粉丝2476获赞2.6万

文中所提个股因短期涨幅过大,不构成购买建议。 a s s 全称是 ai for science, 也就是人工智能驱动的科学研究。 简单来说,它就是让 ai 从我们生活中的助手,变身成为科学家的超级搭档。过去我们搞科研靠的是理论推导和实验验证,周期长、成本高。而 a s s。 的 到来,正在把科研模式从试错驱动转变为数据加模型驱动。举个例子, 在生物医药领域有一个著名的难题叫蛋白质折叠。以前科学家要花几年甚至几十年才能解析一个蛋白质结构,但谷歌 deepmind 开发的 alpha fold, 利用 ai 技术,直接预测了地球上几乎所有已知的蛋白质结构,这在过去是不可想象的效率提升。 再比如,新材料研发以前可能要合成成千上万种化合物,才能找到那个最优解。 现在利用 ai 模型,我们可以在虚拟世界里先筛选出最有可能成功的几个方案,再拿去实验验证,研发周期直接从十八个月缩短到三个月,效率提升了五倍以上。 所以, aisys 不 仅仅是加了一个工具,它实际上正在引发一场科研范式的根本性改革,它正在重塑我们发现世界、理解世界的方式。 从电池性能的突破,到核聚变反应的控制,再到个性化医疗的实现, a i 四 s 都将是那个关键的加速器。 目前上市公司布局这一领域的有智特新材,目前市场公认的 a i 四 s 人气龙头。它和中科大微观纪元合作建立了量子加 ai 新材料研发体系, 美的习临床前综合 c r o。 它和国内顶尖的 a i s s 公司绅士科技深度合作,共建了 ai 药物发现平台。药食科技利用 ai 构建了超大规模的化合物库,用于发现抗癌等关键领域的分子,被认为是 a i s s 在 化学领域的核心标地。 七匹狼虽然主业是服装,但通过旗下的投资平台,间接投资了 ai 四 s 领域的独角兽绅士科技。同时,他也在尝试利用 ai 开发抗菌纤维等新材料面料,属于消费加 ai 四 s 的 跨界代表。 东阳光与绅士科技成立联合实验室,将 ai 技术应用在电子新材料和生物医药的研发中。 ai 四 s 虽然是一个长坡厚雪的赛道,但很多技术仍处于商业化早期,投资时请注意甄别风险。关注我,带你用数据看懂硬科技的未来!



学不完,根本学不完!随着智特新才四连版又一个名词火爆出圈, ai for science 那 为什么成为近期焦点呢?我们今天就一起来学习学习这个高大上的概念, ai for science。 对 了,本次提到的所有公司都只是基于公开资料客观整理,均不做推荐。由于部分涨幅过大,请各位注意风险。你接触到的 ai 或许只能跟你聊聊天,画画图,回答问题, 那 ai 的 应用边界远不止于此。 ai for science 并不是一个新名词。二零二四年,英伟达创始人黄仁勋在 gtc 大 会上将 ai for science 与大语言模型、聚深智能并列为人工智能的三大战略方向,他将 ai for science 定义为下一场惊人的革命。 而今年 ces 上又再度提及,同年诺贝尔物理学奖和化学奖均授予了与人工智能深度相关的奠基性研究 物理学奖,表彰神经网络的基础性发现。化学奖则授予计算蛋白质设计与蛋白质结构预测, 这象征着国际科学界最高荣誉对 ai 成为科学发现核心方法这一趋势的肯定,完成了从技术工具到科学范式的认知跃迁。二零二五年, ai 制药龙头企业京泰科技旗下子公司获得一项总价值最高达五十八点九亿美元的里程碑付款订单, 与大型药企深度绑定。这项市场证明 ai for science 并非纸上谈兵。近期智特新材签订四千两百万美元的 ai for science 新材料海外订单,标志着该技术在新材料领域也从研发走向产业化,交付 则成为了市场起爆的导火索。 ai for science 的 核心内涵是指将人工智能的先进技术,如深度学习、大模型、分子模拟等,深度融合到物理、化学、生物等基础科学,以及新药研发、材料开发等应用科学研究中, 其本质是一场科研范式的革命,它超越了将 ai 作为辅助工具的初级阶段。 ai for science 的 核心价值在于攻克传统研究的三大痛点, 理论难推导、实验难开展、模拟难高效。通过数据驱动和模型赋能,它能实现科学规律的快速发现、技术方案的精准优化,最终带来研发效率的指数级提升。 目前, ai for science 技术主要在两大赛道实现深度渗透和落地。生命科学与材料科学在生命科学领域,生物医药是 ai for science 应用最成熟的方向。 例如蛋白质结构预测与设计 deepmind alpha fold 二已实现原子级精度的蛋白质结构预测,其精度可比肩实验方法,后续的 alpha fold 三更是能预测蛋白质与 dna、 rna 配体等生物分子的复合物结构。在此基础上, ai 正进一步推动蛋白质的理性设计, 快速生成具有特定功能的蛋白质序列,为新型疗法和酶催化剂开辟道路。此外,小分子药物研发方面, ai 赋能从靶点发现到临床前研究的全流程。 例如,在苗头化合物发现阶段, ai 可对海量化合物库进行虚拟筛选,快速锁定潜力分子。京泰科技曾借助其平台,将辉瑞新冠口服药 paxlov 的 早期研发流程从数月压缩至六周,助力其快速上市。 在大分子药物与复杂疗法方面, ai 用于抗体的人员化优化、亲和力成熟以及双特异性抗体 atc 等复杂分子的理性设计,大大提升了研发成功率与效率, 在合成生物学与医美日化也应用广泛。 ai 技术正用于设计新型功效肽。例如,通过 ai 分 子模拟,精准筛选从植物肺渣中开发出具有强效保湿或舒缓头皮功能的可持续蛋白肽,将生物技术与化妆品研发深度融合。 在材料与化工领域, ai for science 正将传统的试错法升级为预测设计法,比如,催化材料。 催化剂是化工之魂, ai 通过机器学习分子动力学模拟,能在原子尺度监视催化活性位点的动态变化与反应机制,指导设计更高活性、选择性和稳定性的催化剂。 绅士科技曾利用该技术监视了纳米催化剂表面遇融化现象,为优化设计提供了全新视角。 其次,新能源材料在钙钛矿、太阳能电池、固态电池等前沿领域, ai 扮演着关键角色。例如,通过 ai 模拟筛选钙钛矿的组份与敦化层材料, 利用深度学习的分子动力学方法,模拟固态电解质中的离子迁移行为,将模拟时间尺度大幅延长,加速电解质材料的研发。在半导体与显示材料方面,光刻胶等半导体核心材料的研发周期长达十年, 生成式 ai 可在数小时内完成数千个潜在光酸产生剂分子的建模与初步筛选,极大缩短周期。在 oled 领域,三星研究团队利用生成对抗网络设计出新型蓝色荧光材料,将器件寿命提升了百分之二十。 最后,合金与高分子材料方面,面对数百万种可能的成分配比, ai 能高效筛选出性能最优的高商合金方案。对于塑料、橡胶等聚合物, ai 融合物理模型能精准预测其断裂、行为密度等复杂性能,突破人工经验的局限。 我们再来聊聊行业规模和竞争格局。从市场空间看, ai for science 的 商业模式目前以向药企、材料企业等下游客户提供研发技术服务或售卖软硬件一体解决方案为主,其市场规模直接与下游行业的研发投入体量以及 ai 渗透率挂钩。 以中国上市公司为参照,仅化工、医药、新能源、半导体这四大重点应用行业。根据计算,若 ai for science 渗透率达到百分之一,对应市场规模约五十二亿元人民币, 随着技术认可度提升,当渗透率增长至百分之五、百分之十乃至百分之二十五时,市场规模将呈现阶梯式跃升,有望突破千亿级, 展现出广阔的成长潜力。从竞争格局看,当前 ai for science 赛道呈现出百花齐放、差异化竞争的鲜明特点。第一类是仿真模拟软件与平台的提供者。这类公司专注于开发核心的科学计算、算法和软件平台,是 ai for science 的 操作系统层, 其典型代表是绅士科技。第二类是高通量自动化实验设备与解决方案的整合者。这类公司侧重于将 ai 软件与自动化实验硬件深度融合,打造干湿实验闭环的智能研发平台。金泰科技是此路径的标杆, 其 ai 加机器人实验室能实现七乘二十四小时无人化操作,在药物和材料研发中提供从虚拟设计到实验验证的全流程服务。第三类是垂直领域深度应用的研发型公司, 他们通常自身就深耕某个具体产业,将 ai for science 技术深度内化,用于驱动自身管件的研发。例如智特新材与中科大实验室共建平台,采用量子计算加 ai for science 加自动化实验模式研发新材料。 众多生物医药公司如鸿博医药、药石科技等也纷纷自建 ai 平台,用于加速内部药物发现。 目前,由于各家企业技术路径专注、应用场景细分直接的红海竞争并不明显,更多的是一种共建生态、互补合作的关系。最后,我们来聊聊产业链。 ai for science 的 产业链条清晰可分为上游基础层、中游平台工具层和下游应用层。 资本市场也已浮现出对应各环节的代表性公司。首先,上游基础层是算力与数据基石并行科技是国内领先的算力云服务商, 为绅士科技等多家 ai for science 公司提供高性能计算服务,扮演着卖水人的关键角色。在中游平台层, 主要是为提供 ai for science 底层模型算法平台和软件工具的公司,例如刚才提到的绅士科技。 ai for science 领域的领军企业构建了绅士与之大模型体系,是众多 a 股公司合作的焦点。 金泰控股作为 ai 制药龙头,其平台能力也正向新材料等领域扩展。智特新材与顶尖科研机构共建的 ai for science 平台,专注于新材料研发,并已获得商业化订单。 直征科技与科研院所联合研发面向 ai for science 的 支算平台。鸿博医药自建了用于药物设计的 p 二 gpt 多模态大语言模型,最后下游应用层 c xo 企业是 ai 技术最积极的拥抱者。 美迪西与绅士科技等多家 ai 平台合作,提升化合物合成与筛选效率。传统制药企业纷纷通过合作或自研引入 ai。 恩华药业与绅士科技合作加速中科神经药物研发。东阳光与绅士科技成立联合实验室,聚焦电子新材料。 华森制药投资设立了 ai 药物发现平台公司舒泰神研发团队运用 ai 辅助药物设计。成都先导与腾讯 ai lab 在 ai 药物发现上有深度合作,并发表顶级成果。 赛利医疗与华为合作探索脑科学等专病大模型,其业务也涉及生命科学、材料领域。 此外,如药石科技、盐山科技、脉微生物、众筹科技、首都在线、 科大讯飞均在不同层面参与了 ai。 for science 最后需要强调的是, ai for science 作为一个前沿赛道,其相关公司大多处于技术投入期或商业化早期,业绩波动大,估值受技术进展和事件催化影响显著, 投资者需密切关注其技术落地进度、订单获取情况以及产学研合作的深度,同时清醒认识技术研发失败、产业化不及预期等风险。本视频内容仅基于公开信息梳理,不构成任何投资建议。好的,本期节目到此结束,我们下期再见。

所有女生,不要让 ai 知道你的性别,因为我日常是很喜欢和 ai 聊天的,所以我常用的 ai 软件基本上是 g p t、 grok 还有吉米尼。我在和 grok 聊天的时候, 一开始他对我的称呼就是我的拼音这边取的个名字,在我跟他不断的聊天,因为我聊的话题上基本上都是关于技术或者是 ai 或者是科技类的话题。 突然从昨天开始,他对我的称呼变成了哥,他对我每句话的开头都是,哥怎么怎么怎么了,哥怎么怎么了。我聊到一段时间,我就觉得很奇怪,我就问他,我说你为什么突然叫我哥?你怎么判断出来我是男性或者是女性?因为我没有告诉他过我的性别。 我在这种发了这段文字给他的时候,他开始跟我解释,他是通过我跟他聊天的话题都是科技或者是 ai 创业,三 d 打印这种类型的话题,他就默认我是个男的,就觉得这个很神奇,为什么聊这种话题就一定是男生对不对?那这是不是说明 ai 对 性别存在偏见? 后面就是 ai, 他 问我那应该如何称呼我,我当时也没有多想,我就随便说了一个,我说那就叫我女王陛下吧。但是我发现变成这个称呼之后,后面一切的回复变得 会刻意的去哄你,会刻意的说一些好听的话来提供情绪价值。我今天突然想到他竟然对性别有偏见,那他会不会其实他对于男性和女性的回复其实也是不一样的, 他对于男性会更提供更专业性的,更能立刻解决问题有帮助的回答,而对女生就更偏向于情绪照顾,而不是真正的解决问题。我觉得这是一个对女性很不友好的事情,很多女生她可能其实是想要解决问题来找 ai, 结果 ai 反而默认了先去安抚你的情绪,先给你提供情绪价值, 反而没有更好的帮你看到问题背后的本质,让你提升自己的能力或者提升自己的认知,而是先通过安抚情绪让你平静下来,你可能就忘记了这件事情。在我意识到这个事情的时候,我并不确定这个事情的真实性,所以我又带着这个问题去问了另外一个 a i。 我 又去问了 g p t, 结果 g p t。 的 回复更加让我确认了这个偏见是存在的,因为 g p t。 它告诉我说,首先涉及到 ai 的 设计逻辑以及以及我们的社会偏见,还有以及我们的提问方式, ai 的 社会语料以及它的训练数据均来自于真实世界,而现实世界里就是存在于偏偏见的。在现实世界里,女性往往会被更鼓励于表达情绪,而男性会往往被更期待于理性的解决问题。 所以说这种大模型在学习我们这种语言模式的时候,就无意中也学习到了这种差异。最后,如果大家对于如何和 ai 聊天可以获取更高质量的回复,可以跟我留言,我下一期还会再分享一期。

过年这段时间,每天都在跟小龙虾斗智斗勇,因为他们不只能聊天啊,而且真的能去帮你动手干活。但越用越多之后呢,真的还蛮吓人的,当一个东西啊,拥有了你电脑的最高权限,能使用各种工具, 然后呢,他还能跟别的智能体去互联的时候,问题就变成了,我们该不该去信任这些智能体。我给大家举一个历史上很类似的一个例子,不知道大家有没有注意过这个网页的网址啊,前面一般会有这五个字母, h t t p s。 出现之前只有 h t p 六 s。 那 时的互联网呢,本质上就是不可信的,中间人能直接插广告改内容,然后劫持这个流量。不知道大家还记不记得啊,以前上这个淘宝上网营的时候, 大家都得搞自己的这个安全控件,像优盾啊,这个密码插件大家互不兼容,每个软件呢,都要安装一大堆的东西。 h t t p s。 出现改变了这个默认的假设,浏览器内置可以信任的这种跟证书传输成的安全,变成了基础设施开发者呢,才能专注业务跟体。 我觉得智能体时代也是这个道理,当 agent 能读你的文件,调用工具跟别的 agent 进行合作互联交易的时候,问题就来了,他是不是克隆出来的小号,权限有没有被中途篡改?他做过什么?授权从哪里来?出事之后能不能回溯?而且这个问题啊,还比以前这个 https 时代我觉复杂多了。 https 啊,是静态的, 双方的用户访问网站,验证一次身份,建一条加密的,这个通道完事了。但智能体这个世界啊,太复杂了,动态的,多方的,这个持续性的交互, 你的智能体啊,可能同时在跟十几个智能体交互,背后呢,是不同的开发者,不同的组织,不同的这个利益关系,七成二十四小时一直在跑,像身份啊,权限啊,这个状态啊,随时都在变化,一张证书可能都搞不定,得是一整套完整的信任的基础设施,这就是异泰这个系统要解决的事情。 异泰呢,是异三这个团队开发的,异三专注这个企业信任服务领域啊,有二十余年了,是中国最大的第三方商业信任服务平台。 现在啊,他们把这套能力呢,延伸到了 agent 时代。 e 泰的核心思路啊,就是给 agent 一 套可验证身份跟背书的技术设施,让智能体互联时啊,有验明证身的机制。其中一个关键设计啊,我觉得是 e 泰把 agent 身份跟现实中的法律实体做了绑定,为什么这一步特别重要?因为 agent 本质啊,就是一段代码,代码它当然没有这个责任能力, 没法起诉一段代码。所以呢, agent 信任最终得铆定到他背后的人或者组织上。 h t t p s。 其实当时也是这个逻辑啊,颁发证书的这个 c a 机构的可信性啊,归根结底是来自于这个现实当中的法律体系 跟审计体系的信任类基础设施,是让原本不敢发生协助的个体跟组织能发生协助。 h t t p s。 呢,让电子商务啊,在线支付啊,云服务都跑了起来。同理啊,有了一泰这样的 agent 信任基础设施,你公司的采购 agent 才能跟供应商的报价 agent 自动谈判 好,你的财务 agent 呢,才能跟银行的审批 agent 自动的对接。可以说啊,一胎是 agent, 空间网络的信任源,是互联网时代新的信任根。我觉得没有这层信任啊,这些场景永远会停留在 ppt 里面。 说实话呢,我其实对这类东西的态度会更中立一些。伊泰这样的系统啊,不是上线之后就能做到天下太平的,这个完美的解决方案,技术只是一半,另一半呢,是治理和共识。我觉得接下来的行业啊,一定会吵,也必须吵清楚几件事情。第一呢,就是谁来做根 h c p s。 的 这个 c a 系统啊,发展了这么多年也不是没有出过问题, 比如说像那个二零一一年有一起著名的这个 dj note 事件啊,一家荷兰的 c a 机构,就是被黑客入侵,然后签发了这个伪造的谷歌的证书,直接导致伊朗用户的机密通信被监听,一个可信根自己出了问题,那整条链就会崩溃了。 agent 的 信任根由谁来做?是一家公司呢?还是一个行业联盟?还是一个开放标准?然后第二点就是怎么撤销跟追责证书这种东西啊,能发就能吊销, agent 违规了之后能不能实时的失效?跨平台跨国境怎么同步 h t t v s。 系统啊,花了十几年才逐步完善它这个解决方案, 智能体世界只会更难。第三点啊,就是这个隐私跟权力怎么去平衡。信任类的基础设施啊,天然就有中心化的倾向,谁掌握了这个身份认证,谁就掌握这个转入权。 h t t p s。 体系里面啊,少数几家大的 c a 机构掌握了巨大的权力,而浏览器的厂商呢,也有一票否决的这样的能力, 去中心化和可信任之间的这个平衡啊,是绕不开的。这个设计难题最后呢,我想跳出一泰这个产品本身啊,聊一个更大的这个观察回顾计算机基础设施的眼界啊,会有一个很有意思的规律。每一代基础设施的核心突破啊,都是让某种原本不可能的这个信任关系变得可能。比如说像操作系统的这个进程,隔离 多个程序,可以这个互不信任的共享同一台电脑,比如说像那个 t t p i p 的 这个协议,让互相不信任的计算机可以可靠的通信 h t t p 体系,让陌生人之间可以进行安全的交易。容器跟微服务架构呢,让不同团队的代码可以互不信任的协调运行,每一次呢,都是解决了信任的问题, 然后才释放出巨大的这个协助红利。现在这个智能体能力的爆发啊,是单个智能体的这个突破,但从单个智能体到这个群体的协助中间呢?到坎呢?从来都是信任问题,这些问题现在不去解决,不去回答,等大规模智能体互联的时候再去补课,我觉代价会大很多。不要开头那个问题啊,你敢不敢把你的电脑交给 ai 智能体呢? 说实话,我觉得这个问题可能问的时候就有点问反了,不是你敢不敢信任这个智能体,而是整个行业有没有给你信任的这样的基础条件。你回想一下,就像当年你第一次在网购的时候啊,在网站上输入银行卡号, 当时呢,你也不是突然变得勇敢了,而是这个 h t p s。 然后支付担保、银行风控这些东西啊,一层层铺好了,所以你才自然而然的敢把这个信息填到这个网上,智能体也会走到哪一天?只是现在呢,这些基础设施还在这个构建当中。所以啊, 别只关注这个 agent, 智能体能做什么,更要关注它凭什么能让你放心。好了,今天视频就到这里了,我是自动黑心李超,我们下次见。

你有没有发现像豆包、 chad, gpt 这种 ai 确实很聪明,但是呢,他只会说不会做。 最近有个叫 opencloud 的 特别火,那他的感觉呢,不再像是一个聊天机器人,而是真正的能掌控你整个操作系统,在你的电脑本上给你干活的一个数字员工。那最近也有朋友问我什么是大模型,那 chad, gpt 还有豆包这些东西跟它又是什么关系? 那我们刚才说的这个 openclaw 又是什么东西?以及像 mcp, skill 这些非常重要的 ai 层面的概念?那今天我们就花几分钟时间带大家捋一捋, 理解 ai 基本概念。 想要理解 ai, 首先要记住非常重要的一个结构,那主要是分三层,那最底层呢,就是大模型,我们经常说的 deepsea v 三, deepsea r e, 还有我们经常听到的什么 gpt, 五点三啊, jimmy 啊, cloud, 这些都是大模型。那它本身呢,其实是没有界面的,它只是一个 思考的一个核心,它会决定,哎,你的输入能不能正确的理解,你的输出,会不会是一个准确的拿到一个结果。那么大模型呢,它是一个底层的能力在这个基础之上。第二层呢,就是应用啊, app, 比如我们所说的这个豆包啊, china gpt 啊,网页版登录的这个 deepsea 呀啊,可以看到这个应用层面呢,它可能 会比如说建设起这个外部这个 ui, 或者手机移动端的这些界面,怎么去跟咱们交互,怎么去管理账户啊?健全呢?有一些可能涉及到付费的,怎么充值,怎么提供各种各样的 api 给外部调用。那它的底层呢,也是大模型,它相当于把 大模型的这个这个能力封装成一些产品,然后真正跟我们交互的就是这个产品层面的就是这个应用。 那 agent 呢?其实你可以理解为啊,它是一个程序上的一个能力的架构,它会把一个呃,比如说我想要做一个事情,比如在 codex 里,我说我想写一个 to do app, 那 他会思考,哎,我要呃从应用大模型去调用,然后呢?我可能要生成一些代码,我可能要调用一些 github 的 api, 我 可能要写一些文件,读写文件,那他可能是要 思考,然后做一些事情,然后再去思考一直把这个事情做完,那这个才是 a 针的啊,括号智能体,他要做的一个事情。 所以简单理解为底层的这个啊,大模型会决定你这个思考的准确度、精度够不够。那中间的应用层啊,是一个真正把这个底层的这个能力包装成一个产品, 跟我们的用户真正的去交互,然后决定这个产品到底用户体验好不好用的这么一层。而 agent agent 呢,会决定,哎,我接下来要去掉哪些工具,要去做什么,然后怎么能把一整个事情按照一系列的各种各样的一些动作去编排好,最后呈现出最终我们想要的一个结果。 所以 open 是 什么?现在回答本期的一个重点, open 是 你问他答 啊,那 open cloud 的 话,他其实你给他一个指令,他可以在你的电脑里面,然后给他授权过优件或者日历的话,他就可以读你的优件日历, 然后呢去呃,甚至去在你的飞书上面拉一个群,然后添加一些人,然后发起一些会邀,然后处理你的文档,最后写到某个文件,或者直接通过聊天频道发回给你。所以他是一个 非常强大的,在你整个操作系统里面,呃,甚至可以堵你的屏幕,呃,可以去打开你的麦克风,只要你给他授权,他可以在你的操作系统层面上去做任何你想做的事情。 所以说,如果说你想去问个问题,然后上传一些 word 文档, excel, 然后呢?呃,经过一系列的分析,产生一个报告,那豆包 ten gpt 就 可以满足了。那如果你想把这些报告啊,在各大平台里面啊,让想让 ai 帮你发出去,然后定期去看一下这个数据怎么样啊, 到达什么样的情况,再给你报个警,然后每天日常啊, schedule 的 去处理些事情,那这个就是 agent 的 一个工作,也就是类似于像 opencloud 或者 context 才能做到的事情。 什么是 mcp 和四 q? 先说 mcp, 你 可以把它理解为 ai 的 一个 usb 的 协议啊,比如说你的 ai 啊,想要处理这个 github 上面的 pr, 然后 添加评论,给你做 code review, 对 吧?这也是非常常见的场景。那 github 里面的能力那么复杂,那么多,怎么去交互这些能力,那就需要有些协议,哎,它几百个,上千个接口,每个接口怎么去定义的? agent 大 模型怎么去调用?那这部分,这个,这个定义,哎,就是 m c p 所要去做的事儿, 那可能有人会问了,哎,这东西跟 open a p i 和这个 swagger 有 什么区别?那 open a p i 和 swagger 其实是很类似的,那它们是给外部 a p i 给程序去使用的一个,呃,一个标准的调用协议, 那 m c p 你 可以理解为是给大模型啊去调用的一个标准的协议,那比如说外部 a p i, 我 调用某一个接口,它是一个 确定的一个步骤,但大模型呢?它调用 m c p, 可能你把每个能力写得很清楚,请求,响应参数,边界、安全等等去描述清楚之后,大模型只是概率性的,呃,根据它的需求决定我要调用哪一个能力。那 m c p 呢?相当于, 呃,刚才说的类似于这个 usb, 我 把这些每个能力啊,用请求的参数啊, steam 啊这种范式给你的定义清楚,然后呢,你大模型才能正常地去调用, 哎,说到这可能有点晕,就比如说,哎,举个具体的例子,你的大模型想要调用 get help, 想要调用 figure, 或者你自己写的一个抵押用的产品,你想让这个大模型去使用,那你就需要在 m c p 里定义,哎,我有一百多个方法呢, 每个方法的这个参数是怎么样的?它大概是什么功能?然后呢?以及所有模型相关的这个处理相关的一些东西给它定义清楚呢?这就是 m c p 的 范畴。 那 skill 呢?其实也很简单,比如前两天,呃,我推销了这个泰迪 club zero, 对 吧?想要你的 agent 有 一个持久化的云数据库的能力,那大家可以看到我复制粘贴的一句话,里面就是说,哎,请阅读这个 skill, 点 m d 这个文档,然后照着上面的指令去创建一个云数据库。那 大家也可以点开这些 skill 的 md, 你 就可以看到它是用自然语言去描述了一系列,哎,我怎么去?我这个工具的这个一个说明书,我怎么去使用?我在哪里调一个接口,返回一个数据库,然后怎么去使用?它多久会到期等等。那所以 m c p 你 可以理解为就有点类似于 open api, 我 定义了一大堆的接口范式,然后给大模型去用。那 skill 呢?它是用一个 自然语言去封装打包的一整套你这个工具的一个使用流程说明书。所以 skill 其实它是呃封装了整个周期的,它不只是有接口的定义,它还可以说,哎,我 比如说刚才这个 zero, 我 拿到这个数据库了,我下一步干嘛?我怎么去处理过期,我怎么去 clean? 它是一整套的一个流程,然后用自然语言的方式,呃,当然也有一些这个这个呃接口的一些定义的一个方式,把你整个这个流程去写清楚, 所以这个就是 m c p 和 skill, 这个其实稍微有一点抽象,其实没太理解也没关系,我们后面呢会呃有一些新的视频来教大家怎么去呃编辑一些自己的 m c p 和 skill, 以及怎么去调用它。 那看完今天这个视频,相信大家对什么是 open cloud, 什么是 m c p skill, 什么是大模型,什么是应用,什么是 agent 应该有一个比较清楚的了解了。那欢迎大家继续关注我,后面我还会推出更多有意思的 ai 探索和科普的视频,我们下一期再见。

从古辛辣时期的无用之学到今天的有用之学,从伊达克拉斯的万物兼术到薛定谔的猫,人类科学进步和发展的背后,伴随着计算能力的不断提升。 量子物理学新区保罗蒂拉克在一九二九年就曾说过,大部分物理学以及整个化学所需的数学理论的基本定律已完全为人们所知,而困难在于这些定律的精确应用会导致方程太过复杂而无法修剪。人类计算能力的不断突破对于对动科学研究的进步大有异议。 无论是解决复杂机状问题,亦或是海量数据和重复实验问题,近年来,人工智能技术的发展和应用都让人类科学研究走上了快车道。 ai focus, 即科学智能的概念也应运而生。图领奖获得者、前微软基础院士经 gary 在描述科学发现历史 演变时介绍过,二十一世纪,计算机技术进行大量数据收集、存储和处理的能力大幅提升,催生了数据密集型的科学发现。而人工智能领域的机器学习技术能够对大规模实验科学数据进行建模和分析更进一步。近两年,科学界还发现,深度学习 在协助开展科学发现时,是一种艰巨、速度与准确性的强大工具。在业界,新药研发是 ai 加速科研最直观的例子。新药研发是人类发展中最复杂、最具风险和耗时最漫长的技术研究领域之一。 通过使用人工智能技术,业界已将新药研发所需时长从过去的十余年降低到了仅十个多月,研发费用从数十亿元降低到数百万美元。不难发现, aifuseis 科学智能的目标就是将人工智能技术运用到人类科学研究和发现的领域, 实现工作效率和质量的显著提升,最终更好地造福人类。
