周报

实验室正在从"做实验的地方"变成"生产 AI 训练数据的工厂"——Lila Sciences 用可编程硬件把湿实验当作强化学习的验证器，让模型在真实世界中迭代，这预示着科学发现的基础设施正从人类主导转向 AI-native 闭环。

本周最值得关注的不是又一个 AI 应用场景，而是科学研究范式本身的重构。当 Lila Sciences 把实验室设计成数据中心、用机器人执行可重复实验、并将实验结果反馈给模型训练时，他们实际上在建立一个"科学实验即训练数据"的飞轮。这种思路与传统"先有假设再做实验"的模式完全相反——实验不再是验证终点,而是持续生成高价值 token 的生产线。

与此同时，行业层面的张力也在加剧:

• 监管真空期:从 Eric Weinstein 质疑 AI 行业自我监管能力,到纽约禁建数据中心,政策制定者仍在追赶技术现实
• 计费模式坍塌:法律等专业服务的按小时计费正被 AI 挑战——当机器能完成 80% 的文书工作,时间不再等于价值
• 硬件-软件倒挂:Intel 前 CEO 的反思与 Nvidia 的战略形成对照——纯硬件公司正在失去定义未来的能力

可行动洞察:如果你在任何需要大量重复实验的领域(材料、药物、工程),现在就该思考如何把"做实验"变成"生产训练数据"的闭环系统。