我们将在接下来的内容中，逐帧拆解这些"爽剧"背后的真实逻辑，一起看尽2025年商业的"风景独好"。 大朋友： AI重新定义"我"与AI交融后，每个人都能成为科学家 以下为对话内容，经36氪整理编辑： 冯大刚 ：好的，非常高兴能够邀请到孙总。我们知道在过去的一年中，毫无疑问是AI应用爆发的一年，但是我想有很多的应用是我们能够感受到的，比如 说各种AI的游戏、AI对话、AI陪伴，但是还有很多是我们没有那么明显感知到的，我想这些东西并不是不重要，而是它们对整个行业，甚至我想说它对整 个人类的命运都有很大的影响。那AI for Science，我不知道我们有没有这样一个解释，就是为科学研究而去做的AI开发，我想这是一个非常性感的赛道。 比如在硅谷，今天非常看好这样一个赛道，我知道Open AI今年也开发了相关的项目，其实我想知道，在AI for Science这样一个领域内，中国的创业者在做 什么？他们是不是跟美国的同行做得一样好？甚至更好？我想这个话题最合适的访谈对象就是深势科技，我听说AI for Science这个概念就是你们提出的，或 者说你们的导师提出的，而且做了7年时间。 孙伟杰 ：对，最早的时候是201 ...

11月27-28日，被誉为"年度科技与商业风向标"的36氪WISE2025商业之王大会，在北京798艺术区传导空间落地。 今年的WISE不再是一场传统意义上的行业峰会，而是一次以"科技爽文短剧"为载体的沉浸式体验。从AI重塑硬件边界，到具身智能叩响真实世界的大门； 从出海浪潮中的品牌全球化，到传统行业装上"赛博义肢"——我们还原的不仅是趋势，更是在捕捉在无数次商业实践中磨炼出的真知。 我们将在接下来的内容中，逐帧拆解这些"爽剧"背后的真实逻辑，一起看尽2025年商业的"风景独好"。 大朋友： 而过去我们几乎所有的生产环节都变成流水线了，为什么科学发现不能变成流水线呢？ 以下为对话内容，经36氪整理编辑： 冯大刚：好的，非常高兴能够邀请到孙总。我们知道在过去的一年中，毫无疑问是AI应用爆发的一年，但是我想有很多的应用是我们能够感受到的，比如 说各种AI的游戏、AI对话、AI陪伴，但是还有很多是我们没有那么明显感知到的，我想这些东西并不是不重要，而是它们对整个行业，甚至我想说它对整 个人类的命运都有很大的影响。那AI for Science，我不知道我们有没有这样一个解释，就是为科学研究而去做的AI开发，我想这是 ...

近日，由中国高技术产业发展促进会主办的" 2025 AI智能体赋能产业增长暨创新创业发展峰会 "在杭州隆重召开。 未可知人工智能研究院院长 杜雨博士 受邀出席大会，并发表题为《 AI产业革命与具身智能崛起 》的主旨演讲，深入剖析人工智能产业趋势，分享前沿 研究成果，引发广泛关注与热议。 AI产业革命进行时 中国AI进入2.5阶段 杜雨博士指出，中国AI产业正经历第三次发展浪潮。 继"AI四小龙"和"AI六小虎"之后，以 DeepSeek 为代表的新兴力量推动中国AI进入"2.5阶段"，即 从通用大模型向具身智能、 AI for Science等纵深领 域演进 。 "大语言模型的崛起不仅重塑了AI产业格局，也催生了 具身智能、 AI硬件、AI for Science 等万亿级新赛道。"杜雨博士表示。 具身智能 下一个万亿级赛道 在演讲中，杜雨博士重点分析了 具身智能与人形机器人 的产业机遇。 他指出，随着"中国制造2025"战略推进，智能制造、医疗、服务等领域对 人形机器人 的需求将爆发式增长。 到2030年，全球人形机器人市场有望迎来爆发式拐点。 | | | 非人形机器人 | 人形机器人 | | --- | ...

Investment Rating - The report does not explicitly provide an investment rating for the AI for Science industry. Core Insights - The AI for Science industry leverages artificial intelligence to accelerate scientific research and discovery, utilizing data-driven and model-driven approaches to enhance efficiency and accuracy in scientific endeavors [9][10][12]. Summary by Sections Industry Overview - AI for Science is defined as the use of AI technologies to expedite scientific research and discovery, employing big data and machine learning to uncover hidden patterns [9][10]. - The evolution of scientific paradigms has transitioned from direct observation to AI-assisted research, marking significant advancements in scientific methodologies [24][26]. - The current stage of AI for Science is characterized by a deep integration of AI technologies into scientific research, enhancing predictive capabilities and fostering innovation [28][30]. Technical Analysis - Core technologies in AI for Science include high-performance computing, data management infrastructure, scientific computing software, pre-trained large models, and high-throughput experiments, all of which facilitate accelerated scientific research [32]. - High-performance computing is crucial for processing large datasets and training complex machine learning models, significantly improving research efficiency [35][38]. - High-throughput experimentation enables rapid execution of complex experimental designs, generating vast amounts of data for machine learning model training [42][45]. Industry Development Practices - AI for Science is a cross-disciplinary field that applies AI technologies to traditional scientific domains such as physics, chemistry, biology, and medicine, showcasing its potential to drive scientific research and technological innovation [46][51]. - In the life sciences, AI is transforming drug development, optimizing genomic research, and enhancing personalized medicine through data analysis and predictive modeling [53][56]. - The application of AI in earth sciences improves data analysis and predictive modeling, aiding in climate change research and geological disaster prediction [62]. - In materials chemistry, AI enhances data analysis and predictive modeling, helping scientists understand and address complex material systems [65].