公司里程碑与成就 - Google DeepMind首席执行官Demis Hassabis于2025年10月登上《时代周刊》TIME100年度榜单封面[1] - DeepMind在2014年被Google以约4亿英镑（约合6.5亿美元）收购[6] - 2015年至2016年，DeepMind的AlphaGo程序击败欧洲围棋冠军和世界冠军李世石[6] - 2020年，DeepMind推出AlphaFold系统，以接近实验测定的精度预测出数十万种蛋白质的三维结构，攻克了持续50余年的科学难题[6] - AlphaFold成果荣获2024年诺贝尔化学奖，并被《自然》杂志评为当年“最具影响力的科学成就”之一[6][9] 公司战略与技术方向 - 公司正推动AI研究从通用智能的概念探索转向以科学发现为核心的“AI for Science”战略[10] - 研究重点从“智能是否能像人一样思考”转向“智能能否加速科学发现”，专注于生命科学、材料设计、气候建模和能源优化等领域的长期价值[10] - 伴随AlphaFold 3的推出，公司启动了“AI for Science Grand Challenge”计划，试图用通用模型跨学科解决基础科学问题[10] - 2025年公司推进发布Gemini 2.5，其性能在多项评测中超越OpenAI和Anthropic的同类模型[11] - 由Gemini驱动的通用数字助理Project Astra被视为下一阶段的关键工程[11] 行业观点与AGI展望 - 对于AGI的实现时间，公司首席执行官预计仍需要5至10年的发展，认为真正的AGI应当具备在有限信息下推导出新自然规律的科学发现能力[11] - 公司首席执行官认为，如果AGI技术得以实现，全球围绕稀缺资源的冲突将逐渐消散，有望迎来一个和平与富足的新时代[9] - 公司首席执行官强调，AGI研究绝非为了取代人类，目标是开启一个资源更充足、知识持续增长的“非零和”未来社会[11] 行业争议与挑战 - 部分媒体质疑2024年诺贝尔化学奖授予AI研究成果，指出AI方法的复杂性和透明度欠缺问题[12] - 有批评认为，诺贝尔奖对商业主体的褒扬为时尚早，可能掩盖AI技术日益集中于少数科技巨头手中的事实[15] - 自2023年起，公司“不参与军事项目”的承诺被调整，部分与军方或国防相关的合作重新出现，引发内部员工和公众质疑[16] - 据报道，至少有200名公司员工在2025年5月16日内部提交信件，反对与军事和武器制造的关联[16] - 外界批评认为，在消费者维度的竞争压力下，公司主页上关于医疗保健和气候方面的信息已消失，这动摇了其早期“以科学为本”的立场[19]

加强原始创新和关键核心技术攻关 - 人工智能技术应用于生命科学研究，如利用DeepNovo、AlphaFold及深度学习技术研究个体化癌症免疫治疗 [2] - 企业通过“揭榜挂帅”机制解决行业痛点，如河南龙佰新材料科技有限公司发布多孔炭材料生产技术难题需求，由省科学院碳基复合材料研究院开发微波一步法制备工艺成功解决 [2][3] - 优化“揭榜挂帅”、“PI制”、“赛马制”等机制，集中突破产业“卡脖子”技术和行业关键共性技术 [3] - 2024年全省研究与试验发展经费投入达1275.10亿元，比上年增加63.43亿元，增长5.2%，投入强度达2.01% [4][5] 推动科技创新和产业创新深度融合 - 中铁装备攻克主轴承、控制系统等多项“卡脖子”技术，核心零部件国产化率超90%，其顶管机专利获中国专利金奖 [6] - 全省已认定39家创新联合体，通过“科技副总”机制选派626名人才，促进产学研融合，如郑州大学刘文涛教授为银金达集团年新增产值超5000万元，安阳工学院冯国超博士助凤宝重工生产成本降低20% [7] - 郑州大学科技成果转化合同数从67项增至225项，合同总额从2768万元增至3.92亿元，同比增长236% [8] - 完善技术交易平台体系，深化科技成果赋权改革，加快科技成果转化 [8] 一体推进教育科技人才发展 - 高校前瞻性设置新兴交叉学科专业，如郑州航空工业管理学院新增飞行器运维工程等4个专业，形成航空和低空经济专业集群 [9][10] - 直接服务支撑省重点产业链群的省重点学科、本科专业占比均超70%，计划到2027年培育建设200个以上新兴交叉急需特需学科专业，年度新增相关专业占比达80% [11] - “十四五”期间，现代制造业等领域一线新增从业人员70%以上来自职业院校毕业生，全省高校输送420万高校毕业生 [11] - 全省高校总数达178所，在校生达320.3万人，郑州大学、河南大学“双一流”建设和7所高校“双一流”创建呈现厚积薄发之势 [12] - 河南工业大学研发国内首款粮仓人形机器人“粮宝二号”，实现粮库全流程无人化作业，并在高校产出“高端轴承”、“小麦新品种”等一系列创新成果 [12][13] 深入推进数字中国建设 - 郑煤机智慧园区作为灯塔工厂，集成工业物联网等前沿技术，使工厂产量提升30%以上，人效提升100%以上，生产周期从28天缩短至9天 [14] - 2024年全省数字经济规模超2万亿元，占GDP比重超三成，预计2025年突破2.2万亿元，较2020年增长超四成 [15] - 实施数字化转型全覆盖行动，“一企一策”制定转型方案，编制重点产业链数字化转型“一图四清单”，推动链式转型和工业大模型建设 [15] - 全省手机产量连续多年全国前三，计算机设备年产量突破百万台，超聚变全球总部基地、紫光超级智能工厂等重大工程落地 [16] - 实施“人工智能+”行动，布局建设13家人工智能行业赋能中心，支持牧原、卫华等龙头企业建设数字赋能平台，带动产业链数智转型 [16]

公司战略与竞争格局 - 谷歌在AI发展上采取谨慎态度，确保技术成熟后再推出，而微软则相对激进，OpenAI处于两者之间[8] - Meta在扎克伯格领导下明显转向，对"个人超级智能"项目投入巨资并疯狂招揽人才，马斯克也在通过xAI拼命追赶并疯狂加码算力投资[8][10] - 两年前谷歌被认为落后于OpenAI和微软，但现在已几乎重回前列，甚至在部分领域名列前茅[10] 行业发展瓶颈与挑战 - 能源可能成为美国AI发展的最大障碍，美国在芯片和AI训练技术方面优势明显，但能源基础设施不足，中国则在能源方面更强但芯片受限[10] - AI发展面临技术不均衡问题，某些领域表现超人般强大（如解决复杂数学与能源问题），但在简单任务上却可能出错（如数不清单词字母）[19] - AI可能发展出人类无法理解的"黑箱语言"，这已在谷歌搜索算法中初现端倪，经过多年迭代后已复杂到超越个体理解力[19][23] 技术发展路径与趋势 - AI实验室负责人开始观察到AI"自我改进"的迹象，论文指出可能出现"一飞冲天"的发展路径[14] - 一旦达到AGI临界点，发展将呈"冰球棒"曲线急剧上升，超级人工智能ASI会很快跟上[17] - 谷歌DeepMind的AlphaEvolve项目正在用AI设计新算法，显示递归改进已经开启[19] - 机器人技术预计在15-20年内像汽车一样普及，家用机器人将首先进入前10%富裕家庭[37][38] AI应用前景与社会影响 - AI正在快速推动生物医学突破，包括AlphaFold预测蛋白质折叠、提前一年检测脑肿瘤、糖尿病早期预警等[26] - 技术发展可能使人类在2030-2035年达到"长寿逃逸速度"，届时每活一年预期寿命增加两年以上[29][31] - 对10岁以下儿童，活到200岁的可能性高达50%以上，这将彻底改变家庭结构与人口模式[25][32][37] - 未来可能出现两种社会形态：一种是繁荣与创造力爆发，另一种则是全民懒散沉迷快感[33][35][39]

AI领域顶尖研究者学术影响力 - Yoshua Bengio总被引次数达987,920次，其中过去5年引用量为711,796次，占比72% [5] - Geoffrey Hinton总被引次数为972,944次，其中过去5年引用量为597,571次，占比61% [2][5] - 何恺明总被引次数超过75万次，达到756,424次，其中过去5年引用量为639,760次，占比高达84.6% [31][32] - Ilya Sutskever总被引次数超过70万次，达到706,612次，其中过去5年引用量为538,943次 [34][35] 高影响力论文与学术成就 - Bengio的《Generative adversarial nets》被引104,225次，《Deep learning》被引103,249次 [1] - Hinton的《Imagenet classification with deep convolutional neural networks》被引185,004次，《Deep learning》被引103,216次 [2] - 何恺明的《Deep Residual Learning for Image Recognition》被引298,327次，《Faster R-CNN》被引97,114次 [32] - Ilya Sutskever参与的《Imagenet classification with deep convolutional neural networks》被引185,909次 [35] AI领域发展里程碑 - 2018年Bengio、Hinton和Yann LeCun共同获得图灵奖，此后Bengio的引用量开始爆发性增长 [4][6] - 2012年AlexNet在ImageNet上取得突破性成果，被视为深度学习"引爆点" [17] - 2015年Nature发表LeCun、Bengio、Hinton的综述《深度学习》，成为标准理论引用来源 [19] - 2017年Transformer提出，2018年BERT证明预训练/微调范式，推动多模态与生成式AI发展 [21] AI学术生态发展趋势 - 2010-2022年全球AI论文总量从约8.8万增长至24万+，近乎三倍增长 [26] - AI占计算机科学论文比例从2013年的21.6%升至2023年的41.8%，几乎占据半壁江山 [26] - 2024年顶会投稿量激增：ICLR 2024共7,262投稿，NeurIPS 2024总投稿17,491，CVPR 2024投稿11,532 [26] - AI论文引用爆发式增长与AI时代发展相契合，奠基者的累积引用增长加速 [23][26] 其他高影响力研究者 - Yann LeCun被引次数超过43万次 [11] - Ian Goodfellow被引超过38万次 [40] - Jeff Dean被引373,153次 [44] - 李飞飞被引322,796次 [44] - Juergen Schmidhuber被引29万+ [40] - 吴恩达被引29万+ [40][47] - Noam Shazeer被引28万+ [40][55]

撰文丨王聪 编辑丨王多鱼 排版丨水成文 2024 年， 诺贝尔物理学奖 和 化学奖 史无前例的地授予了 人工智能 （AI） 领域的科学家。 在最近两年里， AI 模型 取得了一系列突破，并在科学领域崭露头角，它们已经能够自主分析实验数据、设计实验方案，甚至提出新的科学假说。这种进步速度， 让一些研究人员相信—— 在未来几十年里，AI 将能够与科学界最天才的头脑一较高下。或许在 2030 年，AI 就能独自做出值得诺贝尔奖的科学发现。 2016 年，索尼 AI 公司首席执行官、生物学家 北野宏明 曾向研究人员发起一项挑战 —— 开发出一种能够做出足以获得诺贝尔奖的发现的 AI 系统 ，他将这一挑 战称为" 诺贝尔图灵挑战 "，并将其视为科学领域中 AI 面临的重大挑战。如果一台机器能够取得与顶尖人类研究相当的发现，就算挑战成功。 当前的 AI 模型还做不到这一点。但 " 诺贝尔图灵挑战 "设想， 到 2050 年，将有 AI 系统能够在无需人类干预的情况下，将假设生成、实验规划和数据分析等技 能结合起来，取得足以获得诺贝尔奖的突破。甚至有研究人员认为， AI 系统自己获得诺贝尔奖几乎是板上钉钉的事，现在的问题在 ...

文档主要围绕ML-Summit 2025 全球机器学习技术大会（主办方为 CSDN Boolan，有 AMD X、数势科技等合作伙伴，大会含北京、杭州等地场次，如 ML-Summit 10 月 17-18 日北京、GOSIM 9 月 13-14 日杭州）展开，核心内容包括： AI Agent 相关：介绍其发展阶段（符号 Agent、反应 Agent、基于强化学习的 Agent 等）、技术框架（感知、定义、记忆、规划、行动五大模块），各模 块技术突破（如多模态感知的 Google Gemini、GPT-4o，规划模块的任务分解与反思能力，行动模块的工具使用与具身智能），以及通向 AGI 的路径（模 态丰富、具身智能、多 Agent 协同等），提及当前 AGI 处于 L1 阶段（代表如 ChatGPT）； 应用与趋势：介绍 AI Agent 在材料研发（如智能科研平台、专家助手）等场景的应用成果，提及 2025 年 AI 应用方向（端侧 Agent、Mar-tech 等）及创投 趋势（资本流向垂直领域、多智能体协同发展），预计 2025 年为 AI Agent 商业化元年，2030 年市场规模超千亿美元。 ML- ...

Biomap, a biotechnology start-up co-established by Baidu founder Robin Li Yanhong and backed by the Hong Kong government, says it has surpassed Alphabet subsidiary AlphaFold in commercialising artificial intelligence foundation models for drug discovery. Multinational pharmaceutical companies were seeing a "reverse" in the technological gap between Biomap and AlphaFold, Wei Liu, co-founder and CEO of Biomap and former CEO of Baidu Ventures, said in an interview with the South China Morning Post. "There's ...

如果未来五年没有"神来一笔"的算法突破，只把今天这条趋势线按原样拉长，会发生什么？ 答案可能是几串足以改写行业版图的数字：10^29 FLOP 的单次训练量、≈1000× 的算力放大、≈2000 亿美元的硬件投入、2%+ 的全球用电占比，最前沿训练的峰值 功率直逼吉瓦级。 这是Google DeepMind委托Epoch AI 完成的百余页量化研究《AI in 2030》给出的答案。 这些数据共同定义了 2030 年的 AI——一条保守基线；也回答了行业关注的诸多问 题——算力如何涨、电力要到什么级别、钱花在哪儿、哪些能力会先兑现。 本周，OpenAI 与 Anthropic 也发布了自己的用户数据报告，回答了另一半问题：沿途该怎么管着走。 锦秋基金也做了相关的编译， 感兴趣的朋友可以点击链接查 看。 别走弯路！Anthropic 官方揭秘：大模型哪里有用，哪里有钱 | Jinqiu Select 别押错赛道： OpenAI 的25 亿条消息揭示 AI 的真实需求 | Jinqiu Select 谁在用、用来做什么、在哪儿增长？——OpenAI 与 Anthropic 的两份"用户地图"对比 把这三篇报告叠在 ...

在最新一期《自然》封面上，首次出现了来自中国AI科技公司DeepSeek的大模型R1。此前，全球的科技公司中仅有拿下过诺贝尔奖的DeepMind的 AlphaFold获此殊荣。 本文字数：1960，阅读时长大约3分钟 作者 |第一财经钱童心 2025.09.19 在药物研发过程中，科学家通常会确定体内的某个靶点，例如肿瘤突变或特定激素的受体，然后寻找能够与其结合并改变其行为以治疗某种症状或疾病的 分子。在此基础上，研究人员设计出能够击中靶点并且不会对身体的其他部位造成破坏的化合物。 "人工智能的吸引力在于它可以快速浏览分子数据库，将化合物与靶点相匹配。"一位制药领域专家对第一财经记者表示，"但这只是药物发现的第一步， 还有很多问题目前尚无法用人工智能来预测，例如药物的毒副作用。" 人工智能工具已经在其他科学领域展现出潜力，例如极端天气预报。自2022年底ChatGPT推出以来，生成式AI的迅猛发展在医学领域也掀起热潮。从药物 设计到医学影像，AI企业正在加速与临床应用的融合。随着中国大模型更多技术细节的披露，未来也有望推动大模型在医学领域的落地，AI医学的 DeepSeek时刻即将到来。 AI制药能否孵出"金 ...

在最新一期《自然》封面上，首次出现了来自中国AI科技公司DeepSeek的大模型R1。此前，全球的科技公司中仅有拿下过诺贝尔奖的DeepMind的 AlphaFold获此殊荣。 人工智能工具已经在其他科学领域展现出潜力，例如极端天气预报。自2022年底ChatGPT推出以来，生成式AI的迅猛发展在医学领域也掀起热潮。从药物 设计到医学影像，AI企业正在加速与临床应用的融合。随着中国大模型更多技术细节的披露，未来也有望推动大模型在医学领域的落地，AI医学的 DeepSeek时刻即将到来。 从药物设计到医学影像，AI企业正在加速与临床应用的融合。 "人工智能的吸引力在于它可以快速浏览分子数据库，将化合物与靶点相匹配。"一位制药领域专家对第一财经记者表示，"但这只是药物发现的第一步，还 有很多问题目前尚无法用人工智能来预测，例如药物的毒副作用。" 上述专家表示，在纸面上看起来不错的药物在临床试验中仍然有90%的失败率。"AI制药最终走向现实，其过程堪比自动驾驶汽车上路，除了解决技术算法 上的核心难题之外，还面临复杂的生物学问题以及最终走向应用时所面临的监管问题。"他说道，"这是因为人类对于自身的生物学问题仍然知之甚 ...