GeneBench-Pro是一个评估计算生物学中模型复杂分析能力的基准测试，涵盖129个问题，涉及多个生物学领域。它旨在测量模型的判断能力，包括处理模糊性和选择分析路径。尽管当前AI模型在独立分析方面仍不可靠，但结果显示其在科学推理方面的表现正在快速提升，未来有潜力加速科学发现。

洛斯阿拉莫斯国家实验室将建设三台新超级计算机，采用NVIDIA Vera CPU，旨在加速科学发现和材料模拟。这些计算机将支持智能AI代理，帮助科学家进行假设、实验规划和结果分析。Vera CPU性能显著优于现有系统，预计于2027年投入使用。

美国能源部长克里斯·赖特与NVIDIA副总裁伊恩·巴克在SCSP AI+博览会上讨论了“创世纪任务”，旨在通过人工智能推动科学发现。赖特强调电力对AI发展的重要性，并呼吁改善电网以满足日益增长的能源需求。两者认为，AI和能源是推动人类进步的关键因素。

深势科技推出的玻尔·跃迁实验室旨在解决实验室设备割裂和数据离散的问题，实现智能化管理。用户可以通过自然语言控制和设备接入，远程监控和操作实验，提升实验效率。该系统整合了实验记录、流程编排和数据管理，支持全生命周期物料管理，缩短实验室建设周期，推动科学发现。

OpenAI推出了GPT-Rosalind，这是一个专为生物学、药物发现和转化医学研究设计的推理模型，旨在加速科学工作流程，帮助研究人员更快生成和评估新想法。该模型支持证据综合、假设生成和实验规划，已在ChatGPT和Codex中提供，并与多家生物科技公司合作，推动科学发现。

好奇心驱动的研究促进了技术变革，当前的人工智能革命源于数学和物理科学的研究。麻省理工学院的研讨会强调跨学科合作和人才培养，以推动AI与科学的结合，促进科学发现和AI发展。

UniScientist是一个开源的30B参数AI模型，能够实现科研闭环，包括提出假设、收集证据和验证。通过动态系统建模和人类专家的验证，该模型提升了科研效率，超越了许多大型闭源模型，旨在将科研问题转化为可验证的单元测试，推动科学发现。

现代AI在科学研究中应从“加速”人类思考转向“补充”人类思考，探索未被想到的方向。研究表明，AI能够有效生成多样化的概念，并提出“认知可用性”指标，强调其在科学发现中的新角色。

OpenAI与美国能源部签署谅解备忘录，旨在利用AI和先进计算加速科学发现，结合国家实验室的专业知识，推动基础与应用研究，促进科学进步。

AI加速科学进展，GPT-5在生物实验中优化分子克隆协议，效率提升79倍。通过引入新酶，AI展示了与生物学家合作的潜力，推动研究进展并降低成本，未来可能加速科学发现。

李飞飞在博客中指出，AI缺乏空间智能，无法准确理解物理世界。空间智能是人类智能的基础，影响创造力和科学发现。构建“世界模型”是实现AI空间智能的关键，需具备生成性、多模态性和交互性。未来，空间智能将推动创意、机器人和科学等领域的发展，提升人类能力。

AMD与美国能源部签署10亿美元协议，将在田纳西州的橡树岭国家实验室开发两台超级计算机Lux和Discovery。Lux计划于2026年上线，专注于AI模型的训练与部署，以加速科学发现；Discovery则提升性能和能效，支持能源、生物和材料等领域的研究。

麻省理工学院与阿布扎比穆罕默德·本·扎耶德人工智能大学签署为期五年的合作研究协议，旨在推动人工智能在科学发现、人类福祉和地球健康等领域的应用，双方将共同开展基础研究，促进技术进步，确保研究成果负责任地应用于社会。