Frontier question · Test
发现更快，能否更早投入实际应用？
AI4S.fyi 综述 · 当前答案
一些研究已经缩短了候选生成、合成或表征的时间，但局部加速能否缩短整个研发周期，仍取决于后续复现、放大、认证或临床评价和采用。
本页关注同一个项目从候选到实际使用究竟节省了多少时间，又把瓶颈移到了哪里。
更新于 2026-09-10。 未披露时间收益表示加速效果尚待验证，不表示没有加速。
为什么重要
候选生成、合成与表征、复现与批次一致性、放大制造、认证或临床评价、实际采用可以交叉、并行或反复，并非所有领域都沿同一条线前进。材料进入产品、药物获批和软件被研究团队使用，也需要分别定义应用终点。
从候选到使用的六段 · 这条链延伸到了学习环之外 · 共 8 条
Model
候选生成
已证明
合成与表征
已证明
复现
证据稀薄
放大
证据有限
资格认证
尚待验证
采用
卡住
投入使用
中间那道竖线标出的是本站学习环结束的位置。环闭合于 UPDATE；它右边的一切——批次一致性、制造、资格认证、采用——都在环之外。而这恰恰解释了为什么环内的加速会被反复误当成整体的加速。
第一、二段 · 环内
生成、合成与表征
从一个被提出的候选，到一个被测量过的样品。
当前判断已证明。这里已经不是瓶颈，而且有一段时间不是了。候选提出和背后的验证回路，都能随工程投入而压缩。
置信度：高 · 2 条关键证据
关键证据
HEA05
对本问题的意义
在一个合金体系内完成八次新的物理实验，说明候选选择可以真正进入制造和测量，而不是停在一张排好序的清单上。
不能证明
跨体系泛化、规模化制造、批次稳定性、资格认证或更快的最终部署，均未建立。
第三段 · 环外
复现与批次一致性
换一个批次、换一个操作者、换一个实验室，结果还在吗。
当前判断证据稀薄。这是整条链上第一个不再被证明的环节。全部案例里只有一次第三方测试，而且是由委托方自己披露的。
置信度：低 · 1 条关键证据
关键证据
Radical AI —— RAI-939 外部测试
对本问题的意义
一个具名材料在 Purdue 接受了外部高温测试——这是一个中间证据等级：由第三方执行，但由公司选择性披露。比纯自述高一级，比多机构复现低好几级。
不能证明
规模化制造、重复批次、完整规格与资格认证均未披露。单一机构不构成复现。
第四、五段 · 环外
放大、制造与资格认证
绝大部分日历时间真正住的地方。
当前判断这些阶段超出许多早期发现平台的当前范围，但合作伙伴分工不等于下游无人开展；前端改善也可能减少返工或改变后续关键路径。
置信度：对"这是瓶颈"高；没有任何证据表明有人在压缩它 · 2 条关键证据
关键证据
Radical AI —— 资格认证是真正的约束
对本问题的意义
Krause 在访谈中估计，某些航空与国防材料的资格评价可能需要约十年。这里的“十年”是特定受访者对特定应用的估计；Milspec 是标准体系，不是与 FAA 并列的主管机构。
不能证明
这是证词。没有数据说明 DARPA 那套做法在实践中缩短了什么。
Lila Sciences —— 刻意的停止点
对本问题的意义
Lila 明确表示不做临床试验、不建中试装置，而是把候选交给合作伙伴。这一组里资金最充裕的平台，把这些环节当成别人的问题——这是理性的，同时也意味着本数据集里没有任何人在做那些主导时钟的环节。
不能证明
合作伙伴处理 AI 来源的候选是否比常规候选更快；没有任何合作方公开过这个比较。
第六段 · 环外
采用
一个候选被并非制造它的人真正用起来。
当前判断几个资金充裕的尝试在途，没有一个完成的案例。Krause 自己的定义是严格的那种：材料出现在出货的产品里才算数。按这个标准，本页上没有任何一条越过了终点线。
置信度：对现状中等，对趋势低 · 2 条关键证据
关键证据
Recursion
对本问题的意义
临床项目、药企付款和大规模表型数据都存在，候选也确实能进入临床——所以这条管线是走得通的。但还没有任何一个平台原生药物展示出人体疗效，所以"走得通"还不等于"更快"。
不能证明
临床成功率是否提高，尚未建立。
Isomorphic Labs
对本问题的意义
技术谱系与大型药企合作同时支撑了能力和市场需求。但 benchmark、候选来源、IND 申报与临床结果全部未披露——结构生物学位置最强的那家机构，恰好也是最难被外部检查的一家。
本段的其他证据
2 条 · 佐证
- 2025.12Moderna V940 —— 唯一走到三期的一条；AI 贡献未隔离，时间线改善未量化公司披露细化
- 2026.04Microsoft AI for Science —— MatterGen 含有限的物理合成；无证据表明客户研发周期缩短研究模型无加速
不同解释与限制
阿姆达尔这个框架可能过于悲观的理由
上面的论证假设目标是端到端时间。下面三条里有两条质疑的是这个框架本身，而不是那道算术。
Max Welling —— 中间产物本身就有用
主张
不像量子计算或核聚变——干几十年什么都没有，然后突然全部到来——在这个领域里"每造出一点东西，它立刻就有用"。
为什么相关
如果成立，用端到端部署时间衡量这个领域就低估了它，因为中间能力本身就是回报。它不否认部署很慢，它否认的是部署时间是正确的量尺。
并行工程（concurrent engineering）
主张
Krause 引用 SpaceX 的 Charles Kuehmann 提出的说法：在设计产品的同时设计材料，两者来回迭代，而不是先发明材料再去找用途。
为什么相关
这直接攻击了阿姆达尔论证赖以成立的串行结构。如果各段是并行而非串行的，加速发现就不再被下游占比封顶。目前还没有公开案例证明它做得到。
Radical AI —— 绕过去，而不是压缩它
主张
近期路径是与已经拥有规模化制造经验的公司合作，而不是自己把这个能力建起来。
为什么相关
这意味着下游环节也许可以在不被"变快"的情况下被更快地穿过——把它交给那些觉得这些环节本来就是日常的人。这到底能不能缩短时钟，尚未被检验。
AI4S.fyi 综述 · 当前缺口
这个领域缺少一个从候选提出、经过独立复现、放大、资格认证直到真实采用的连续时钟。目前所有案例展示的都只是链条上某一段局部变快了——而被测量的那几段，恰恰一直不是约束所在。
什么会改变我们的判断
- 整条链前瞻性地同时追踪 AI 来源与常规来源的候选，从提出到部署，记录每一段的耗时与淘汰原因。
- 三到五段为某个具名候选公开多批次复现、规模化制造、成本、规格与资格认证数据。
- 第六段证明更快的发现提高了最终成功率或降低了全生命周期成本，而不只是往同一个漏斗里多塞了候选。
- 反方一个完整的并行工程案例——材料与产品协同设计——并显示各段确实是并行跑的。
延伸阅读
Radical AI 谈十年的资格认证之墙，以及为什么材料只有进了出货的产品才算数。
CuspAI 的 Max Welling 谈为什么这个领域的中间产物立刻就有用，不像核聚变或量子计算。