此外，大模型在复杂推理任务上的高效处理能力，以及能够展示思考过程的特性，让用户对其智能性有了更直观的感受。这些技术突破不仅提升了用户体验，也为 AI 的广泛应用奠定了基础。 AI 技术的体系结构与未来发展 良好的体系结构在大规模训练过程中能够显著减少系统崩溃的次数，提高训练效率。尽管体系结构的研究曾一度被视为“老派”，但在 AI 的新时代，它重新成为关注的焦点。无论是从学术研究还是商业应用的角度来看，体系结构都是 AI 发展的关键，它不仅影响模型的训练效率，还决定了模型在实际应用中的表现。 AI 在各领域的应用现状与潜力 AI 在医疗、科研、教育、法律等多个领域的展现出了广泛的应用现状和巨大的潜力。在医疗领域，AI 可以作为医生的助手，提高诊断效率；在科研领域，AI 能够帮助研究人员进行文献整理和数据分析；在教育领域，AI 可以辅助教学，提供个性化的学习建议和帮助教师准备“段子”。这些应用展示了 AI 在不同领域的广泛潜力，同时也指出了 AI 在实际应用中可能面临的挑战和局限性。 AI 的部署与未来展望 AI 模型的部署方式包括本地部署和云端部署。本地部署可以更好地保护用户隐私和商业机密，而云端部署则更加便捷，适合快速迭代和大规模应用。此外，AI 在未来需要更好地与人类智慧结合，从而在教育、医疗、法律、娱乐等领域实现更高效的应用。 制作团队 主持人：秦明杨 剪辑：嘉鱼 运营：大壮

大模型浪潮下，你是否想过，“小”也能创造颠覆？当 DeepSeek 席卷全球时，另一场静默的革命正在发生——从你的手机、汽车到家用机器人，只需几亿参数的小模型，正以更快的响应、更低的功耗，悄然重塑 AI 落地的逻辑。它们如何在终端设备上实现“麻雀虽小，五脏俱全”？又如何与云端大模型协同，构建未来智能生态？本期 DeepTalk 揭开小模型的技术密码：从知识蒸馏到端云博弈，从隐私守护到开源平权，看“小而美”如何撬动万亿级 AI 商业化未来。 本期嘉宾 韩旭：清华大学计算机系助理研究员 主要研究方向为人工智能、自然语言处理、大模型、知识计算。在人工智能及自然语言处理领域会议及期刊发表数十篇，Google Scholar 他引 10000 余次。参与创建大模型开源社区 OpenBMB，相关开源项目在全球最大开源社区 Github 累计获得 6 万余星标。 时间轴 2:20 什么是小模型？ 5:37 从技术角度对比小模型和大模型 10:54 小模型是否需要更加优质的数据？ 15:44 小模型是否可以完全部署到端侧？ 28:30 小模型的应用的优势和局限性 40:18 小模型的多模态 57:28 全球模型竞争中，小模型的竞争状态如何？ 内容聚焦 小模型的核心特点 小模型通过精简参数规模（通常为几亿至几十亿）实现高效部署，结合稀疏激活、知识蒸馏等技术，在保持性能的同时显著降低算力与存储需求。其核心优势在于端侧部署能力，适用于手机、汽车、IoT 设备等终端，响应速度快、功耗低，且能通过本地化数据处理保护用户隐私。此外，小模型虽参数有限，但通过与大模型协同（端云互补），可覆盖 80% 的日常任务（如订票、简单推理），复杂任务则依赖云端大模型，形成通用性与专用性结合的智能生态。 技术路径与挑战 小模型的训练依赖知识蒸馏技术，即利用大模型生成高质量合成数据，指导小模型模仿大模型的行为逻辑，从而弥补参数规模的不足。同时，数据质量与芯片适配成为关键：需通过高信息密度数据提升单位参数效能，并针对终端芯片优化算力分配。多模态处理是另一挑战，需分通道编码图像、语音等输入，再融合特征进行跨模态理解，但需平衡存储效率与计算资源消耗。此外，小模型的幻觉问题（因参数少导致知识记忆不足）仍需通过强化数据对齐和上下文学习缓解。 应用场景 小模型在终端设备（如手机、智能家居）中实现本地化智能交互，例如冰箱监测食品状态、机器人理解语音指令。隐私敏感领域（医疗、金融）通过端侧处理数据，仅将复杂分析交由云端，既保障隐私又提升效率。教育场景中，小模型可本地部署为个性化学习助手，避免依赖云端服务的延迟与隐私风险。工业领域（无人机、机械臂）则结合端侧实时响应与云端决策支持，优化控制精度与能耗。 未来趋势与争议 云端协同将成为主流模式：终端处理高频低复杂度任务（如语音唤醒），云端专注高算力需求（如科研分析）。开源生态（如 DeepSeek）推动技术平权，降低企业部署门槛，但需平衡商业化与社区贡献。争议点集中于小模型的幻觉问题、多模态融合的技术瓶颈，以及“模型能力可用性”的评估标准缺失（依赖人工评测或固定测试集）。此外，端侧芯片算力提升可能模糊端云界限，促使小模型向更大参数演进，但需解决功耗与成本的矛盾。 行业影响 小模型推动科技平权，赋能中小企业和个人开发者低成本接入 AI 能力，例如开源框架支持本地化部署。教育领域从技能训练转向思维培养，AI 工具（如代码生成、知识检索）辅助学生聚焦逻辑构建而非机械记忆。人机协作模式深化，AI 在科研、法律咨询中成为“协作者”，但需应对伦理争议（如数据归属）与就业冲击（低技能岗位替代风险）。整体上，小模型与云端大模型共同构建下一代 AI 基础设施，驱动智能技术向普惠化、场景化发展。 制作团队 主持人：冰冉 剪辑：嘉鱼 运营：大壮

根据 IDTechEx 的预测，到 2035 年，触觉技术市场预计将达到 71 亿美元。我们也注意到在今年的 CES 上，日本触觉反馈技术提供商 Diver X 推出了一款配备触觉反馈的手套形状的 VR 控制器 ContactGlove2，可以搭配头显使用。韩国 VR 触觉解决方案提供商 bHaptics 也在大会上展示了旗舰触觉背心 TactSuit Pro，支持 Quest、索尼 PSVR2 等的 270 多款游戏，现场观众就能穿着头显与触觉背心，沉浸式体验枪击游戏。 目前在触觉交互方面，国内的应用还没有热起来。但从研究角度，有一些极具代表性的团队。我们希望通过跟这些研究团队中的年轻代表交流，从前沿技术探索的角度，解读触觉技术的发展和应用现状，并畅想一下在未来，触觉技术将如何改变交互体验。 本期嘉宾 张壮：复旦大学青年研究员、博士生导师 研究方向：包括多模式触感交互、柔性与刚柔耦合机器人、折纸工程学等。近三年以第一/通讯作者于 Nature Machine Intelligence, Nature Communications, Science Advances, IEEE Transactions on Robotics 等国际权威期刊发表论文十余篇，担任 ICRA, Cyborg and Bionic Systems, Soft Science 等期刊与顶会的副编及青年编委。曾获中国十大新锐科技人物创新贡献奖、IROS New Generation Star 等荣誉奖项。 童倩倩：鹏城实验室副研究员 研究方向：长期致力于触觉人机交互相关理论方法研究，曾在西班牙多模态仿真实验室（2022-2023 年）做访问研究，荣获 ACM VRST 最佳学生论文奖、IEEE WHC 最佳论文提名奖，入选鹏城孔雀特聘岗位人才计划及“鲲鹏”人才引育计划。 主持人 秦明杨：《麻省理工科技评论》中国社区运营负责人、奥克兰大学计算语言学方向硕士 时间轴 03:49 先来聊聊 CES 上的两个触觉产品 16:10 人的五感和各自的重要性 20:38 怎么定义触觉技术？ 26:27 目前的触觉技术距离复现人的真实触觉体验还有多远？ 29:18 触觉+AI 带来的想象空间 32:14 目前触觉技术的应用场景有哪些？ 38:59 触觉技术的受众都有哪些？ 50:18 落地的产品形态 59:40 VR 是必须的吗？ 64:22 国际发展差异 74:30 对未来的预测 内容聚焦 本期播客分别从技术和应用的角度，讨论了触觉技术的发展现状、国内外差异，以及从应用角度探讨了针对不同群体、业务场景的应用，以及对未来的展望和期待。 五感与触觉 视觉和听觉是人类获取信息的主要渠道，占据主导地位，被认为是“关键性”的感官。嗅觉和味觉被认为是“辅助性”的感官，主要用于提升生活质量和体验。即使失去嗅觉或味觉，人类仍能正常生活，只是生活质量会有所下降。触觉被认为是“根本性”的感官，它决定了人类对物体的感知和交互能力。触觉在五感（视觉、听觉、嗅觉、味觉、触觉）中具有不可替代的重要性，其与人类的生存和基本生活密切相关。例如，失去触觉的人可能无法完成日常的简单动作，如拿水杯或写字。它不仅是人类感知世界的基础，也是人类与环境交互的核心感官。触觉与其他感官协同作用，提供了更丰富的交互体验。 触觉技术的发展现状 尽管触觉技术在近年来取得了显著进展，但与人类复杂的触觉感知能力相比，仍处于初级阶段。目前的触觉设备主要集中在单一模式的反馈，如震动、简单的按压反馈等，难以复现真实世界中丰富的触觉体验，例如温度、湿度、纹理和多模态交互的复杂性。触觉技术的发展依赖于硬件和软件的协同进步。硬件方面，触觉设备（如手套、背心等）的性能和功能正在逐步提升，但仍有很大的改进空间，尤其是在设备的舒适性、精度和多模态反馈能力方面。软件方面，触觉渲染算法和人工智能技术为触觉内容的生成提供了支持，但由于缺乏高质量的触觉数据集，软件的优化和应用仍受到限制。 触觉技术的发展涉及多学科的交叉，包括材料科学、机械工程、计算机科学、人工智能和神经科学等。这些学科的协同创新为触觉技术的进步提供了动力，但同时也带来了技术整合和优化的挑战。 触觉技术的应用 触觉技术作为一种新兴的交互技术，在多个领域展现出广泛的应用前景。在娱乐领域，触觉技术通过模拟真实触感，如游戏手柄的震动反馈或 VR 设备中的触觉手套，极大地增强了用户的沉浸感和真实感，提升了游戏和观影体验。在医疗领域，触觉技术被应用于手术机器人和康复设备，帮助医生在远程手术中获得更真实的触觉反馈，提高手术精度，同时也为康复治疗提供辅助支持。在工业领域，触觉技术可用于遥操作和工业培训，通过触觉反馈帮助操作人员更好地完成复杂任务，提升工作效率和安全性。此外，触觉技术还在教育领域提供更直观的学习体验，例如通过触觉反馈设备模拟物理实验的触感。在特殊群体辅助方面，触觉技术为视障人士提供导航和环境感知支持，帮助他们更安全地生活。未来，随着技术的不断进步，触觉技术有望在更多领域实现突破，为人类的生活和工作带来更多便利和创新体验。 触觉技术针对不同群体的意义 对于普通消费者，它提升了娱乐和社交体验；对于特殊群体，它提供了重要的补偿和辅助功能；对于专业人士，它提高了工作效率和操作精度；对于科研人员，它推动了对人类感知和交互机制的研究；对于机器人和自动化领域，它提升了交互能力和操作精度。随着技术的不断发展，触觉技术将在更多领域发挥更大的作用，为不同群体带来更多的便利和创新体验。 关于未来趋势的研判 未来触觉技术将在多个方面取得显著进步。硬件层面，触觉技术将朝着多模态反馈的方向发展，能够模拟更丰富的触觉体验，如温度、湿度、纹理和力反馈等。同时，设备将更加轻便、舒适，具备更高的精度和可靠性。软件方面，随着人工智能和大数据技术的发展，触觉内容的生成将更加智能化和个性化，能够根据用户需求和偏好动态调整反馈模式。此外，触觉技术将与 AI、量子计算等新兴技术深度融合，为实现更逼真的触觉体验提供支持。 在应用场景上，触觉技术将广泛拓展至娱乐、医疗、工业、教育等多个领域。例如，在娱乐领域，触觉技术将与 VR/AR 设备深度结合，为用户带来更沉浸式的体验；在医疗领域，触觉反馈将助力手术机器人和康复设备，提升操作精度和治疗效果；在工业领域，触觉技术将用于遥操作和培训，增强操作效率和安全性。此外，触觉技术还将为视障人士、老年人等特殊群体提供更全面的感知补偿，提升其生活质量。随着技术的成熟和成本的降低，触觉技术有望在未来三到五年内实现硬件性能和软件算法的显著提升，并在未来五到十年内形成更完善的生态系统，逐渐普及到消费市场。 嘉宾们还强调，触觉技术的发展将推动人机交互的全面升级，为不同群体带来更丰富的交互体验。未来，触觉技术将与视觉、听觉等其他感知技术融合，形成更自然、更高效的交互模式，为人类的生活和工作带来更多便利和创新。 制作团队 主持人：秦明杨 剪辑：嘉鱼 运营：大壮

就在上周五的 NeurIPS 上，OpenAI 的前首席科学家 Ilya Sutskever 在他的分享中表示：尽管现有数据仍能推动人工智能的发展，但这个行业里称得上可用的新数据已经接近枯竭。正如石油是有限资源一样，互联网中由人类生成的内容也是有限的。我们已经达到了数据的峰值，未来不会再有更多数据，我们必须利用现有的数据，因为互联网只有一个。 Ilya Sutskever 的发言或许反映出数据的发展方向正在发生转变：从依赖海量数据的预训练模型转向更加注重智能体、合成数据和推理等领域。这种转变一定程度上预示着 AI 技术发展的新趋势。 这次，我们选择以数据作为切入点，来讨论一下数据的发展方向，以及在这基础上的 AI 走向。 本期嘉宾 刘子纬：南洋理工大学助理教授 研究领域：刘子纬的研究兴趣涵盖计算机视觉、机器学习和计算机图形学。他博士师从汤晓鸥教授，曾在加州大学伯克利分校（2017-2018 年）担任博士后研究员，后在香港中文大学（2018-2020 年）担任研究助理。刘子纬曾获得多项荣誉，包括 PAMI Mark Everingham 奖、《麻省理工科技评论》亚太区 35 岁以下科技创新 35 人、ICBS 科学前沿奖、CVPR 最佳论文奖候选人以及亚洲青年科学家奖学金。他的研究成果已转化为产品，包括微软 Pix、SenseGo 和谷歌 Clips。 赵昊：清华大学智能产业研究院(AIR)助理研究员/助理教授、光轮智能首席科学家 研究领域：赵昊博士专注于几何与认知层面的场景理解及其在机器人中的应用，于计算机视觉与机器人国际期刊和会议(CVPR, ICCV, ECCV, IJCV, CVIU, ISPRS, T-IP, T-MM, NeurIPS, ICLR, RA-L, ICRA, IROS)上发表近 30 篇论文。赵昊博士是清华大学最大的机器人社团“天空工场”的创始人和负责人之一，曾参与孵化 10 余家高新技术创业公司。赵昊博士曾获得 LSUN, Holistic3D, LID 等多项学术竞赛冠军。 主持人 秦明杨：《麻省理工科技评论》中国社区运营负责人、奥克兰大学计算语言学方向硕士 时间轴 05:11 大模型的训练使用到了什么数据？ 12:53 合成数据 vs 生成数据 19:06 合成数据的应用场景 26:33 推理类数据对于自动驾驶和具身智能的意义 29:39 合成数据的生产方式 35:00 自动驾驶和具身智能领域的数据合成方式 38:19 影响合成效率的因素有哪些？ 42:00 对学界和业界来说，合成数据的更新频率是怎样的？ 45:12 评估合成数据的标准 49:19 合成数据可以被称为是一个产业或者产业链上的一环吗？ 55:31 合成数据方面值得关注的方向 62:42 合成数据是否可以迁移到 AI4S 来推动其他学科的发展？ 内容聚焦 本期播客分别从学术和产业的角度，讨论了合成数据的概念、生产过程和评价标准，深入分享了合成数据对 AI 产业的重要性，以及未来随着生成数据和合成数据的合并使用，将对 AI 以及 AI4S 的重要意义和发展趋势。 合成数据 vs 生成数据 合成数据（Synthetic Data）和生成数据（Generated Data）是两个在人工智能和机器学习领域中经常使用的概念，它们都涉及到创建用于训练和测试模型的数据集。合成数据是通过模拟或算法生成的数据，它通常基于现实世界数据的模式和分布，但不是直接从现实世界中采集的。生成数据是指利用生成模型（尤其是大模型）创建的数据，这些数据不仅模仿现实数据的分布，而且在某种程度上具有原创性和真实性。合成数据更注重可控性，可以根据特定的需求和规则来生成，而生成数据更注重真实性，它模仿现实世界数据的外观和特征，但可能不完全受控。随着技术的发展，两者被越来越多地被结合起来使用，以发挥各自的优势。 合成数据产业 数据作为 AI 公司核心竞争力的体现，在 AI 发展中处于核心地位。随着 AI 技术的进步，数据的需求和消耗速度增加，合成数据作为一种解决方案，可以帮助突破数据量瓶颈，尤其是在获取真实数据困难或成本高昂的场景中。此外，合成数据产业被视为一个广泛的领域，不仅包括专门的数据供应商，也涵盖了所有涉及数据生产、处理和合成的 AI 工程师和科学家。合成数据在提高模型性能、推动 AI 技术进步以及在特定领域如自动驾驶和机器人技术中的应用潜力巨大。随着中国生产力的发展和对 SaaS 模式接受度的提高，合成数据产业在中国也有望逐渐兴起并成为 AI 领域的一个重要分支。 关于未来趋势的研判 在未来一年内，我们预计会在不同模态数据的融合方面取得显著进展，这对于训练能够理解和处理多种类型数据的统一多模态大模型至关重要。在接下来的 1 到 2 年里，自动驾驶和智能系统领域的闭环仿真器将集成人工智能技术，这不仅将增强它们在感知任务上的能力，还将使它们能够进行复杂决策，从而显著提高生产效率和智能系统的实用性。 视频合成数据预计将给视频理解行业带来重大突破，特别是在多媒体内容理解和监控领域。这些进步将促使互联网公司的算法变得更加智能，进而改善内容推送和用户交互体验。在自然语言处理（NLP）领域，尤其是对于类似于 o1 这样的推理能力，合成高质量的推理数据将有助于提升模型的推理能力，使模型更加智能，能够解决更多复杂的问题。 合成数据和生成数据的融合将成为一个明显趋势，这一趋势旨在结合两者的优势，提高数据的真实性和可控性。在未来 3 到 5 年内，我们可能会看到更加动态和开放的合成数据环境的出现，这些环境类似于电视剧《西部世界》中的概念，使得 AI 系统能够在其中实时获得反馈并不断进化。 此外，合成数据技术有望扩展到生命科学和材料科学等其他领域，从而对这些学科的发展产生深远影响。这些跨领域的应用将进一步推动合成数据技术的发展，并可能在多个行业中引发变革。 制作团队 主持人：秦明杨 剪辑：嘉鱼 运营：大壮

有报道称，中国有 18.2% 夫妻受到不孕不育困扰。在人类女性一生中大约有 400-500 个卵子发育成熟，但其中 20%-50% 的卵子带有过多或者过少的染色体。染色体数目异常的卵子在受精后会产生发育异常的胚胎，从而导致女性不育、流产或唐氏综合症等遗传疾病。成功受精后胚胎发育异常也会造成胚胎疾病。而与此相对的，是人类对于卵子的发生、胚胎的发育还知之甚少。 本期嘉宾 翟晶磊：中国科学院动物研究所副研究员 从事哺乳动物早期胚胎发育相关研究，利用生物材料构建啮齿类和灵长类胚胎体外长时程培养体系、利用胚胎培养体系研究灵长类动物原肠运动与早期器官发育核心事件、构建灵长类早期胚胎和胚外组织单细胞多组学图谱等。相关研究不仅为发育生物学和再生医学等领域奠定理论基础，更为揭示人类出生缺陷等不良妊娠结局提供技术与数据支持。 苏俊：清华大学生物医学交叉研究院助理教授，北京生命科学研究所研究员 利用不同的哺乳动物模型，结合国际领先的光电镜（如光片活细胞成像，扩展成像、组织透明化成像、大体积电镜）、功能丧失、生物物理（如力生物学测量、建模）等技术，探索卵子和胚胎发育的机制。研究成果将为女性不育的成因和防治提供新方向，并改善现有的医学辅助生殖技术。 主持人 冰冉：中国科学院微生物研究所硕士 时间轴 02:19 生殖医学相关疾病的成因 09:47 胚胎发育相关疾病 12:19 胚胎发育科学研究 15:16 卵子发育的科学研究 24:00 早期胚胎成像与体外培养研究 33:01 如何从实验室转化到临床应用 44:08 未来是否可以实现人工子宫？ 46:53 辅助生殖技术的个性化医疗仍比较难 49:03 伦理相关讨论 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

类器官是一项被麻省理工科技评论列为全球十大突破性技术之一的技术，也是被 science 列为年度十大科学突破的技术，作为一项生命科学的基础研究工具，类器官技术对生物医学产生了颠覆性影响，改进了体外探索生命现象和医学问题的手段和方法，在众多领域都展现出巨大的应用潜力。类器官是一种体外培养的由干细胞分化而来的自组装三维细胞团，类器官具有干细胞对应组织器官的细胞类型和复杂空间形态，能够模拟组织器官的部分功能和生理反应，与来源组织具有极高的相似性。 本期嘉宾 李一伟：华中科技大学教授 生物医学工程系 系主任 研究方向为功能微组织、类器官的构建，重点研究其中相关生物力学、生物物理问题，并构建服务于该研究的高通量的单细胞力学、组学分析技术。他将机械力学设计在微米尺度上与细胞分子信号转导结合起来，实现了带有生物功能的微组织的构建，以及类器官的可控生长调节。 黄琦：约翰·霍普金斯大学博士 研究方向主要是通过设计和制造可折叠的电子器件来实现对于生物类器官的电生理信号测量。开发“微型脑电帽”，能够将脑类器官进行包裹并检测脑电活动信号，可以更好地探索神经系统疾病以及危险化学物质对大脑产生的影响。Frontiers in Artificial Intelligence 期刊组织智能部分审稿编辑。 主持人 王康：中国医学科学院博士 冰冉：中国科学院微生物研究所硕士 时间轴 02:14 什么是类器官 04:32 类器官的尺寸有多大？ 06:50 与传统的细胞培养，类器官有何优势？ 16:00 培养类器官的技术 20:01 类器官技术的起源与发展 29:44 微流控技术用于类器官培养 35:40 类脑智能研究 43:21 类器官的应用场景与产业——药物筛选 49:45 类器官用于临床前实验 重点摘要 类器官技术被广泛认为是生命科学领域的一项突破性创新，它能够模拟特定器官的结构和功能，帮助研究者理解生命现象，改善药物筛选。今天 DEEPTALK 播客中，分享了类器官的定义、特征及其在医学研究中的应用价值，强调了该技术对于生物医学领域的潜在影响和革新意义。 ● 类脑器官的研究及其科学价值 类脑器官是一种通过干细胞或肿瘤细胞在体外培养形成的具有三维结构、自组织特性的研究模型，其目标在于模仿真实的组织结构和功能，而不仅仅是其大小。这类模型不一定要与真实器官大小相同，关键在于是否能展示出研究对象的结构和功能特征。类脑器官的使用在科研领域有显著优势，相比于传统的细胞培养技术或动物模型，它能提供更接近真实的组织反应，有助于更深入地理解复杂的生物学过程，比如神经元的分化和功能研究。此外，通过类脑器官的研究，科学家能够探索人类大脑的复杂性，为神经科学和疾病治疗提供新的视角和方法。 ● 二维细胞培养与三维器官培养的优缺点 二维细胞培养在精准医疗领域因其高通量和能从特定病人中获得培养方法而显得高效，但缺乏对细胞真实力学环境的模拟，导致结果可能不够准确。相比之下，三维器官培养提供了更接近真实的三维环境和细胞分布，能更好地模拟人体结构，但在技术成熟度、尺度以及某些特定细胞类型的缺失方面仍存在挑战。同时，动物实验虽能提供结构和行为测试，但与人体应用间存在较大差异，且流程耗时，通量较低。类器官技术可能在未来逐渐减少对动物实验的依赖。此外，这种技术在药物筛选和个性化医疗方面也展现出巨大潜力。 ● 类器官培养技术及其应用前景 探讨了类器官培养过程中技术手段的优化，包括搅拌对剪切力的影响和营养物质的供给优化。此外，还提到了类器官与组织工程、微流控技术结合的可能性，以及如何根据特定需求选择合适的培养材料和优化实验设计。此外，通过力学调控，研究人员尝试恢复细胞的干性，不同于传统的基因调控方式，这种方式更侧重于通过细胞外微环境的改变，让细胞自我适应并恢复状态，从而提供了一种可能的细胞重编程新途径。在实践中，这种方法在改善细胞状态和功能恢复方面显示出了潜在的治疗价值和应用前景。 ● 类器官技术在药物筛选和临床前研究的应用 类器官技术为药物筛选提供了新的可能，尤其在肿瘤治疗领域。它能够通过模拟肿瘤微环境，帮助预测特定药物对患者的有效性，从而加速个性化治疗方案的制定。这项技术不仅适用于已知靶点的药物筛选，也能对没有明确靶点的肿瘤进行更精准的药物敏感性测试，为患者提供更为精准的治疗选择。此外，通过缩短药物筛选周期，类器官技术有望加速新药开发，提升患者治疗的效率和效果。 类器官在药物筛选和临床药敏检测方面展现出巨大潜力，能够显著降低药物研发成本并减少对动物实验的依赖。心脏类器官等的应用已取得临床效果，特别是在神经退行性疾病的治疗方面。美国已经通过现代化法案减少临床前动物实验，推动类器官技术发展，已成功应用于药物研发并获得 FDA 批准。欧洲化妆品行业亦趋向采用无动物实验测试。类器官和器官芯片技术被视为未来医药研发的核心方向，有望替代传统动物实验，加速药物开发过程，减少对人类的潜在伤害。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

在工业自动化早已实现的今天，汽车、3C 等制造工厂的自动化流水线随处可见，以生物领域和化学领域为代表的科学研究的生产力却还停留在手工时代，实验室研究迫切需要一场工业革命，实验室自动化的变革或可迎来曙光。与此同时，实验室自动化的实现也面临着技术复杂性、需求非标准化、建设成本与人才资源等诸多问题。 本期嘉宾 温正慧：甬江实验室特聘研究员 围绕高附加值的精细化学品与医药中间体，利用连续光催化和连续多步合成策略，结合工程设计与机理研究手段，实现化学合成方式的变革；开展新型自动化流动合成系统在小分子药物和有机合成中的研究及人工智能算法在合成路径规划、工艺优化、反应预测等领域研究；通过系统集成、反应器设计、工艺优化等手段，实现大规模连续光催化合成。 刘家朋：汇像科技 CEO 汇像科技将 AI 和生命科学及高通量实验相结合，致力于为合成生物学、药物筛选、微生物检测、细胞检测、分子检测等领域提供全流程的自动化、智能化综合解决方案，产品范围涵盖从食品安全、药品安全到生命科学领域的智能机器人工作站系统、智能化整合系统以及配套的仪器设备及相关耗材等。 主持人 冰冉：中国科学院微生物研究所硕士 时间轴 03:21 科研为什么需要实验室自动化？ 08:45 实验室自动化当前的发展阶段 19:55 实验室自动化的云端协同 24:15 实验室自动化是一个综合的应用领域 28:25 标准化的实验室自动化产品是未来发展趋势 29:57 履带 or 机械手？ 31:50 数据管理与实验室共享所带来的顾虑 38:18 实验室自动化在光化学与其他学科中的应用 41:41 实验室自动化技术实现的挑战 45:11 实验室自动化的商业化进展 重点摘要 本次播客聚焦于实验室自动化，讨论了实验室自动化在提高实验效率、降低人力成本以及提升实验结果一致性方面的巨大潜力，特别是利用自动化技术改善化学反应条件的优化和筛选过程与使用 AI 和自动化解决生命科学和化学问题上的经验。 ● 推进实验室自动化：价值、意义与未来发展 实验室自动化经历了从手工操作到自动化、智能化的转变，未来将实现更高效的科学研究和数据分析。实验室自动化在不同领域的应用包括但不限于生命科学、微生物学、化学等领域，以及如何通过标准化、平台化技术、AI 技术来满足不同学科的需求。强调 AI 不仅可以用于驱动智能化设备或集成系统，还可以辅助科学研究，使科学家能专注于数据分析的判断。 ● 实验室自动化在化学领域的应用与发展 实验室自动化技术应用于化学和材料领域，提高了化学合成、新材料开发及催化剂设计等方面的效率与可行性。自动化技术可以用于优化和执行多步化学合成过程，包括有机合成、药物分子的合成以及催化剂的设计和测试。这不仅提高了合成的效率，还增加了实验的可重复性。能够快速筛选不同的反应条件，如温度、压力、溶剂和反应时间等，以找到最佳的合成路径。在分析化学中，自动化技术被用于样品的前处理、色谱分析、质谱分析以及其他分析方法，提高了分析的通量和准确性。 ● 探索自动化系统的关键技术与未来发展 实验室自动化通过整合不同自动化设备和技术，可以显著提高科研效率和设备使用率。在自动化系统的核心技术上尤其是设备间的协同、错误处理机制、数据分析与利用以及标准化是极其重要的关键技术，强调了设备串联与协同工作的复杂性，以及通过迭代过程形成标准产品的必要性。同时探讨了不同技术路径的选择，如履带式和机器人手臂的应用，以及 AI 赋能和云平台对于提升自动化系统性能的作用。云计算与云管理的发展使得实验过程能够实现标准化和自动化，并促进跨实验室资源共享与协作，进一步提升了研究的效率和成功率。此外，结合 AI 和机器学习技术对实验过程进行预测和优化，将进一步增强实验室自动化的功能。 ● 自动化实验室在科学研究中的挑战 随着科学家和产业界的努力，实验室自动化取得了进展，但在实践中仍面临多项挑战，包括跨领域技术的整合、设备兼容性问题以及如何使自动化系统更好地服务于科研人员等，包括技术复杂性、需求的非标准化、设备成本高、国产化替代、所需专业人才稀缺等问题。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

近日，马斯克的 Neuralink 已为第二位人类成功植入脑机接口，用 400 个电极工作。此前首位患者仅靠思想控制，即可下国际象棋。Neuralink 的首个产品是帮助神经元受损的人重新恢复身体功能；第二个产品是为了让盲人能够看见。马斯克更是对 Neuralink 和人类未来的关系，给予了最高的期望和评价——改善 AI 与人共生。虽然脑机接口的概念早在几十年前就已经提出，但直到马斯克创立了 Neuralink 才真正被引爆，马斯克的强大号召力使脑机接口正式进入大众视野，同时也得到了资本的青睐。 本期嘉宾 张沕琳：清华大学电子工程系长聘副教授 长期致力于面向生物医学的低噪声低功耗电路设计与系统集成方法学研究。针对脑科学前沿研究对无线小型化神经接口的强烈需求，提出了高能效高精准信号传感、高能效高吞吐无线收发、高效无线供电、高编码深度指令生成等多项关键电路设计方法。 曹路：西湖大学助理研究员 带领项目团队克服了芯片植入和复杂脑信号解码的技术难题，在低功耗高通量脑机接口芯片和汉语语言解码两方面实现突破。 主持人 冰冉：中国科学院微生物研究所硕士 时间轴 02:20 人类为什么需要脑机接口？ 07:04 侵入式与非侵入式脑机接口的差异 11:36 脑机接口与传统的人工耳蜗有何异同 22:30 脑机接口在医疗领域的应用——运动能力、视觉能力、语言能力 21:33 脑机接口在非医疗领域的应用的优势与困难 37:29 如何评价一个脑机接口的技术方向与路径 42:05 相关的技术挑战有哪些——温控、算法、数据 51:38 脑机接口的前沿进展 54:10 脑机接口尚未形成巨大产业 重点摘要 脑机接口技术被视为改善人机交互的一种革命性途径，不仅能用于治疗疾病，还能提高人类生活的质量和效率。尽管目前技术仍处于初级阶段，但随着医学和科技的发展，脑机接口有望实现更广泛的应用，包括更高效的信息传递等，从而彻底改变人类与机器互动的方式。 ● 从基本到高级的技术演进与未来发展 脑机接口技术，作为连接人类大脑与机器的桥梁，经历了从初步的人机交互到高阶的思维传输的转变。早期应用如人工耳蜗为残疾人士带来了希望，但局限于简单的数据传输。随着技术进步，未来的脑机接口或将实现更复杂的双向信息交换，人们可通过思考直接控制外部设备或完成任务。脑机接口技术中电极片数量对信息采集的重要性，指出电极片越多，能够传输的信息量越大，从而实现更精准的大脑意图解析和身体动作控制。 ● 从基础研究到应用开发 目前脑机接口领域的研究尚处于初级阶段，复杂功能的实现仍需大量基础医学和神经生物学的研究。脑机接口技术依赖于众多学科的基础，包括但不限于医学、神经科学以及材料科学等，并涉及生物学机制、器件研发、电路设计等多个方面。近期可期待的技术进展包括基于运动、视觉和语言的脑机接口应用。其中，视觉方面的研究较为成熟，预计未来一两年内会有显著成果。而语言解码技术虽然挑战重重，但也已有成功案例。特别强调了通过脑机接口技术帮助残疾人恢复肢体功能和改善生活质量的可能性。 ● 脑机接口技术在医疗与非医疗领域的应用及其挑战 医疗领域内对于侵入性和非侵入性的脑机接口设备均有特定的需求和标准，例如在体内的有源电子设备需要保证生物安全，避免对大脑组织造成损伤。非医疗领域的应用则更倾向于非侵入式的解决方案，但由于技术限制以及用户体验问题，目前还难以实现有效应用，脑机接口技术的发展应以解决问题为导向，合理权衡信息量、侵入性以及成本等因素，并需考虑到实际应用场景和用户需求的多样性。 讨论了脑机接口技术发展中遇到的两大挑战：算法的重要性和数据获取的难题。强调高质量数据的稀缺性及对非侵入式数据收集的技术限制。提出了建立脑电数据大型库的建议，以促进研究进展和应用发展。 ● 探索脑机接口技术的未来发展与潜在形态 聚焦脑机接口技术的未来可能性，探讨了其如何可能替代传统手机形态，并设想了融入日常生活的各种方式。提出了脑机接口技术最终可能导致的手机替代品将更加接近人类的习惯交互方式，成为连接人与越来越聪明的人工智能之间的桥梁。同时，讨论了该技术在医疗、娱乐、安防等多个领域的应用潜力及面临的挑战。强调了对这项前沿技术保持乐观态度的重要性，并期待其在未来给人类生活带来积极影响。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

说起机器人，你首先想到的是不是特斯拉的钢铁机器人，亦或是小米的铁大机器人，实际上，机器人不一定是拥有金属外骨骼的“硬”机器人，比如《超能陆战队》里面机器人大白，这样的软体机器人，在研究领域也颇受关注。软机器人由于其自身的材料组成和结构特性，具有交互安全、适应性好、灵活性强等特点。如今被广泛应用于医疗服务、农业收获、救灾救援、水下探测等领域。本期我们就来聊聊软体机器人技术。 本期嘉宾 李曙光：清华大学机械工程系 副教授 研究方向主要包括模块化机器人、集群机器人、折纸/折叠机器人、软体机器人，以及类生命机器人相关技术和应用，特别是基于 AI 辅助的机器人自动设计、自动制造、自组装、自组织和自适应技术。研究工作涉及机械、电子、计算机、材料、生物、物理等多个学科知识的交叉融合。 吴志刚：华中科技大学机械科学与工程学院 教授 长期从事人形结构仿生机器人、具身智能软体机器人、数字（AI）驱动的智能软体设计与制造，承担了多项国家基金重点、面上项目，重大研发课题等科研项目，取得了多项创新成果。包括仿生灵巧手设计、深度学习物体操作规划、人体运动感知和触觉传感器设计；可编程折纸机器人、软磁机器人、气动机器人、仿生机器人等。 主持人 冰冉：中国科学院微生物研究所 硕士 时间轴 02:00 软体机器人与柔性机器人的异同 05:39 与刚性机器人的差异 13:10 软体机器人是否能实现类似于人体的操控方式 17:29 软体机器人的大小尺度：纳米级至米级 22:30 在哪些场景下软体机器人更具优势 27:50 软体机器人的构成模块部分 31:04 驱动与能源系统 33:55 柔性软材料的力学性能——活塞 35:35 材料领域是否能满足当前需求 38:50 AI 赋能下的软体机器人研究 49:18 软体机器人的传感器 53:40 软体机器人的已开展的应用领域：医疗、工业、农业 1:00:40 从实验室到商业化还有哪些要做的事 重点摘要 软体机器人以其柔软的材质、良好的交互安全性和适应性受到关注。相较于传统的刚性机器人，软体机器人使用硅橡胶、水凝胶等软性材料制成，能够在复杂环境中安全作业，并且具有更好的灵活性和可进入性。它们的研究和应用领域广泛，包括医疗、农业救灾和探测等。软体机器人的发展标志着机器人技术的进步，特别是它们在与人类和环境交互方面的独特优势。 ● 探讨软体机器人在安全性和灵活性方面的优势 软体机器人的两个主要优势：安全性与原材料带来的容错性。软体机器人在与人、环境及物体交互时具有较高的安全性，且其操作无需高度精确度便能完成任务，这一点对于日常生活中机器人的应用尤为重要。此外，软体机器人的柔顺性可以通过材料和本体结构来实现，也可以通过算法来优化，让软体机器人更好地适应各种环境和任务。 ● 探索软体机器人的尺寸、驱动与能源系统 对于软体机器人的尺寸，一方面，软体机器人可以做得非常小，其最小尺寸受限于制造技术而非材料，小至达到纳米级别，用于执行特定功能如纳米操作。另一方面，大型软体机器人的发展受到物理法则的制约，例如自重和支撑能力，但仍有可能实现米级甚至更大的规模。 软体机器人技术通常包括本体、控制、感知及能源系统。其采用柔性材料，能在不同尺度下执行多样化任务。驱动系统多样，如光、声、热或化学反应等外部能源。通过创新设计，软体机器人展现出独特优势，如通过软体机器人活塞以达到力的放大。 探讨了人工智能（AI）如何应用于材料科学和软体机器人设计中的应用，如开发软体机器人理想的材料、改变材料的物理属性来制作灵活的传感器等。 ● 探索软材料的潜力与开发 当前软材料因其丰富多样性和可塑性，为我们开辟了创造前所未有的物品的可能性。然而，相对于传统硬材料的稳定性和成熟解决方案，软材料的应用和发展仍面临诸多挑战，包括对其特性的快速变化缺乏深入理解以及处理经验的不足。尽管如此，新材料的研发工作正不断推进，借助人工智能等先进技术，有望加速材料设计和优化过程，使之更好地满足特定需求，如提高力的响应性或实现特定功能。此外，通过创新的结构设计和利用超材料原理，我们能够赋予软材料以独特而先进的性能，例如调控光的行为，从而开启更多科学与工程领域的应用前景。 ● 探索软体机器人的应用与前景 如在医疗方面，通过使用能够进入人体自然腔道系统的软性导管式机器人，实现对心血管和脑部疾病的治疗。利用软材料制造的微型机器人在康复训练等方面的可能性，以及这种柔软性质对于改善用户体验的重要性。在救援领域软体机器人用于处理受限空间和非结构性环境下的搜救任务，如地震废墟中的生命搜索。以软性机械手为例，其无需精确感知目标物体尺寸即可完成抓取任务的能力，尤其适用于抓取硬脆且易碎的物品，如果实采摘、太阳能面板抓取等。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

本期嘉宾 韩梦迪：北京大学未来技术学院助理教授 研究员 课题组致力于研发微机械生物电子器件，融汇微纳制造、电路与电子学、智能传感器、生物医学工程等领域的先进技术，通过引入三维结构和磁性材料，助力电子皮肤、无线生物传感、微型机器人等领域的发展。相关工作发表于 Nature Electronics、Nature Biomedical Engineering、Science Translational Medicine、Science Robotics、Science Advances、PNAS、Advanced Materials、ACS Nano 等期刊，获 Microsystems & Nanoengineering 青年科学家（2020）、《麻省理工科技评论》亚太地区 35 岁以下科技创新 35 人（2021）、世界顶尖 2% 科学家（2023）、iCANX 青年科学家（2024）、亚洲青年科学家（2024）等奖励及荣誉。 林苑菁：南方科技大学深港微电子学院助理教授，博士生导师 研究立足于数字健康需求，致力于将材料制备、器件优化、大数据智能分析与移动式健康医疗监测应用结合，利用纳米材料及柔性制备技术实现微纳传感器、能源存储器件及可穿戴智能集成系统等。迄今于 Nature Nanotechnology, Nature Communications, Science Advances, Advanced Materials 等期刊发表 40 余篇学术论文。目前担任 Biosensors, Journal of Micromechanics and Microengineering 编委，Journal of Semiconductors 青年编委。入选 2019 亚洲校长论坛 30 名未来之星女性工程学者，2024 Nanoscale Emerging Investigators 等。 主持人： 冰冉：中国科学院微生物研究所 硕士 时间轴 02:30 柔性可穿戴设备与传统穿戴设备之间的异同 09:29 当前可穿戴设备有哪些痛点 13:29 材料科学如何影响柔性可穿戴设备 16:44 有机半导体材料使芯片也柔软化 18:49 可降解材料在柔性可穿戴设备中的应用 23:25 先进柔性器件如何应用 28:27 柔性可穿戴设备的能源问题如何解决 35:30 柔性可穿戴设备的集成 39:21 生物信息的信息安全 43:32 工作领域前沿分享 49:08 柔性可穿戴设备的未来应用领域 1:00:33 柔性可穿戴设备还需要哪些环节才能实现商业化 重点摘要 本期播客聚焦柔性可穿戴设备的研发及其在生物医疗领域的潜力。通过讨论，揭示了柔性穿戴设备相较于传统设备在材料选择、结构设计以及在人体上的应用等方面的独特优势，特别是其优秀的保形接触能力对于提高生理信号监测精度的重要性。此外，探讨了柔性可穿戴设备如何通过整合纳米材料和柔性制造技术，提升用户体验并解决长期佩戴中的舒适性和皮肤适应性问题。 ● 材料如何选择？ 柔性可穿戴设备因其高舒适性和多功能性逐渐成为关注焦点。这类设备旨在模拟保鲜膜的性质，即透气透水且极薄，长时间紧贴皮肤进行生理指标监测。然而，现有技术仍面临挑战，如柔性电池及电路的稳定性和可靠性不足，以及如何在保持柔软的同时确保检测的准确性和稳定性。材料科学在此扮演关键角色，通过开发新型纳米微米材料、生物相容性和自修复材料，以及探索一维、二维和三维方向的材料组合，以增强柔性可穿戴设备的性能和可靠性。 ● 能量如何获取？ 讨论了可穿戴设备如何通过机械能转化为电能、利用生物体自身的运动或产生的热能等方法获取能源，以及低功耗设计的重要性。讨论了利用人体能量供电的可能性，提出了一种基于葡萄糖的生物燃料电池概念，通过采集并利用汗液中的葡萄糖为可穿戴传感器提供能源。 ● 信息如何保护？ 随着柔性可穿戴设备的未来普及，信息安全和个人隐私成为了不可忽视的重要议题。这类设备能够收集并处理大量的个人健康数据，如心率、血压等，但同时也带来了个人信息泄露的风险。这需要科研人员在技术上进行创新和突破，也需要法律法规等相关制度进行相应的调整和完善。 ● 应用于哪些领域？ 柔性可穿戴设备可在医疗和健康领域的广泛应用，如通过监测心电信号、生理指标和运动能力，以及对血糖等进行连续监测，有助于早期发现健康问题并进行干预。如用于血糖监测的可穿戴设备、用于心衰监测的装置。同时讨论了柔性电子技术在医疗、工业、食品安全及环境监测等领域的应用，指出其在成本效益和适应性方面的优势。未来柔性设备在未来可能对人们的生活习惯产生重大影响，如柔性手机的出现和智能服饰的普及，将对人们的生活带来更加巨大的影响。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

从出版专著到学术期刊发表再到互联网时代的学术数据库，在人类的科学发展史中，科学研究与科学信息传播一直是相辅相成的。为了促进科学的共享、传播与广泛合作，一部分科学工作者希望改变当前的科研范式，利用数字化技术以满足时代与科学发展的需求，试图推动以开放科学或者开放社区科学为核心的共创式科学研究范式，从而在产学研各界、乃至大众之间广泛推行研究合作与科学普及。 本期嘉宾 王瑜：哈佛大学生物与生物医学博士，师从 George Church 教授和尹鹏教授，研究方向为前沿生物技术的开发应用以及基于 Web 3.0 和 AI 技术的开放科学 （Decentralized Science, DeSci)。曾作为创始科学家参与孵化美国生物技术公司 SpearBio, 并担任应用研发总监。现为 DeSci Sino 开放科学社区发起人和主理人，DeSci Sino 致力于在全球华语人群推广开放科学，让大众接触科学，了解科学，进一步参与科学。 王泾锦：伊利诺伊大学香槟分校在读博士，瀚星行 ReLink 创始人兼 CEO。于 Google 实习参与搜索引擎的优化与自然语言处理于网页分类的应用的研究。Relink 致力于为科研增效，推动科研范式发展，以命题作为科研工作流的基础分享单位，为学术界引入类似 Github 软件开发的科研模式。 主持人 冰冉 中国科学院微生物研究所硕士 时间轴 02:45 开放科学与“封闭科学” 11:13 科学的开放进程缺乏什么 16:41 开放科学如何打通科学家内部信息壁垒 21:27 如何解决“我开放但你不开放的问题” 24:54 专利机制对于开放科学是促进还是阻碍 31:51 开放科学都开放哪些信息 37:48 由于信息的不开放导致的影响 41:38 开放科学与现有的科研体系的关系 47:26 开放科学的实践案例内容聚焦 内容聚焦 本期播客聚焦开放科学的核心概念及其对社会的影响。随着科技的发展，传统的科学研究方式正在逐渐转变为更加开放和协作的模式。尽管历史上的科学交流方式经历了从较为封闭到逐步开放的转变，但仍有许多领域未能实现真正的开放。开放科学不仅涉及科学家之间信息和资源共享的互通，还包括科学界与大众之间的有效沟通和互动。通过构建开放的平台和社群，可以促进科研成果的共享和应用，开放科学的实践有助于加速问题的解决进程。此外，讨论强调了开放科学对于激发创新、提升研究效率及推动可持续发展的重要性。 尽管有研究表明开放的数据和文献能显著提高引用率，但科学研究仍倾向于仅对外展示科研成果而非科研过程。原因之一是缺乏有效的利益分配机制，通过建立更为公平的利益分配体系，并追踪和分配研究成果产生的益处，有望推动科学研究向更加开放和协作的方向发展，从而激发更多的创新活动。开放科学不仅是开放数据，还包括开放同行评审、科研过程及失败经验等，这不仅能加速科学研究，减少资源浪费，也能增强其他科研工作者对科研成果的信任。 在面对科学开放与知识产权保护的问题上，如何通过平衡知识产权保护与科学研究的共享，是开放科学进程面临的重要问题。一方面强调了开放数据和研究成果的重要性，以促进知识的进步和合作；另一方面，指出了当前知识产权保护如果存在过度保护，也需要建立新的机制来促进科学的开放与合作。提出了通过建立非排他的、允许基于现有知识进行创新的知识产权模型，以及缩短科研周期、鼓励早期共享研究进展的方法，以促进一个更加开放和协作的科学环境。 开放科学通过鼓励公众参与科学研究，不仅提高了科研效率和透明度，还促进了知识共享和创新，以及如何通过去中心化自治组织（DAO）促进科学知识与大众的有效沟通。这些举措不仅拓宽了科学知识的边界，也让公众能够更深入地理解科学发现的过程。 在开放科学的洪流中，面临着非常多的机遇与挑战，特别是如何促进不同领域之间的合作、构建基础设施及形成科学共识。科学研究必然在开放的道路上步步向前。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

近期，司美格鲁肽用于长期体重管理的适应症在中国获批，刚刚获批的还有替尔泊肽，这些都是作用于 GLP-1 受体的药物，过去两年来，司美格鲁肽因其显著的减肥效果而风靡全球，尤其是马斯克等名人的背书更是使其成为新进“网红”。与此同时，各类司美格鲁肽相关的负面新闻也屡见曝光。司美格鲁肽究竟是天使还是魔鬼，以 GLP-1 为靶点的药物究竟是什么作用机制，我们这一期就来聊聊关于司美格鲁肽的一切。 本期嘉宾： 岳晓彤：医学博士，清华大学第一附属医院皮肤美容科医师 毕业于解放军医学院（301 医院）取得临床医学博士及硕士学位，于军事医学院全军干细胞及再生医学实验室及解放军总医院全军烧伤研究所进行干细胞、医学材料、瘢痕的研究，擅长光电、注射、手术等联合应用于面部年轻化、体型雕塑、皮肤美容、慢性创面的治疗。 张玉英：博士，质肽生物非临床药理总监 质肽生物成立于 2018 年 9 月，是一家处于临床开发阶段的生物创新药公司，致力于开发治疗慢性代谢性疾病（如糖尿病、肥胖、非酒精性脂肪性肝炎等）创新生物药。目前质肽生物管线中有 10 个在研重组蛋白创新药和生物类似物品种，其中一个自主创新的国际一类创新药（超长效 GLP-1 受体激动剂 ZT002 注射液，有望实现每月仅需注射 1 次）和一个国产替代的国际大品种生物仿制药（司美格鲁肽注射液）于 2022 年底已进入临床试验阶段。 主持人： 冰冉：中国科学院微生物研究所 硕士 时间轴： 2:26 司美格鲁肽能减重多少 3:13 司美格鲁肽成为减肥药“明星”的原因 6:20 如何从糖尿病治疗转向减肥适应症 7:50 司美格鲁肽抑制食欲的原因 11:50 GLP-1靶点的生物学机制 24:39 长效的司美格鲁肽是如何实现的 31:10 司美格鲁肽的“副作用”真的是副作用吗 51:13 司美格鲁肽配合奥利司他是否有效 54:28 GLP-1受体的药物还可以开发哪些适应症 1:00:25 肥胖需要越来越多地被重视 1:04:55 请在医生指导下用药 内容聚焦 司美格鲁肽（GLP-1 类药物）最初是作为治疗糖尿病的辅助药物研发，后因在减少体重方面的显著效果而备受瞩目。该药物的独特之处在于能够直接作用于神经系统，激活特定的神经元，从而产生饱腹感并减少食物摄入量，其减重效果在全球范围内得到了广泛的关注和研究。不同于以往的类似药物，司美格鲁肽以其长效性和较低的副作用成为目前市场上最受欢迎的减重药物之一。此外，通过调节饮食习惯、增加运动、结合医生建议，使得司美格鲁肽的使用者能够获得更加持续且有效的减重成果。本期播客在此基础上，还讨论了其长期效应及潜在风险，以及其他 GLP-1 类药物的研究进展。 ● GLP-1 类药物的作用机制 人体在进食后，由于血糖的上升会刺激体内自然产生 GLP-1 受体激动剂，GLP-1 受体主要分布在胰腺和调节食欲的相关大脑区域，从而减少进食欲望，有助于控制体重。然而，由于人体内源激素的半衰期很短且易被分解。司美格鲁肽是第一款周制剂长效的此类药物，同时诺和诺德公司开发了一种新型辅料，能够保护 GLP-1 免于消化酶的破坏，使得口服司美格鲁肽成为可能，对于改善患者的依从性和生活质量具有重要意义。 关于长效和短效 GLP-1 类似物的代谢机制及它们在治疗肥胖和糖尿病方面的临床应用有所不同。短效药物如利拉鲁肽需要每日注射 2 次以维持有效浓度。长效司美格鲁肽通过增加药物分子中的脂肪酸链或连接其他修饰片段，可以显著提高药物的稳定性和生物利用度，从而实现长效作用。 ● 药物研发与临床应用 在药物研发过程中，对药物的作用机制研究至关重要，但在药物上市前往往无法完全掌握，但需要做大量毒理实验，以保证其安全性和避免潜在的风险。在药物推向临床后，从最初的治疗效果观察深入到临床应用研究，以期发现更多适应症，形成研发与临床应用之间的正向循环，故科研与临床实践相辅相成、相互促进。 ● BMI 值与司美格鲁肽的减重效果 高 BMI 时减肥效果更好，同时副作用更小且易耐受。当前已经获批的司美格鲁肽是处方药，适应症是 BMI 大于等于 30 或在 27 至 30 之间，且存在至少一种体重相关合并症的肥胖人群，请在医生指导下用药。 ● 司美格鲁肽的副作用 司美格鲁肽最常见的副作用是肠胃反应，在脑区中 GLP-1 受体同时存在于调控食欲和调控呕吐的区域，故在司美格鲁肽使用中常常引起肠胃反应。快速减肥可能导致的皮肤松弛等问题，这也是各类减肥药共同存在的问题，故需要配合皮肤科的诊断，采用必要的手段减少此类问题。虽有报道指出美格鲁肽使用与抑郁症状存在关联，并有研究提示其与一种可能导致失明的眼部疾病存在一定相关性，但缺乏循证医学证据支持二者间存在因果关系，需进一步临床研究以明确两者的关系。 尽管肥胖人口众多，实际采用药物减肥的人较少，而糖尿病患者使用这类药物较为普遍。与以往快速上市又快速退市的减肥药不同，由于司美格鲁肽应用时间长且已被广泛应用，发生类似问题的可能性较低。 ● GLP-1 类药物的未来开发空间 新型 GLP-1 药物目前多项相关临床试验正在进行，包括对非酒精性脂肪肝炎、阿尔茨海默病、提高女性受孕率及治疗多囊卵巢综合症等疾病的探索。 制作团队： 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

当生命科学与人工智能发生碰撞，会产生什么火花？本期播客我们将揭开生命数字孪生的神秘面纱，了解什么是生命数字孪生，以及它如何通过模拟和预测生物系统，为合成生物学和生物医学等领域带来变革。数字孪生生命即对生命精准建模，能够显著提升人们对复杂生物系统的理解和干预能力，有潜力应用于细胞工厂设计、工业发酵条件优化、药物开发以及个性化诊疗等。 本期嘉宾： 马红武：中国科学院天津工业生物技术研究所研究员 主要研究方向包括基因组规模代谢网络的构建质控及其结构和功能分析、多约束细胞模型的构建、代谢途径和代谢工程改造策略设计、生物计算设计算法和网站工具开发、基于人工智能的蛋白功能预测和菌种设计等。 李斐然：清华大学深圳国际研究生院助理教授 长期致力于通过开发新方法和新技术分析生物大数据和研究生物系统，揭示内在机理，促进合成生物学和生物医药研究。研究涉及计算生物学、系统生物学、机器学习、化学、药物代谢等多个领域。 主持人： 冰冉 中国科学院微生物研究所 硕士 时间轴： 02:28 什么是生命数字孪生？从分子机理的角度建模生命 05:29 工业数字孪生与生命数字孪生的异同 09:19 生命数字孪生与《流浪地球2》中“数字生命计划”的异同 12:38 生命数字孪生的发展阶段 16:31 生命数字孪生对科学研究和生产应用的意义——在合生生物学与生物医药方面 21:50 如何构建复杂的生命数字孪生体 26:55 AI如何赋能生命数字孪生构建——数据采集、数据处理、未知补齐、参数预测 32:20 生命数字孪生构建的挑战 42:56 指导酶的挖掘、生命代谢暗物质和地下反应 49:33 通过举例分享生命数字孪生的应用 内容聚焦 数字孪生最初是工业互联网的概念，通过创建和管理工厂的数字孪生数据来优化生产过程和决策支持。随后，该概念逐渐扩展到航空航天等领域。近年来，科学家们提出了将数字孪生技术应用于生命科学研究，希望能更好地理解和模拟生命系统，尽管这一领域目前仍面临许多未知和挑战。与侧重物理过程的工业应用相比，生命科学中的数字孪生更多地建立在对生命的研究之上，需进一步深入研究以实现动态、复杂的数学模型来全面描述生命过程。 工业数字孪生聚焦于物理实体如工厂的精确仿真与数据分析，其现状相对较成熟；数字生命的研究则处于较早的阶段，致力于从分子水平理解生命体内的生化反应及能量传递过程。此外，与《流浪地球2》中“数字生命计划”的科幻概念相比，当前科学家正在建设生理状态的数字化，未来可能会朝着复制思想意识的方向发展。最终将创建一个完全理解的生命机制，并能准确模拟生命过程的“白箱”。 ● 生命数字孪生如何构建 生命数字孪生的发展已经经历了多个阶段，从最初的专注于对细胞的代谢网络模型的构建，到后来将转录、翻译、调控等更多生命过程整合进模型中，形成了多生命学过程模型。最新的进展包括引入人工智能和数字孪生技术，实现了更加复杂的代谢模型，标志着生命数字孪生研究进入了第三代，这一进步使得利用AI进行数据分析和预测成为可能，为细胞生物学和医学研究提供了新的工具和视角。 对于人体的生命数字孪生构建，初始阶段研究人员尝试将整个人体视为单一的模型，以理解其内部发生的各种反应。随后，通过引入转录组数据及蛋白组数据，模型逐渐细化为反映不同细胞系特性的模型。目前，研究已进展到建立涵盖多个器官、每个器官都能模拟物质转化和能量交换的全机体模型。 在这个过程中，不仅需要大量宏观数据，还需要精细至单细胞水平的微观数据，因而对数据处理能力和计算资源提出了更高要求。AI技术的应用成为解决这些问题的关键，它不仅可以帮助处理和分析大规模数据，还能预测未知参数，从而填补现有模型的知识空白。如何在利用AI提高模型准确性和效率的同时保持模型的透明度和可解释性，成为了未来研究的重要方向。 ● 探索代谢网络：从已知到未知的历程 代谢网络作为生命的基本过程，不仅是维持生命活动的关键，而且也是科学研究的重要领域。通过对代谢网络的研究，科学家们已经能够揭示许多关于生命如何转化能量、合成必需物质的奥秘。然而，相对于我们已知的部分，代谢网络的未知部分仍然非常庞大，被称为“细胞代谢暗物质”，这一部分包含了众多尚未被识别的代谢物及其合成与降解路径。近年来，借助于AI技术，研究人员正努力揭开这一领域的面纱，希望通过数据分析找到这些未知物质的合成途径，进而为生物工程、药物开发等领域带来突破。此外，将来的研究还将深入探讨如何利用这些发现来优化生物制造流程，提高天然产物的产量和效率。特别是其中的“地下反应（underground reaction）”，这些反应由酶的未知催化反应产生，潜在副反应在构建高效细胞工厂时，这对于提升成功率至关重要。如使用特定酶进行非天然反应的改造，以及通过扩大反应机理的范围，在未被发现的新途径中实现新的转化过程。 ● 探索数字生命在未来科学研究与应用中的潜力 数字生命的探索不仅将革新科学研究的方法论，还将对实际应用产生深远影响。在工业微生物领域，可以利用数字细胞进行生物工程改造，这一方法有望优化细胞及菌种的改造过程，降低实验成本并提高成功率。在医药健康领域，在个性化治疗和药物研发方面具有较大的潜力，通过建立数字孪生的人类模型，可以实现对个体特定需求的精确响应，从而极大提升医疗治疗的效率和效果。此外，该技术还可以应用于探索不同饮食模式对人体代谢的影响，以及基于个人基因组信息为其设计营养补充剂，以实现真正的个性化健康管理。 ● 生命数字孪生的技术与科学挑战 生命数字孪生面临多重技术和科学挑战，包括数据产生、管理和分析的难题以及如何构建完善的数字孪生模型。随着实验技术的发展和组学数据的积累，生物科学正步入一个数据驱动的时代。然而，如何有效利用这些大数据以揭示生命活动的内在机制仍然是一个重大挑战。此外，数字孪生生命的概念尚处于探索阶段，完善的框架及适合不同层次模拟的方法仍需进一步研究。尽管完全实现生命数字孪生面临诸多难题，但通过不断优化模型和提高数据质量，有望在未来实现部分领域内的高度仿真。 制作团队： 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

传统观点认为衰老是自然不可避免的现象，与此同时，世卫组织在国际疾病分类代码手册中，将衰老划定为一种可以治疗的疾病。同时根据一份刚刚发表的长寿领域投融资报告中称，2023年长寿领域的投融资总额为30.1亿美元，相较于10年前，上涨的5倍多。随着人们推开“抗衰老”的大门，我们不禁要问，衰老在科学上是否有依据，研究衰老其本质是在研究什么，炒得火热的抗衰老消费品是否真的有效？本期播客我们邀请到了北京大学国际癌症研究院研究员、北京亿药科技有限公司创始人、雅时护肤抗衰品牌创始人谢正伟以及香港大学高级研究员、香港长寿医疗中心主任、QuantumLife创始人兼CEO黄园，两位专家将从科学的角度聊聊抗衰老。 本期嘉宾： 谢正伟：北京大学国际癌症研究院研究员；北京亿药科技有限公司创始人，雅时护肤抗衰品牌创始人 研究领域：主要应用交叉学科手段，包括人工智能和计算生物学方法，进行衰老和代谢疾病的机制研究和创新药物研发。主要的科研成果包括：开发出第一代衰老微流芯片；发现端粒酶失活调控早衰的机制；发明了代谢分析中的超立方收缩算法；发现小檗碱、冬凌草甲素等多个延寿化合物；开发了基于深度学习和基因指纹的药效预测系统——灵素系统等。 黄园：香港大学高级研究员，香港长寿医疗中心主任，QuantumLife创始人兼CEO 研究领域：擅长转化医学，特别是在人工智能驱动医学、老年相关疾病（神经退行性疾病、癌症、糖尿病等）和长寿医学领域。在生物技术和长寿领域拥有丰富的经验，在对癌症液体活检技术的研究中入选福布斯中国 2020 年度 30 岁以下精英榜（医疗和科学领域），并当选成为英国皇家医学会会士。 QuantumLife专注于提供端到端的精准长寿医疗技术解决方案，延长健康寿命。 主持人： 冰冉：中国科学院微生物研究所 硕士 时间轴 1:48 衰老的本质究竟是什么 8:58 皮肤的衰老是最直观的衰老 10:25 站在生物学角度的前沿研究，衰老的定性和定量变化 11:27 生物标记物研究——真实年龄与分子年龄 15:14 数据驱动的衰老标记物系统 18:17 如何对衰老进行检测和研究，动物实验与细胞实验 28:28 对人体衰老细胞的研究 32:48 人工智能对赋能下的衰老研究 42:15 抗衰老相关的消费品是否有效 57:18 当前是否已经有抗衰老相关的药物开发 内容聚焦 本期播客站在科学研究的角度，讨论了衰老的本质、生物学证据、以及衰老是否将演变为一种可治疗的疾病。深入分享了衰老的复杂性，包括遗传、分子水平的变化、对个体健康的影响，以及在消费和医疗层面抗衰老产品的发展和未来趋势。 * 衰老的概括和体现 从生物学的角度分析衰老，一切的密码都藏在了人类的遗传物质——DNA中，衰老也是生命活动调控的一个逐渐演变的过程。衰老聚焦于两大特征：稳态失衡和错误累积，甲基化水平、半乳糖苷酶活性是衰老的调控标志，在生物学的研究上，基于基因组数据、转录组、代谢组和蛋白组数据可以驱动建立的衰老标记物系统，这些都是理解衰老本质和寻找抗衰老策略的重要基础。衰老在未来可能逐步演化为一种可干预、可治疗的疾病。 * 动物模型与细胞模式是研究衰老的重要载体 理解并监控衰老过程，人们找到了一系列的动物模型作为研究对象，最典型的动物就是小鼠和秀丽隐杆线虫，通过分析大量数据集来理解基因调控和表达，来研究衰老过程中的生理变化。通过生物标志物和数学模型来评估个体的衰老程度，以及通过观察动物在行为、生理和分子层面上的变化来理解衰老机制，如在单基因的研究中，某个基因对于动物的寿命是否存在影响，在组学研究中，哪些调控对动物寿命的影响更大。 在细胞层面，通过研究真核生物的细胞分裂来探究生命的规律，研究细胞分裂次数对衰老和死亡的影响，利用细胞实验（如酵母等）进行衰老相关研究的方法，包括使用微流芯片观察酵母细胞衰老过程，细胞培养中的分裂次数限制以及通过比较不同动物的寿命特性来探索长寿机制。 * 人工智能对衰老研究的贡献 开发能预测药物虚拟表达谱的人工智能系统，该系统旨在通过对比衰老变化谱来预测药效，从而跨越传统的靶点开发方式，直接寻找可能的干预小分子。这种方法有望解决传统药物研发中的困难，并在多靶点效应疾病治疗上展现出更大的潜力。 人体衰老检测的一些指标包括炎性指标、生物学年龄和器官功能分数等指标。通过人工智能技术解析衰老与疾病差异，构建生命网络理解复杂机制。采用大数据分析和机器学习方法区分衰老与疾病，并探索生命网络的深层次理解，以期发现新的治疗靶点和精准医疗策略，最终目的是提高人类的健康寿命。 * 关于热门的抗衰老消费品与药物 重点探讨了保健品和药物延缓衰老的有效性及其对人体的影响，诸如 NAD+、3-羟基基丁酸、白藜芦醇和 PQQ 等物质，并对其市场可用性和潜在效果进行了讨论。NAD+、二甲双胍、牛磺酸等物质在动物实验中显示出延长寿命的效果，这些研究不仅揭示了潜在的长寿化合物，还探讨了它们对人体健康的潜在影响，尽管通过科学研究积累了一系列成果，但安全性和有效性仍需更多临床数据支持。同时强调，在使用这些潜在药物或保健品时，重要的是了解个人的身体状况并遵循医生的建议。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮

AI 技术飞速发展迭代的同时，其在科学领域的广泛应用带来了翻天覆地的科学变革。过去十年间，科学家们利用 AI 工具和方法，在人类基因组、原子结构、天气预报、流体动力学等诸多科学领域取得了巨大突破。科学研究正从传统的实验和理论组合中，转向利用大数据与人工智能为驱动力。越来越多的科学家们开始意识到 AI 的巨大潜力，正试图或已经将其应用于自己的科研工作中。然而 AI 在不同领域的应用仍存在诸多挑战，如缺乏计算资源、找不到合适的数据集、模型难以解释与验证等。如何更好地利用 AI 工具、方法与理念来推动科学研究，关系着科研领域的未来发展方向。 本期嘉宾： 段辰儒：麻省理工学院博士、深度原理创始人 在微软供职期间，为多家化学材料公司部署计算化学和人工智能解决方案。深度原理于 2024 年创立，专注于人工智能驱动化学领域的科学研究。 刘子鸣：麻省理工学院博士 本科毕业于北大物理学院，开发全新的神经网络架构 KAN，在科学发现领域展现了出色的表现和更高的可解释性。 主持人： 冰冉：中国科学院微生物研究所 硕士 时间轴： 02:11 AI的进化是否理解到了原子论 04:26 AI技术为何近年发展如此之快 09:52 AI对科学研究带来哪些影响-物理、化学材料 22:27 生成式AI for science是否需要人工干预 26:35 AI模型给出的结果如何去验真？ 28:45 逻辑假设与可解释性 30:30 数据在AI for science中的作用 36:24 自动化实验在AI for science中的作用 44:22 AI是工具or合作者 52:33 AI的外部可解释性与内部可解释性 57:20 专用模型or通用模型 1:01:44 scaling law是否可持续 1:05:43 AI for science的商业化 内容聚焦： 本期播客聚焦于 AI 技术在科学研究中的应用及其带来的挑战。随着 AI 技术的快速发展，已经在多个领域如物理学、化学材料、生物学等取得重大突破，改变了传统科学研究的方法。与此同时，尽管 AI 在辅助科学研究方面展现出巨大潜力，但仍面临着数据获取、模型选择及验证等一系列问题。此外，本期播客还探讨了如何使 AI 的解释和预测方式符合人类的认知、未来 AI 在科学发现中的角色、跨学科合作等重要话题。 * GPT 爆火后 AI for science 才走进大众视野 随着 GPT 的出现，人工智能在科学领域的巨大潜力走进大众视野，在此之前，AI for science 已经有很多年的发展，尤其是在解决复杂问题和扩大科学知识边界方面。与专注于专业领域的工具如 AlphaFold 相比，GPT 由于其广泛的语言处理能力，吸引了更广泛的受众群体，引发了公众对其强大功能的广泛关注和讨论。尽管如此，科学界仍需探索如何有效利用 AI 技术，以实现真正意义上的科学突破。此外，不同的科学领域有着各自独特的研究目标和难题，意味着将 AI 应用于科学的方法需要根据具体学科的特点进行调整和优化。 * AI 在物理科学、化学材料研究中的应用 在物理中有理论物理与实验物理，在实验物理中已有较多的应用，如高能物理的实验中对获取的高维数据的分析，但当前通过 AI 分析的结论仍然为“黑箱”，这需要进一步探索其可解释性，这也是 AI 应用于理论物理的难点所在，如通过 AI 自动发现标准模型，来探索其可解释性，未来会泛化到更广泛的体系。 在化学材料领域，利用机器学习的办法可以优化化学实验设计、化学反应的最优条件、设计新的材料等，可以但在化学材料中的难点在于实验数据的“干净”程度，利用 AI 开展科学研究将会变得更加复杂。化学材料在正向筛选过程中，利用 AI 指导材料筛选海量的材料组合情况，可以大幅度提升效率；在化学材料的反向设计模型中也可以直接生成材料，这也是令人兴奋的 AI 应用方向。 * 人工干预在 AI 模型中的影响 一方面，人工干预可以引入必要的知识、参数和先验设计，对于初期的材料设计、化学反应或催化剂设计等科学研究尤为重要，有助于加速解决问题的过程。另一方面，过分依赖人工干预可能影响生产的自动化和效率。理想的状况是将 AI 视为合作伙伴而非完全替代人类，即通过人类与 AI 之间的互动和协作，共同推进项目进展。此外，当前 AI 仍有局限性，比如无法捕捉人类显而易见的信息，以及生成的内容可能超出了人类的认知范围，因此需要人类对其进行进一步的评估和实验验证。AI 技术的发展是一个持续迭代的过程，在这个过程中，人类和 AI 应相互补充，共同促进科技创新和进步。 * 数据与自动化实验在推动 AI for science 中的作用 传统的实验方法因其速度慢、方差大等问题逐渐在高通量实验取得改进， 这种技术不仅加快了数据采集速度，同时也减少了实验结果的变异。AI 的应用则进一步提高了研究的效率和准确性，特别是在处理大量历史数据和优化实验设计方面显示出巨大潜力。然而，尽管 AI 在某些领域已经取得显著成果，如化学反应、蛋白质折叠问题，化学关注实用功能和新反应机制的开发，不同于物理寻求基本定律的统一，在涉及到物理原理的重大发现方面仍面临挑战。物理学家对原理性发现有着更高的期望值，而目前 AI 提供的解决方案往往难以满足这一标准。尽管如此， AI 与高通量实验的结合仍是未来科学研究的重要趋势之一，尤其是在提高实验效率和数据处理能力方面有望实现更大的突破。 * 专用模型 or 通用模型 专用模型在特定领域内具有高效性和精确性，而通用模型虽然潜力巨大，但在短时间内难以实现对复杂科学问题的有效解答。未来可能殊途同归，但模型的发展路径仍然受到计算资源、能源等限制。 * AI for science 的商业化 尽管 AI for science 的核心在于探索未知的科学规律，但商业化过程应着眼于实际应用，例如新材料的开发。同时在成果转化方面需要探索如何有效与工业界合作以及验证研究成果的可行性。 制作团队 主持人：冰冉 DeepTalk 剪辑：嘉鱼 运营：大壮