DeepMind 一次性发现220万种新材料,AI把材料科学推进了800年
今年 AI 最被低估的一次突破,可能不在大模型,而在材料科学。Google DeepMind 用一个叫 GNoME 的模型,一口气预测出 220 万种全新晶体结构,其中 38 万种被认为“理论上稳定”。这不是论文数字游戏,而是可能直接改写电池、芯片、超导体研发方式的一次范式转移。
今年 AI 最被低估的一次突破,可能不在大模型,而在材料科学。Google DeepMind 用一个叫 GNoME 的模型,一口气预测出 220 万种全新晶体结构,其中 38 万种被认为“理论上稳定”。这不是论文数字游戏,而是可能直接改写电池、芯片、超导体研发方式的一次范式转移。
在 OpenAI DevDay 上,Helena Merk 抛出了一个让人不安的事实:真正拖慢气候转型的,不是技术不够先进,而是被 PDF、审批和流程卡死的现实世界。AI 已经准备好了,但它用在了你没想到的地方。
这是一个关于耐心、技术拐点与真实需求的故事。Casetext联合创始人Jake Heller用10年时间,把律师数周的工作压缩到几分钟,最终以6.5亿美元卖出公司。这篇文章带你理解:为什么大模型让法律行业发生质变,以及真正的AI产品是如何被“磨”出来的。
Mistral AI CEO Arthur Mensch在《No Priors》中分享了他离开DeepMind、创立开源AI公司的关键思考:为什么开源模型正在重塑技术版图,以及他对模型规模、数据、与AI安全争议的不同判断。
当所有人都在追逐更大的模型、更强的云端算力时,苹果却可能把生成式 AI 带回设备本身。iOS 18、边缘 AI、隐私优先,再加上内部每天“烧钱级”的模型训练——苹果的 AI 路线,正在悄悄成形。
这期 No Priors 播客中,Google Cloud CTO办公室生成式AI负责人 Kawal Gandhi 罕见地系统讲述了 Google 内部如何使用生成式AI、再将其产品化并推向企业市场的全过程。从 Workspace 的“狗粮实验”,到企业采用大模型的真实路径,再到成本、信任与多模态的未来,这是一份来自一线的冷静判断。
很多人以为 AI 改变职业的方式是“取代你”,但这期《AI Daily Brief》讲了一个更反直觉的事实:AI 没有先消灭岗位,而是先创造了两个新职业,而且一个比一个更抢手。从不会写代码的普通员工,到年薪数十万美元的 AI Engineer,这条路径已经被走通了。
当所有人都在讨论大模型会不会取代医生时,Nabla在Stripe AI Day丢出了一个更现实的答案:真正改变医疗的,不是诊断能力,而是把医生从文书地狱里解放出来。更狠的是,他们已经跑到了年化100万次问诊。
DALL·E 3不是悄悄上线,而是直接“免费空降”。不用排队、不用付费,只要一个微软账号就能用。这一刻,AI绘画的竞争逻辑变了:从拼参数、拼美感,转向拼“谁更懂人话”。
当所有人盯着OpenAI、谷歌和微软在台前“秀肌肉”时,苹果在水面下做了一件更狠的事:6年收购21家AI公司,数量超过谷歌和微软之和。这不是八卦,而是一个正在重塑AI竞争逻辑的信号。