让他 check下 AI4S 基本代码，看到关键词直接秒了，又没让它手搓病毒 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 4 月 14 日消息，由中科曙光提供的 6 万卡科学智能（AI for Science）计算集群系统，在位于郑州的国家超算互联网核心节点投入使用。作为国内最大的 AI4S 计算集群，其拥有超智融合全栈技术能力，可满足用户从集群性能、软件模型优化、科研应用效率到科学智能体开发的多维需求，为“人工智能 + 科学技术”在国内的规模化落地提供保障。 伴随人工智能技术发展，AI4S 正成为科技强国与未来产业竞争核心，也是全球竞争焦点。根据介绍，为满足用户对大规模并行计算、万亿参数大模型训练、高通量推理等需求，中科曙光 AI4S 计算集群具备六大特征： 强大算力： 实现 6 万卡集群部署，提供全球顶级的超智融合算力。 全面精度： 依托自主可控核心芯片，可支持 8/16/32/64 位宽的全精度计算，高效处理高维函数和复杂科学问题。 高速互连： 通过国内首款类 InfiniBand 无损高速网络 scaleFabric 系列产品，可充分满足 AI4S 计算集群对高带宽、低时延网络的极致需求。 存算协同： 通过“超级隧道”、AI 数据加速等设计，实现从芯片、系统到应用的三层传输协同，避免存储 IO 瓶颈。 灵活调度： 智能调度机制，使系统可根据任务需求灵活匹配、调度集群的计算存储网络等资源，并发作业调度效率超每秒万次。 稳定可靠： 依托智能化运维、数字孪生系统以及浸没相变液冷技术，让系统可用性达到 99.99%，保障集群长周期稳定运行。 在发布会现场，中科曙光表示，曙光 AI4S 计算集群不仅硬件性能出众，同时通过软硬件协同设计，具备兼容主流计算生态及广泛科研应用迭代支持能力，全面打破传统超算与智算壁垒。 在应用方面，通过与高校、科研机构与企业的广泛深度合作，截至目前，集群已在生物、材料等多领域完成大规模并行计算测试并取得多项突出成果：3 万卡规模蛋白质折叠模拟较传统算法加速 1000 倍；4.5 万卡规模实现万亿原子液态水分子动力学模拟，在打破世界模拟规模纪录的同时更让效率提升 3 个数量级以上；助力湍流直接模拟规模扩展至百万亿网格，大幅提升科研效率。 此外，随着该集群的落地运行，国家超算互联网平台（ scnet.cn ）也已构建起国内规模最大的 AI4S 计算基础设施，总计链接超 300 万 CPU 核和超 20 万 GPU 卡，并接入全国一体化算网调度体系，为全国高校、科研院所和企业提供普惠化 AI4S 算力服务。 此外，为推进 AI4S 工程化，结合国家超算互联网“数算模用”一体化理念并搭载国内首个科学大模型一站式开发平台 OneScience，曙光 AI4S 计算集群汇聚起海量数据集、行业知识库、大模型、科学与工程计算软件工具等，成为 AI4S 生态共建、共享的创新底座。 OneScience 集成数十个 AI4S 热点模型及数据集，可在地球科学、生物信息、流体仿真、材料化学等多学科领域，让用户数小时完成科学大模型开发，解决开发环境复杂、数据获取难等痛点。 而在超算互联网平台上，曙光 AI4S 计算集群用户无需面对繁琐的软件配置与 IT 流程，只需通过自然语言提出需求，通过“超级科学计算智能体”便可自动拆解任务、调用模型、调度算力，完成端到端交付，科研任务完成时间可从天级压缩至小时级。
36氪独家获悉，字节跳动AI制药业务线已启动拆分与独立融资进程。据了解，拆分后字节仍将控股新公司，AI制药核心团队、核心算法、技术平台和已有管线资产将整体进入新主体。同时，该业务也将继续从火山引擎获得算力支持。
文｜周鑫雨 编辑｜张雨忻 《智能涌现》独家获悉， 字节跳动 AI 制药业务线已启动拆分与独立融资进程。 据悉，拆分后字节仍将控股新公司，AI 制药核心团队、核心算法、技术平台和已有管线资产将整体进入新主体。同时，该业务也将继续从火山引擎获得算力支持。 新公司将由字节跳动 AI 制药团队主导负责。字节 AI 制药团队成立于 2021 年，由刘凯负责，据悉核心成员约50人，由 AI4S 算法人才和资深制药领域专家构成。该团队自成立起便承担着从基础模型研究到产业化的核心职能。 此前字节内部负责蛋白结构预测模型的相关团队，也已并入由刘凯负责的 AI 制药团队 ，相关算法模型团队已完成整合，将继续推进该领域的基础模型研究，少数人员离职。 字节 AI 制药的业务进展，是这次拆分融资的重要基础。 字节跳动在 AI 制药方向有多个技术成果，2025 年，字节 AI4S 团队发布了分子结构预测模型 Protenix 和 Seedfold，并在 2026 年迭代 Protenix-v1/v2，构建面向蛋白、配体等生物复合体系的高精度开源结构预测能力。 在蛋白质设计和预测方面，团队则推出了 PXDesign 等蛋白 binder（结合蛋白）设计工具。 同时，字节还推出了面向真实药物研发的 AI 制药平台 Anew Labs。 Anew Labs 官网显示，团队已发布 AnewSampling、AnewOmni、AnewFEP、AnewSynth、scNext 等研究，覆盖蛋白-配体动态结构预测、全原子分子生成、自由能计算、合成可行性预测和虚拟细胞等方向，并推出 IL17AA/AF/FF、IL4R 等早期药物管线。 2026 年 4 月，Anew Labs 在美国免疫学会年会上首次披露 IL-17 小分子项目，在全球范围内首次实现用小分子对 IL-17 家族 AA/AF/FF 3个二聚体的阻断。由于 IL-17 是银屑病、强直性脊柱炎等自免疾病的重要通路，而同时抑制 A/F（两种关键炎症因子）已被抗体药物验证有临床价值。 这表明，字节的 AI 制药能力已经从模型和算法，进一步进入具体靶点、具体分子和内部管线验证阶段。 随着技术进步和 AI 制药上的探索不断取得进展，字节判断从科研到产业的机会正在成熟。因此，整合内部各方向团队，决心试水产业化。 当然，AI4S 的产业化挑战很大。 AI4S 业务的验证周期较长，环节更为复杂。以制药为例，涵盖模型研发、湿实验及临床验证等多个复杂环节，因此对专业人才的需求量更大，所需的组织管理形式和互联网业务也有所区别。 知情人士透露， 此次进行业务拆分，是为了建立更符合该业务特征的独立组织架构 。字节希望借此调整更好地吸引顶尖人才加入，进而推动该领域基础模型能力以及算法和制药产业的结合。 同时，制药行业本身也正处于效率压力之下。 过去二十多年，全球药企研发投入持续增加。全球最大的医疗健康数据和临床研究服务公司之一 IQVIA 预计，全球药品支出到 2028 年将达到约 2.3 万亿美元。 市场规模足够大，但新药研发成本高、周期长、失败率高的核心痛点并未根本改变。行业迫切希望引入 AI 技术来突破这些限制。 目前，AI4S 研究正在加速进展，体现在其解决复杂性问题的能力正在显著增强。 以 AlphaFold（谷歌 DeepMind 研发的蛋白质结构预测模型）系列的迭代为例：从初代验证可行性，到 AlphaFold 2 实现 2 亿个蛋白质原子级精度预测，再到 AlphaFold 3 跨越单一蛋白质限制，精准预测复杂相互作用系统——这证明 AI 已经深入到了药物设计的重要环节。 如果说蛋白结构预测还是一个基础研究问题，那么近年来涌现出的多模态分子生成模型，即是直接切入制药行业核心问题——药物设计，这可能也说明 AI 制药从研究逐步迈向产业化应用 字节布局 AI4S 已有多年。早在 2020 年前后，字节就开始系统进入 AI 制药、分子模拟和计算生物学等方向。此后，其在第一性原理计算、量子化学、分子动力学、材料模拟，以及面向能源与药物分子生成等方向均有团队覆盖。 大模型研究团队 Seed 成立后，AI4S 也成为字节前沿技术布局的一部分。 一位接近这次拆分的人士称， 这是字节第一次试水 AI4S 的产业化，内部非常重视 ，“生物科技有自己的产业逻辑，独立出来，有独立决策灵活性，希望能跑通中国的 AI4S 产业路径。”
「暗涌Waves」独家获悉，量子计算公司「量坤科技」近日完成数亿元人民币天使轮、天使+轮融资。本轮系列融资由英诺天使基金领投，国汽投资、北工投资、BV百度风投、水木清华校友基金、明势创投等多家机构参与投资。光源资本担任独家财务顾问。 这笔融资背后，是一个逐渐清晰的判断： AI for Science需要量子计算。 AI可以学习规律，但模型能力上限，受制于它所见过世界的“分辨率”。在化学、材料与医药等研发场景中，如果底层数据的精度不够，模型预测结果也会显著受限。 量子计算，天然适合模拟分子结构、化学键等体系。 作为一种高精度求解器，它有可能输出更接近物理世界规律的计算结果；计算产出的量子级高精度数据，也是AI4S提升模型表现的一个关键。 量坤科技成立于2026年1月，创始人吕定顺在华为、字节跳动AI4S Lab工作七年，带领团队探索量子计算的能力边界。再往前，他是清华大学最早一批量子计算方向博士，深度参与基于离子阱量子计算系统的搭建。 过去，凭借“硬件不足，软件先行”的路径，吕定顺在大厂拿到过许多结果。在他看来，量子技术、AI和高性能计算融合的异构智算平台，能够在应用层，最大化有限量子算力的价值。 这位年轻的理工科博士，一直想 用量子计算解决真实世界的大问题 。在量子计算硬件技术路线尚未收敛之际，他没有“卷”入硬件创业的热潮，而是选择了硬件之上的算法和软件平台，把量子算法、AI模型和行业workflow封装成可调用的科学智能体，连接量子计算机与AI4S应用需求。 吕定顺说话语速很快，近两小时的访谈里，说了15次“exciting/兴奋”。在华为第一年，打破谷歌“量子霸权”叙事的研究，没有让他很exciting。但用AI在高温超导相关模型计算中实现SOTA，令他兴奋；遇到敢挑战Google、IBM，能打硬仗的人，他也会兴奋。 目前，量坤科技团队已有近40人，集聚了量子、AI、高性能计算方向的前沿人才。在吕定顺看来，“团队是创始人内心认知的映射，当深度理解量子计算这一系统工程，就知道该如何招募团队。人才最核心的是心气儿要足。” 为什么AI4S需要量子计算？算法和操作系统层的创业机会有多大？未来量子计算会成为新的算力解法吗？以下是我们与吕定顺的对话（经编辑）： 一、来时路 「暗涌」：“量子霸权”为什么令人震撼？作为清华第一批量子计算专业博士，你为什么坚定走向了工业界？ 吕定顺： 2019年谷歌发布了包含53个可用量子比特的处理器，只用200秒就完成了一项研究；并宣称，同样的任务，用当时最强经典计算机需要算1万年。这就是“量子霸权”的来由。 后来我们在华为做了一年，用百卡级传统GPU做模拟，通过算法优化验证经典计算机根本不需要1万年，几个月甚至几天就能算出来。这一研究可以说打破了谷歌量子霸权。 但完成这项工作后，我没有特别exciting。因为量子计算机还在往前发展，Scaling（指数级规模扩展）摆在那里。53比特还能追赶，往后60比特、100比特，经典超级计算机很难再跟得上。 我更关心的是，当量子硬件能力继续向上，量子计算到底能解决哪些真实世界问题？解决的问题能不能更大？量子计算是系统性工程，所以我很坚定地选择去工业界。 「暗涌」：在华为期间，你如何寻找量子计算的真实应用场景？ 吕定顺： 量子计算机是一把锤子，要找到合适的钉子。 除了随机线路模拟，还有两段探索经历。一是化学和材料科学模拟。量子计算机本身是微观量子体系，用它模拟另一个量子体系顺理成章，比如材料化学。进入工业界前，我没有研究过化学，就花三个月读计算化学等文章，再写算法、做复现。后来我们把量子化学模拟推到了28比特，这也是当时业界最大规模的模拟。 另一段是做组合优化问题，比如最大切割、网络流量优化等。在量子计算机算力不高的情况下，我们基于QAOA（量子近似优化）算法做降维化简，最终用不到20比特的量子计算资源，模拟出了10万比特的业务规模。 「暗涌」：什么时候开始更聚焦于AI4S场景？“混合异构计算”这一平台思路是怎么形成的？ 吕定顺： 在字节，最开始我们依然沿着“量子计算实用化”的逻辑。 如果量子计算机长期只有20-50比特，怎么解决真实的大问题？ 后来我发现“量子嵌入”是很好的思路，简单来说就是好钢用到刀刃上。它通过计算任务分解，用量子计算机解决最核心、最复杂的矛盾，其他次要部分用经典计算机算，从而在计算规模、精度、成本实现平衡。 比如：眼前这个会议桌上，最重要的特征是摆了两台电脑，其他部分都相似，那我们就用量子计算机去算“电脑”部分。具体场景上，我们选择了电子结构复杂、传统算法难突破的强关联材料做研究，像氧化镍等过渡金属氧化物。 随着AI大语言模型能力爆发，团队思路更加侧重应用。原来是拿着量子计算机这锤子找钉子；后来是只要能解决science问题，AI、量子计算、经典算法一起用。 围绕化学和材料，我们探索了三种路径：多尺度量子计算化学模拟，把原需上万比特的问题，转换成只需20量子比特；将量子计算机作为高精度求解器，为AI4S模型提供高质量数据。基于GPU的量子嵌入算法，不依赖于量子硬件能力提升；还有纯基于神经网络量子态来求解物理问题，既作为问题求解器，也作为数据合成器。 「暗涌」：你很在意解决的问题够不够“大”。做这些应用探索时，最重要的是什么？ 吕定顺：最重要的就是“选题”，要找到一个足够有影响力的问题。 后面我们选择了“高温超导”，这是凝聚态物理领域很关注的问题，普通人也有感知。借助AI神经网络，我们在高温超导的Hubbard模型计算上取得了SOTA。 这让我挺兴奋。与传统计算范式相比，我们的算法在小数点后第二位就已经显示出优势，既往学界都在PK小数点第四位。 这个AI模型也不是传统的Data-driven算法，本质是基于“变分原理”解极复杂的薛定谔方程，通过不断优化降低Loss，求出真正的基态解。从第一性原理来看，它可以拓展到化学、材料等很多问题。 一开始这方法消耗的计算资源很大，我们紧接着又做了算法和框架改进，极大降低了算力需求，让更多科研团队能参与进来。 二、正当下 「暗涌」：在量子计算这个系统工程里，如何理解你们的卡位？ 吕定顺： 量子计算产业，很多公司在做量子计算机硬件，解决基础的算力问题。最上面的应用层需求也很旺盛，用户想把量子计算、AI用于解决真实问题，比如半导体材料、化学材料、新药分子研发等。 但硬件算力层和应用层中间，算法、软件工具，其实是缺失的。量子算力的操作系统，正是我们想卡住的位置。 图源：量坤科技 「暗涌」：如何理解做中间算法、工具层的技术壁垒？为什么你选择了算法与操作系统端的创业机会？ 吕定顺： 中间层，不是简单地把已有算法程序化。特别是现在量子计算机硬件资源还不丰富。 不丰富，意味着不是所有算法路径都能完成任务。因为量子计算的误差会累积，只有对算法做充分优化，让路径足够短，才可能把有限的量子算力榨出来，最大限度地用起来。 这跟在GPU上运行算法不同。GPU上算法差一些，效率低几倍也能跑，无非成本高；但量子计算里，如果算法效率差了5倍，可能根本跑不起来。这是0和1的区别。 所以算法层的壁垒，在于能不能巧妙地设计和改造算法。这套算法和操作系统平台建好，还可以不断扩充功能，逐渐拓展成算法和工具平台。 「暗涌」：目前量子计算的产业图景里，哪些是你们想要服务的用户？ 吕定顺： 第一类是本身就有量子计算需求的客户，比如国央企、科研院所等。他们需要培育量子计算能力、迭代量子算法。这类通常会从工具出发，把问题分解成量子算法，再运行到对应的量子计算机上。 第二类是有明确研发需求的产业客户，比如半导体材料、新药研发等企业。用户并不关心底层算力是不是量子计算机，更关心问题能不能解决，成本效率如何。求解路径上，他们可能会用AI算法、量子算法，也可能用多分辨量子-经典混合算法。（混合算法，即把最难、最核心的交给量子计算，其他用神经网络、经典算法或其他精确算法处理） 量子计算机厂商，其实也是我们的合作和服务对象，很多公司聚焦硬件的演化，操作系统、算法工具和应用生态，需要专业的团队和长期投入。合作方式上，比如将操作系统、算法平台与硬件打包销售，一起卖算力，或卖整机加操作系统等。 「暗涌」：现在AI4S公司很多，融资也很热。为什么一定需要量子计算？ 吕定顺： 纯AI for Science视角来看，AI是一种解决方案，量子计算也是一种解决方案。除了计算速度快（量子加速），精度也是量子计算的一个优势。 很多材料、化学问题需要高精度求解，纯AI模型非常依赖训练数据质量，比如结合能预测，如果底层数据精度不够，模型结果也会受限制。传统DFT方法本身也有精度边界，且依赖泛函选择。 高精度计算在GPU上也可以做，但往往受显存限制，只能处理较小规模体系。量子计算虽然现在规模还不大，但在精度上有优势，未来有机会把高精度求解扩展到更大体系。 「暗涌」：针对这几类客户的需求，你们如何交付并完成商业化？ 吕定顺： 我们交付的其实是将量子计算、AI、经典计算和行业工具等封装后的能力。交付形式很多：CRO式解决方案、高精度数据合成、workflow、云访问入口等都可以。 早期以项目制为主，后续会沉淀项目经验，以标准化的科学发现云服务平台服务用户。未来在同类大场景，可能这套系统95%的能力可以标准化，只有小部分需要定制。 其实，我们希望能把中间环节抽象掉。量子算法也可以抽象成skill，用户能够通过自然语言调度多种skill，构建复合函数去求解。 用户只需带着问题来，用户端入口可能就是agent系统。 他可以不关心底层用谁家的量子计算机，甚至不操心调用哪种算法。就像今天用大模型，用户不关心背后是谁家的硬件，只关心输出质量、Token效率。 「暗涌」：AI时代，算力和能耗焦虑长期存在。量子计算的发展，会是算力新解法么？ 吕定顺： AI 和量子都是具备“完备性”的求解器，它们之间能双向赋能。AI for Quantum已经聊了很多，AI可帮助构建更好的量子计算机和算法，放大量子计算能力。 反过来，Quantum for AI也有几层意义。首先，量子计算的一些insight，可能启发AI算法设计；其次，量子计算机作为高精度求解器，产生的高质量、差异化数据，会成为未来增强AI模型的关键。 更长远看，今天我们可以在GPU、FPGA上部署模型，未来理论上也可能在量子计算机上部署量子版大模型。到了那个阶段，AI面临的算力和能耗问题，可能会出现新的解法。 但现在还没有到那一步。量子硬件还在发展，技术路线也没有完全收敛，更现实的情况是在现有硬件条件下，将量子计算、AI算法和经典计算等结合起来，以量子突破精度天花板，以AI重塑效率边界，推动难而重要的科学问题求解。 这也是我们对现阶段的定义：“第四范式++Science”。 三、打硬仗 「暗涌」：量子计算、AI4S需要很多高阶人才，你们招人难么？ 吕定顺： 我们现在已经进入了招人的良性循环，现在团队接近40人。AI方向，有全国物理、化学竞赛集训队背景的人才；高性能计算，也有清华的特奖选手、天才少年；工程化方面，有大厂出来的技术骨干。 量子计算、AI4S是一个系统工程，各个方向都要有足够强的人，不能出现明显短板。 「暗涌」：刚创业四五个月，为什么能招到这么多人才？ 吕定顺： 我们有招人的方法论。除了学术界的合作网络，我觉得，团队很多时候是创始人内心认知的映射、能力的延伸。如果创始人对整个系统的认知足够深，清晰地知道需要延伸、补足哪些能力，就可能配到很强的团队。 「暗涌」：有怎样特质的人，更容易让你觉得磁场相合？ 吕定顺： 前几天我去清华做分享，有个问题是：AI时代，人才最重要的能力是什么？大家有提到定义问题的能力、批判性思维。在我看来，最重要的是心气儿，是你敢不敢去打胜仗。在量子计算领域，面对IBM、谷歌的顶尖团队，你觉得自己能不能打得赢。畏首畏尾的人，不会让我觉得兴奋。 「暗涌」：这很华为。 吕定顺： 字节也是一样，强调韧性。打硬仗、打胜仗，需要韧性。没怎么失败过的人，反而不敢打仗，失败会让他们背上包袱。 我们处在一个开放的世界，研究、商业都是开放目标，要敢于挑战难题。量子产业直接招到对口的人确实难。组队方面，既往我有很多经验。我们不一定最关注专业背景，反而看重自我驱动力。 如果动力够强，进入团队和这个环境，我们可以从0到1，快速把他带到业界高水平，然后为团队做贡献。我们提供了很有竞争力的薪酬，来了可以不操心钱，主要就操心能不能把事情做起来。我们也会协调解决优秀员工的北京落户问题。 最关键是你对这件事是否有信念、愿不愿意折腾、眼里有没有光。
有传言称，字节Seed旗下AI4S团队，正在讨论新一轮组织调整，包括从字节分拆的可能性。5月29日，关于相关团队“分拆”一事，接近字节人士告诉记者，并没有分拆计划，而且字节AI4S团队已经在过去一段时间完成了调整，目前由杨震原负责管理。（澎湃）
大公司： 拒买新闻就交税，澳洲拟向科技巨头征约2%营收税 澳大利亚政府公布法案草案，拟对Meta、谷歌等科技巨头征收新税，除非这些平台自愿与当地新闻机构签署付费协议，以应对传统媒体在数码平台冲击下面临的生存压力。据报道，根据拟议的新法律安排，这些大型数码平台须就分享本地媒体新闻内容所带来的平台流量，向出版商提供经济补偿。澳洲总理阿尔巴尼斯表明，政府将给予Meta、谷歌等公司机会，与本地新闻出版商达成内容交易。 网信部门依法查处“剪映”App等生成合成内容标识违法问题网站平台 36氪获悉，据网信中国，近期网信部门工作中发现，“剪映”“猫箱”App及“即梦AI”网站存在未有效落实人工智能生成合成内容标识规定要求等问题，违反《网络安全法》《生成式人工智能服务管理暂行办法》《人工智能生成合成内容标识办法》等法律规定。国家互联网信息办公室指导属地互联网信息办公室，依法对上述网站平台采取约谈、责令改正、警告、从严处理责任人等处置处罚措施。 轮毂螺栓可能脱落，特斯拉在美召回173辆Cybertruck 4月28日，据美国国家公路交通安全管理局（NHTSA）披露，特斯拉正在召回部分配备18英寸钢轮毂的2024-2026款Cybertruck车型，共计173辆，这些车辆的刹车盘螺栓孔可能出现裂纹，导致螺栓与轮毂分离。 谷歌DeepMind首席执行官访韩，会见现代汽车和LG集团负责人 据报道，业内人士透露，谷歌DeepMind联合创始人兼CEO哈萨比斯4月28日分别会见韩国主要企业集团负责人，其中包括现代汽车集团执行会长郑义宣和LG集团会长具光模。哈萨比斯和具光模预计将在闭门会议上讨论如何进一步加强在人工智能领域的合作。LG集团旗下LG电子及其人工智能研究实验室的高管也出席此次会议。 亚马逊低地轨道卫星计划又一批卫星发射升空 美国亚马逊公司27日使用美国联合发射联盟公司运载火箭，将其低地轨道卫星计划的29颗卫星发射升空。美国东部时间27日20时53分（北京时间28日8时53分），联合发射联盟公司的“宇宙神5”型火箭搭载29颗卫星，从佛罗里达州卡纳维拉尔角太空军基地发射升空。联合发射联盟公司此后确认，火箭已将卫星部署在低地轨道。 日本电装放弃收购罗姆，将推进合作 4月28日，日本电装撤回对罗姆的收购提议，理由是未能获得后者董事会或特别委员会的支持。电装方面称，公司已权衡此事对其中长期企业价值以及与罗姆关系的影响，最终认定优先开展技术与制造领域合作才是更佳选择。 新产品： 阿里发布第三个癌症AI模型DAMO COCA 4月28日，阿里巴巴达摩院联合广东省人民医院等机构研发出肠癌筛查AI模型DAMO COCA，从2.7万人的平扫CT影像中精准识别5例漏诊肠癌，敏感性、特异性分别达到86.6%和99.8%，在国际上首次提出了一种无需肠道准备、患者“无感”的肠癌机会性筛查方法。这也是继胰腺癌和胃癌之后，达摩院发布的第三个癌症筛查AI模型，意味着达摩院“平扫CT+AI”多癌筛查原创技术路线正式跑通。 投融资： 市场消息：Meta准备撤销对Manus的收购 媒体援引知情人士的话报道，Meta Platforms正准备撤销对人工智能（AI）初创公司Manus的收购。据报道，Manus的投资者——包括风险投资公司Benchmark——已经收回了投资。报道称，如果Meta推进撤销交易，包括腾讯、HSG和真格基金（ZhenFund）在内的多名亚洲前Manus投资方计划予以配合。 “星迹互动”完成数千万元天使轮融资 36氪获悉，近期，数字科技文娱公司“星迹互动”完成了数千万元的天使轮融资。本轮投资方包括正大集团、北京大融文化传媒、禹牧智能以及麦迈科技等。此次融资将主要用于公司人员规模的扩张、产能拉升以及平台建设。 其他值得关注的新闻： 我国最大规模AI4S集群接入全国一体化算力网 36氪获悉，在第九届数字中国建设峰会上，部署于国家超算互联网核心节点的中科曙光超智融合算力集群正式接入全国一体化算力网。这是我国最大规模科学智能（AI for Science）计算集群首次纳入国家级算力调度主平台，将进一步壮大资源池，增强面向基础研究、AI创新和大规模科学计算的一体化调度运营能力。 泰国下调小户型电费、上调高耗能用户电价 泰国能源部长阿卡纳・普罗姆潘表示，受全球能源冲击影响，为减轻民众生活负担，泰国计划将低用电量家庭的电费下调约20%。阿卡纳于周二向记者透露，月用电量200单位及以下的居民电价，将下调至每千瓦时3泰铢以内。目前泰国居民平均电价约为每千瓦时3.95泰铢。与此同时，泰国政府将提高高消费用户的电价，用以补贴民生优惠电费的成本。部长称，月用电量超400千瓦时的用户，电价将按每千瓦时不低于5泰铢执行。 我国首款正向设计自转旋翼机完成首飞 今天（4月28日），我国首款正向设计的自转旋翼机在山东烟台成功首飞，标志着我国补齐轻型自转旋翼机短板，在核心技术自主研发、规范化适航体系建设上实现突破。 “五一”假期预计日均225万人次出入境 据国家移民管理局预测，“五一”小长假全国口岸将迎来出入境客流高峰，预计日均出入境人员将达225万人次，单日最高通关量将突破240万人次。 全球首艘万车级双燃料汽车运输船即将交付 今天（28日），由中国船舶集团广船国际建造的全球首艘万车级汽车运输船即将在广州南沙完成交付。该船长230米，型宽40米，设计了14层车库甲板，可灵活装载电动汽车、氢能源汽车及重型卡车等多元车型，单船最大装车量达10800辆。同时，船舶还搭载了最新的绿色燃料系统，符合全球最新环保要求。全球首艘万车级双燃料汽车运输船的正式交付，标志着我国完全掌握了此类船型的建造技术，在该细分市场保持全球领先地位。
36氪获悉，在第九届数字中国建设峰会上，部署于国家超算互联网核心节点的中科曙光超智融合算力集群正式接入全国一体化算力网。这是我国最大规模科学智能（AI for Science）计算集群首次纳入国家级算力调度主平台，将进一步壮大资源池，增强面向基础研究、AI创新和大规模科学计算的一体化调度运营能力。
36氪获悉，AI for Science公司「奥明星程」近日完成超亿元A轮战略融资。本轮投资方包括深创投、复星医药（复健资本）、太平股权、广东中医药大健康基金、杭实集团等多家头部投资机构、产业链龙头企业及多地国资。同时，公司也与包括深圳湾实验室在内的多家国际顶尖科研机构建立了深度成果转化合作机制，形成覆盖技术研发、临床应用及产业生态赋能的全链条布局。 2025年被视作AI4S发展的分水岭。随着通用科研引擎的出现，以及英伟达GTC大会将AI4S与大语言模型、具身智能并列为人工智能三大核心方向，全球资本与技术资源正加速向该领域聚集。然而，当前多数AI在科学探索中仍停留在“结果拟合”层面，在机制理解与问题定义上存在能力断层。 奥明星程的核心目标，就是实现“从结果到机制、从解题到出题”的跃迁。公司创始人兼CEO林子奥认为，奥明星程“并非简单提升模型、智能体精度，而是致力于构建AI科学家能力体系”。 具体而言，公司将聚焦三个层面的突破：第一，让AI从“表征学习”走向“机制建模”，不只预测结果，而是逼近疾病发生发展的内在逻辑；第二，让AI具备“问题定义能力”，不仅回答问题，还能够在复杂系统中识别关键变量，辅助提出更有价值的科学问题；第三，让AI形成“探索式推理能力”，支持从假设生成到路径推演的一体化科研过程。长远来看，这一体系有望延展为面向生命全过程的“医疗AGI”。 为了实现这一目标，奥明星程组建了一支具备学术与产业化背景的团队。公司由三位归国哈佛青年博士科学家联合创立，创始人林子奥拥有哈佛大学计算科学、生物医学双博士学位，是国际癌症基因组学研究计划（TCGA、ICGC、PCAWG等）发起人Gad Getz教授唯一的中国籍博士毕业生。联合创始人赵翰晨、郝晋同样拥有哈佛博士背景，深耕人工智能与新兴生物科技交叉领域。 当前，奥明星程凭借自研AI大模型，已实现低成本获取组学多维信息的技术突破，打造了基于“数据-大模型-智能体”技术生态闭环的生物智能基础设施，并开发了覆盖疾病筛查、新药研发、健康管理及公共卫生等多领域的智能体矩阵。 在首发场景上，公司瞄准了具有明确临床痛点的疾病筛查。以乳腺癌为例，传统超声与钼靶筛查在致密型乳腺中存在漏诊率高（超50%）、依赖医生经验等局限；而现有液体活检（如ctDNA突变、甲基化）在早期人群中的检出率和特异性表现亦不尽如人意。 针对这些问题，奥明星程基于cfDNA片段组学与AI大模型，开发了多款多病种筛查智能体，如乳腺癌筛查智能体：OS-TuFEst-BRCA及配套试剂盒。据公司介绍，该产品仅需一管血，就可同步实现极早期筛查、精准分子分型以及腋窝淋巴结转移的超高灵敏度预测。其在早筛灵敏度上达到92%-95%，对影像漏诊病例识别率达96.2%。 临床效果层面，该产品在淋巴结转移阴性预测上达到97.6%。这意味着该技术有望辅助医生完成临床评估，帮助患者避免不必要的腋窝手术，实现更加精准的“降阶梯”治疗。目前，相关成果已发表于《Nature Communications》，并获得国家科技重大专项等多项支持。 此外，其核心能力（OS-TuFEst®，多病种筛查产品）也获得国家权威机构背书。在国家癌症中心最新牵头发布的《基于液体活检技术的多癌种联合筛查专家共识（2025版）》中，结合多组学数据与AI的分析方法获得“强推荐”；共识还提到，TuFEst®技术在降低实验成本、提高泛癌种检测灵敏度和特异度方面具备一定创新价值。 AI4S与医疗的结合，本质上是数据、模型、临床与产业的系统能力竞争。相比于依赖高成本实验的传统模式，奥明星程基于AI大模型预测多维度信息的策略，大幅压缩了单样本检测与数据获取成本。目前，公司已与国内超50家三甲医院及百余家体检机构展开合作，具有积累高质量、高标准、规模化真实世界数据的临床合作网络基础。 林子奥表示，AI4S本质是“能力引擎”，需要与生态深度耦合。现阶段，奥明星程已与深圳医学科学院、深圳湾实验室、国家癌症中心等建立战略合作，其平台能力正加速向医院、药企、保险等大健康产业链上下游开放，以期实现前沿医疗技术的规模化可及。