FrontierMath 加入 50 道真正未解决的研究问题
发生了什么：Epoch AI 将 benchmark 从答案保密的问题扩展到发布时没有已知解答的研究问题。
为什么重要：它改变了评测问题：不再问模型能否找出隐藏答案，而是能否推进一个尚无答案的问题。
Relation 扩大与 GSK 的合作，最高 1.1 亿美元，用于细胞扰动数据和 MORGAN 基础模型
发生了什么：GSK 最高支付 1.1 亿美元（首付加里程碑），由 Relation 自动化地做细胞扰动实验，并用数据训练基础模型。其模型 MORGAN 尚无基准、规模或论文。
为什么重要：药企付费买的是为训练模型而生成的数据，不是靶点清单。首付占比未披露，MORGAN 也还没展示结果。
Google DeepMind 不再保留专门的 AlphaFold 团队：研究人员转去 Gemini、酶设计、核聚变和基因组项目，或已离开
发生了什么：《金融时报》报道，Google DeepMind 拆散了做出 AlphaFold 的团队。DeepMind 证实了内部调动：转去 Gemini 项目，据《金融时报》还有酶设计、核聚变和基因组方向；另一些人去了 Isomorphic Labs。DeepMind 发言人对《科学美国人》说，许多调动发生在一年多以前。John Jumper 已在 6 月宣布离开，加入 Anthropic。AlphaFold 数据库和预测服务器仍然可用。
为什么重要：AlphaFold 是 DeepMind 给自己定一个难的科学问题、连续做好几年的做法。现在这批人转到以 Gemini 为主的项目和其他学科。领导 AI for Science 团队的 Pushmeet Kohli 当天在 X 上说，团队是扩展了工作，而不是转向。John Moult 和 Debora Marks 对《科学美国人》说并不意外：AlphaFold 要解决的那个任务已经基本完成。Moult 还说，外部团队自己做的版本已经在接着做。
证据与边界：多数细节出自《金融时报》的报道，包括它自己统计的原论文 DeepMind 作者中近四分之一已离职。Jonas Adler 和 Alexander Pritzel 随 Jumper 去了 Anthropic，是彭博社援引知情人士的报道。
Raygun 用语言模型编码改变蛋白质长度，部分缩短后的蛋白在细胞里仍有功能
发生了什么：Duke 的 Raygun 用语言模型嵌入缩短或加长蛋白质。细胞里 8 个缩短荧光蛋白 6 个发光，11 个 TurboID 变体 2 个有活性，2 个 EGF 变体结合 EGFR 强于野生型。
为什么重要：大幅改动后功能只在部分变体上保留：荧光偏暗，缩短一半的 TurboID 没有活性。没有第三方复现。
薛定谔开放 Bunsen 早期试用：一个替研究者规划、运行并解读其物理建模计算的 AI 智能体；百时美施贵宝同意在研究部门大规模使用
发生了什么：Bunsen 接收用自然语言提出的科学问题，选择计算方法，搭好多步流程，在薛定谔自己验证过的工具上发起计算，再解读结果。7 月 27 日起部分客户可以试用，算力由英伟达和谷歌云提供；正式版计划在 2026 年底前推出。8 月 5 日，长期使用该平台的百时美施贵宝签约大规模部署，并与薛定谔结合其化学空间搜索和合成规划工具 RetroSynth 共同开发新功能。
为什么重要：薛定谔拿它和只检索、总结已有信息的通用 AI 对比：Bunsen 专门用来驱动一家厂商成熟的物理计算方法，药物研发人员本来就用这些方法在合成之前给分子排序。薛定谔把它同时面向计算化学家和不是计算化学家的药物研发人员；总裁兼首席执行官 Ramy Farid 说，按计算量收费的授权模式能吃到用量增加带来的收入。一家药企在整个研究部门部署它，是检验这一点的一个机会。
证据与边界：两份新闻稿都没有给出任何测量：没有任务成功率，没有与不用它的化学家的对比，也没有客户结果。与百时美施贵宝的协议没有披露条款和期限。
Enveda 报告一款口服湿疹药在 9 名患者中 42 天皮损评分降 85%
发生了什么：ENV-294 的开放标签 1b 期中，9 名成人每天服药，共 28 天。EASI 评分平均第 28 天降 68%，第 42 天降 85%。不良事件仅一例头痛。
为什么重要：只有 9 名患者，没有安慰剂组，数据由公司公布：不能证明有效。新闻稿没有说明 AI 如何影响了这个分子。
能源部选出首批 278 个 Genesis Mission 项目，Brookhaven 与 Stony Brook 牵头其中 10 个
发生了什么：能源部选出 278 个项目进入资助谈判，入选不等于承诺资助。Brookhaven 牵头 7 项、Stony Brook 3 项，把 AI 接入推理、仪器、设计与数据基础设施。
为什么重要：能源部要检验的是把 AI 作为工作流的组成部分，而不是一个通用 AI 科学家。所列能力目前都还是 Phase I 计划。
Berkeley Lab 与 Oak Ridge 牵头能源部首批 Genesis Mission 中的 22 个项目
发生了什么：Berkeley Lab 牵头 13 项、Oak Ridge 9 项：地球与能源预测、材料闭环、数字孪生，以及共享的软件与网络，均处于资助谈判阶段。
为什么重要：项目组合沿着两家实验室已有的数据与设施展开；入选材料（2026-09-27 核对）没有可核查的项目技术结果。
PNNL 牵头能源部首批 Genesis Mission 中的 16 个项目，并为其中多项预设数值目标
发生了什么：PNNL 牵头 16 个 Phase I 项目并参与另外 26 个，覆盖地下模拟、仪器与制造等；诸如提速 100 倍的目标已事先写明。
为什么重要：事先写明的目标让这些项目可以被检验：没达成的目标和达成的一样有信息量。入选仍不等于承诺资助。
NSF 投入 2000 万美元建设 PoLARIS：芝加哥大学与阿贡国家实验室的软材料机器人实验室，外部研究者可远程下单做实验
发生了什么：PoLARIS 将把芝加哥大学和阿贡国家实验室五个实验室里 20 多个自主工作站连起来，其中有阿贡的先进光子源和 Polybot，通过云端界面接收实验请求。材料是液体、聚合物、凝胶、胶体、泡沫和颗粒物质。芝大预计运行后每天可做 100 到 300 次实验，18 个月内对首批科学问题实现端到端自主实验，资助第二年年底开放外部用户。负责人是 Ian Foster，与 Stuart Rowan、Jie Xu、Yuxin Chen 共同主持。
为什么重要：多数自主实验室只服务搭建它的团队。这一个拿到的经费要求它承接高校、企业、政府实验室以及没有这类设备的机构的工作，让有想法、没有机器人的研究者也能把实验做出来。如果做成，自动化实验的使用权就从自己搭建变成申请使用。
证据与边界：目前还没有为外部用户跑过实验：吞吐量、18 个月和两年的时间点、开放使用的方式，都是芝大在公告里给出的计划。NSF 的资助记录显示，2000 万美元是四年的计划总额，其中 2026 年已拨付 500 万美元，形式是新设 Programmable Cloud Labs 计划下的合作协议，也就是逐年续拨的承诺，不是一次到账的资金。
Google 向 Genesis 计划承诺 4000 万美元的 AI token 与云额度，并称 Gemini 把一家国家实验室的显微镜校准从 90 分钟缩到 13 分钟
发生了什么：Pushmeet Kohli 和 Karthik Narain 在美国能源部 Genesis 计划峰会上宣布，提供 4000 万美元的 token 与云额度：Genesis 获资助者可以使用 AlphaEvolve、AlphaFold 3、AlphaGenome、WeatherNext 和 AlphaEarth Foundations，能源部各实验室的员工获得一年 Gemini for Government。博文引用落基山国家实验室材料数据科学家 Steven Spurgeon 的话：把 Gemini 接进实验室的仪器后，显微镜校准从 90 多分钟缩短到约 13 分钟，对焦步骤从最多 50 步减到 2 步。
为什么重要：这是迄今最清楚的一例：Google 的模型直接在国家实验室的材料仪器里运行，而不是在外面提想法。额度本身是补贴，但显微镜的例子说明 DeepMind 的工具是怎么进入实体实验室的：通过别的机构的设备，而不是它自己那座尚未启用的材料实验室。
证据与边界：校准的数字出自 Google 自己博文里的引语，没有找到相应的论文或实验室报告。博文也没有提到任何材料方面的结果。
CuspAI 完成 4.5 亿美元 B 轮融资，估值 26 亿美元，并把 45 家以上伙伴的实验室、算力与专业能力汇到自己的平台上，称为 AI Materials Foundry
发生了什么：Kleiner Perkins 与 NEA 联合领投，新投资方有 Bezos Expeditions、Lux Capital、AMD Ventures、英国主权 AI 创投基金和 Invest-NL，Temasek 与 Prosus 追投；26 亿美元估值由彭博报道，一年前为 5.2 亿美元。联合创始人兼 CEO Chad Edwards 对彭博说，这笔钱大部分用于剑桥、新加坡和湾区的实验室，今年八成研究投入在半导体材料上，包括把钌和铱设计掉。Foundry 把算力、实验室和专业能力与 45 家以上机构打通，其中有 NVIDIA、Meta 和 Lam Research。
为什么重要：这是本站记录里材料与化学领域已完成的最大一笔融资，而它买的是湿实验室和伙伴的仪器，不是模型：Foundry 的 45 家成员正是一种被预测出的材料能被做出来、测出来的地方。另一面是，同一篇报道说 CuspAI 还没有任何项目走到可商业开发的材料，并说其竞争对手也没有，所以这个价格押的是搜索能力，不是产品。转向半导体、转向把两种受限金属设计掉，说明付钱的问题在哪里。
Anthropic 公布与格拉德斯通研究所合办的一周 Claude 生命科学黑客松五个获奖项目
发生了什么：Anthropic、格拉德斯通研究所和 Cerebral Valley 7 月 7 日至 13 日在线举办，奖金 10 万美元额度，约 300 个项目参展。研究赛道：第一名 NCypher（Faith Ogundimu），把一种几乎必死的儿童脑癌的 10,869 个 DNA 变异排出实验验证先后；第二名 Extremolith（Jaymin Patel），改写酶以耐高温、酸或盐。开发赛道：第一名 Lazarus（Dean Sherry），让废弃科研代码重新运行；第二名 Provinans（Shereen Lee），合并癌症记录。格拉德斯通奖：Trialign（Jules Park、Neil Wang），为癌症患者匹配试验。
为什么重要：获奖项目说明 Claude 已进入多个真实科研环节，也暴露出从“完成任务”到“可信结果”的差距。NCypher 从 10,869 个 DNA 变异中筛出实验候选，但团队自称效应有限，只能提出假设；Lazarus 让 17 个跑不动的代码库重新运行，但抽查 20 个仅 5 个复现论文数字，能跑不等于可复现；Extremolith 设计耐高温、酸或盐的酶，但在有负担得起的 GPU 前，演示只返回预先算好的结果。项目都未经同行评审或实验验证，评委来自 Anthropic 和格拉德斯通。AI 已能参与筛选、分析和执行，还未完成科学发现。
赛诺菲在与 Aqemia 的合作中提名新靶点，触发一笔金额未披露的里程碑付款
发生了什么：2023 年的合作最高 1.4 亿美元（预付款加里程碑付款）。Aqemia 用基于物理的生成式 AI 设计小分子，赛诺菲负责湿实验、开发和商业化。公告未给这笔付款的金额，也未说靶点。
为什么重要：合作方追加靶点，说明这笔合作在用起来，不说明分子有效。公告里只引用了 Aqemia 首席执行官 Maximilien Levesque，赛诺菲没有表态。
Latent Labs 把从一句话提示设计抗体的智能体 Latent-Y 开放给通过申请的研究者
发生了什么：Latent-Y 接受一句话目标或一篇论文，自己跑完整个流程：读文献、选表位、用 Latent-X2 生成候选、挑出送去做实验的序列。技术报告把九个靶点送进实验室，其中六个拿到实验确认的纳米抗体结合物，最好到个位数纳摩尔；多数设计端到端跑完，跨物种那一次由专家介入纠正。通过申请的研究者每天有 250 个免费设计额度，更多则需购买额度。
为什么重要：这一步是从蛋白质设计者操作的模型，走向由模型自己做设计决策，检验在于谁用得上。发布公告点名三个外部课题组拿到了实验验证的设计，其中加州大学戴维斯分校一个实验室用五个设计纳米抗体中的四个阻断了一个人类离子通道，并称其中有些组此前没有计算设计经验。这些外部结果出自 Latent Labs 自己的公告；九个靶点中六个的数字来自它自己的湿实验室。
Chai Discovery 融资 4 亿美元，估值 38 亿美元，Index Ventures 领投
发生了什么：C 轮由 Index Ventures 领投，Kleiner Perkins、Sequoia Capital 和 Dimension 一同参与；新投资方包括 Bain Capital Ventures、Battery Ventures 和 Sapphire Ventures，OpenAI、Thrive Capital 和 Menlo Ventures 继续跟投。Chai 称资金用于模型的算力、数据和研究，并让更多科学家用上。联合创始人兼 CEO Joshua Meier 代表公司发言，Nina Achadjian、Ilya Fushman、Pat Grady 和 Zavain Dar 代表四家机构。
为什么重要：距估值 13 亿美元的 B 轮仅七个月，投资人出价接近三倍，买的是一家向礼来、辉瑞和诺华出售模型使用权、而不是自己开发药物的公司。这个价格押注的是卖给药企的软件，不能说明它设计的抗体有效。
Iktos 生成模型找到的 PolQ 抑制剂骨架在试管里达到低纳摩尔活性，而其中活性最强的化合物在细胞里无效
发生了什么：Iktos 与外包研发公司 Sygnature Discovery 用 Iktos 的生成式软件 Makya 加上对接，设计 PolQ 抑制剂；PolQ 是被当作抗癌靶点的 DNA 修复酶。合成并测试的 88 个化合物中，六个在 5 微摩尔以下有抑制作用。其中一个肟基化合物经化学家调整基团位置后达到 pIC50 7.3，在细胞里与参照抑制剂 ART-558 相当；围绕它再做一轮生成设计，生化检测达到 8.3，ART-558 为 7.6。
为什么重要：这是生成模型的设计被真正合成、送进检测，不是对接打分；论文把功劳记在模型与化学家的合作上，没有拆分各自的份额。细胞实验是它停下的地方：活性 8.3 的化合物对 BRCA 缺陷细胞没有活性，作者归因于透膜性差，生化上的提升没有带进细胞。所有数字都来自撰写论文的这两家公司，对相关酶的选择性和任何动物实验都还没做。
在抗病人群身上找抗体的 Alchemab 获英国商业银行 2500 万英镑 A 轮追加投资，这是该行迄今最大的一笔生命科学投资
发生了什么：这笔 2500 万英镑（3400 万美元）让 Alchemab 的 A 轮累计达到 1.09 亿英镑，用于推进临床管线，并把抗体数据库从 5 亿条序列扩充到 10 亿条以上。它的 Resiliome 平台用 AI 在对难治疾病有异常抵抗力的人身上寻找天然抗体。联合创始人兼首席执行官 Jane Osbourn 和董事会主席 Kate Bingham 代表公司发言，Charlotte Lawrence 和 Carmine Circelli 代表银行发言；投资由该行的商业子公司 British Patient Capital 执行。
为什么重要：公告自己拿来证明平台的是一笔交易，而不是数据：2025 年 5 月，礼来在 ALS 抗体 ATLX-1282 还没给任何人用过时，就以最高 4.15 亿美元授权引进了这个 Alchemab 的首个抗体，当年 9 月启动 1 期临床。礼来还签了一项发现合作并参与投资，押注也延伸到平台本身；但几份公告都没有报告临床结果，也没有说明这个平台挑抗体比别的方法更准。钱来自英国政府：英国商业银行是国家的开发银行。
Chalmers 把大模型智能体接上自动化酵母实验室，报告两个新的相互作用，并在实验室里验证
发生了什么：智能体提假设，自动化培养与代谢组实验室来检验。在酵母里发现谷氨酸拖慢亚精胺处理的细胞，氨基己二酸部分缓解甲酸胁迫。
为什么重要：从假设到湿实验走完一圈，但只有一种酵母里的两项发现，由开发者自己完成，只读了摘要。
alqem 完成 800 万欧元 pre-seed 融资，UVC Partners 与 Union Square Ventures 联合领投，寻找不用稀土的磁体
发生了什么：这家慕尼黑公司今年成立，创始团队是 CEO Hanh Nguyen、CTO Tiago Cerqueira 和 CSO Milan Allan。Allan 是慕尼黑大学实验物理系主任，负责公司自有的合成与表征。引擎建在 Alexandria 之上，这是 Cerqueira 共同搭建的预测晶体结构开放数据库，此外还有自建的性质数据集和自己的实验室。领投方由 UVC Partners 的 Principal Amanda Birkenholz 出面发言。公司称已有一批不含稀土的磁体候选，预测性质与实验数据做过对照。
为什么重要：公司公告说，高端永磁体约九成产自中国，近来的出口限制让电动车和风机厂商的供应变得不确定，所以这笔想替换掉其中稀土的 pre-seed 追的是这个供应问题，不是一个基准分数。Alexandria 是实打实的资产，公司称它是同类中最大、用得最多的数据库；但公司关于自家候选材料的说法只有一句话，没有化合物、没有测量数据、也没有论文。「上一次永磁体的突破在 40 多年前」这句，也出自它自己的公告。
寻明生科开源共折叠模型 OpenDDE：在自建的新结构测试集上，66.4% 的抗体与抗原结合界面预测合格，次优模型为 51.0%
发生了什么：寻明生科以 Apache-2.0 协议发布 OpenDDE，训练代码、权重和基准一并开放。它预测蛋白质、核酸与小分子如何结合，建立在开源的 Protenix 和 OpenFold3 之上。在三个抗体与抗原测试集上，它给出合格结合界面的比例为 51.0%、70.0% 和 66.4%，在参比模型中最高。第三个测试集由寻明生科自己整理，含 164 个晚于训练数据的结构，Protenix-v1 在上面为 50.0%，Boltz-1 为 25.0%。
为什么重要：抗体与抗原的结合界面柔性大，对共折叠模型很难，又是抗体公司最需要的地方，而报告中最强的系统 Isomorphic Labs 的 IsoDDE 并不开放。一个接近它的开源模型，让任何实验室都能自己运行、再训练这一步结构预测。它也是寻明生科智能体设计框架底下的模型，那套框架的实验结果建立在它之上。
证据与边界：所有分数都是计算结构与已公开实验结构的比对，由寻明生科自己跑，没有外部团队重复。论文一处说达到了 IsoDDE 报告的准确度，另一处说只是缩小了差距，而 IsoDDE 的训练配方并未公开。作者也说它没有针对小分子对接或亲和力做优化。预印本，未经同行评审。
TranscriptFormer：在 12 个物种 1.12 亿个细胞上训练的单细胞模型，发表于《科学》
发生了什么：论文报告细胞类型分类达到最优，连相隔训练物种 6.85 亿年以上的物种也行，并能零样本识别人类细胞的疾病状态。
为什么重要：一个能跨生命之树比较细胞的模型，押的是基因表达数据本身就带有共通结构。摘要里的检验都在已有的标注数据上，没有新实验。
BFF 团队的后续论文发现：调过分布的随机突变找到自我复制程序，比代码汤的两两相互作用更快
发生了什么：Google Paradigms of Intelligence 团队的 Charlotte Knierim、Luca Versari、Robert Obryk、Blaise Agüera y Arcas 和 Rif A. Saurous 用一个直接识别自我复制的检测器检查 64 字节程序。从调过的字节分布里随机抽程序，平均约 9.4 万个就找到一个复制者，跑 BFF 约要 500 万个，相差约 25 倍。限制程序之间的拼接，并不阻止复制者出现，只阻止它们占满整锅。
为什么重要：2024 年的论文把“整锅被占满”当作复制者出现的标志，并认为两两相互作用是找到复制者的有效方式。直接检测复制者，把两件事分开了：出现，单靠随机突变就能做到，而且不慢；扩散，才需要相互作用。作者写道，在 BFF 里发现复制者并不需要组合，这改变了 2024 年结果的读法。
证据与边界：同一团队的计算，一篇简短的预印本，主要用一种 BFF 方言（bff_selfmove），作者说其他变体结果非常相似。检测器看程序在五轮里是否复制了自己的大部分，这是一个操作性的定义。最好的分布是参照 BFF 写出的字节设计的，所以比较的是搜索速度，不是代码汤在没有外力时会怎样。