VC 和分析师怎么看 AI for Science

  1. 自建湿实验室值不值? 看多:a16z(2025-09-30,投 Periodic Labs)说数据是瓶颈、实验室是解法,2026-04-15 又把验证和制造当作新的瓶颈;Felicis(2025-09-30)、General Catalyst(2025-03-10,投 Lila Sciences)、纽约市伙伴基金(2025-10-07)也押「模型 + 自有实验室」。对面:NEA 两篇(2025-09-11、2026-07-23,投 CuspAI)押轻资产,靠合作方实验室验证;Pangaea Ventures(2025-12)提醒自建实验室的经济账难算,也别把「加速模拟」当成「发现」;MIT Technology Review(2025-12-15)说合成才是真瓶颈,至今没有决定性突破。Contrary 的 Lila、Periodic 两份拆解把「证据不足」列为主要风险。
  2. AI 材料发现的成果有没有被夸大? 质疑:Chemistry World(2024-01-16)报道 A-Lab 的「新材料」被指并不新;C&EN(2026-01-28)写 Nature 的机器人化学家论文已更正,「新材料」的说法被收窄;C&EN(2026-10-14)说 GNoME 数据库里有近乎重复的结构;Nature 特写(2025-10)认为夸大和进展并存。另一面:投资方文章(如 Felicis 写 Periodic)仍把 GNoME 当团队背书;C&EN(2026-10)写 Lila 的闭环确实找出了制氢催化剂候选,只是离工业可用还远。
  3. AI 科学家能不能真做出发现? 看多:Radical Ventures(2026-08,投 Discovery Loop 等)押「自动化科学方法」的 Agent;MIT Technology Review 观点文(2026-08-10)说推理加工具比等数据集更重要;a16z(2026-06-24,投 Mirendil)先做 AI 研发 Agent 再扩到各学科。谨慎:Air Street(2025-12-16、State of AI 2025 / 2026)说已见发现苗头,但验证难、「洞见」和「重组已有知识」的界线不清;Undark(经 SingularityHub 转载,2026-02-20)列出可靠性和新颖性问题。数学上分歧最具体:Quanta(2026-08-03)说 Erdős 问题确有 AI 给出的真解,MIT Technology Review(2025-12-23)批评把「找到已有解」说成「做出发现」。

给图谱的提醒

怎么读