Foundries vs Navigators：AI 如何降低科学研究的成本
语言模型让写代码和数据分析大幅提速，但科学研究的瓶颈仍是需数天到数周验证的物理实验，"思考变便宜了，动手没有"。生物技术行业由此分化出两类路径：Foundries 用新一代测序、多重检测和物理自动化把实验数据产出提升一个数量级，Navigators 则用 AI 模型改进决策与流程，无需自研模型或海量数据。后者对早期初创公司最易落地，实验分析从一周缩短到一小时，原本六位数的软件授权变成一天自建。
#数据/训练
#数据/训练
今日 0 条Latent SpaceAI 评分3434
Latent SpaceAI 评分5252 Radical Numerics CEO Eric Nguyen：生物安全是一场 AI 军备竞赛
Latent Space 访谈 Radical Numerics 联合创始人兼 CEO Eric Nguyen，讨论生物安全为何是一场 AI 军备竞赛。Eric 在斯坦福期间参与开发 Evo 和 Evo 2 基因组语言模型，这些模型后来被 Arc/Stanford 团队用于生成完整噬菌体基因组并合成出功能性病毒。
Latent SpaceAI 评分5757 John Platt 谈 Google ERA：用 AI 求解可打分的科学问题
Latent Space 访谈 Google 的 John Platt，介绍其团队提出的 Empirical Research Assistance（ERA）：把科学问题归约为可打分的任务，用 Gemini 维护实验 notebook 树，按 Upper Confidence Bound 规则挑选并变异，每次约十个候选，分支历史共享。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战：为智能体设计的数据系统、运行智能体集群的数据系统、由智能体合成的数据系统。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间，中位数约 50x。