华山医院神经内科郁金泰在"大方之谈"（第22期，世界阿尔茨海默病日发布）把阿尔茨海默病从"不可预防的绝症"重新定义为一种慢病：约95%为散发、干预可调控因素有望预防40%-60%；病理改变比症状早15-20年，一管血可能把筛查门槛降下来；而他要抓住的更大机会是研究范式的切换——从假说驱动转向"AI+多组学大数据"的数据驱动，“以前需要算一百年的事情，一个星期算完”。访谈另一半的重量在病房之外：决定患者寿命和生活质量的，往往不是药物，而是照料护理，以及一个还没有准备好承接它的社会。
Yale×TUM×腾讯发布 IdeaAMBIG：660 个证据落地的“实现关键缺口”基准（163 个真实缺口来自可复现性报告与 GitHub issue + 497 个受控合成缺口），评测 LLM 能否发现科研想法规格中的缺失决策。13 个 LLM 最好者 Macro Defect Recovery 仅 9.6%——想法到实现的鸿沟被首次量化，且当前模型几乎看不见它。
澎湃《大方之谈》第十九期对话上海人工智能实验室主任周伯文。他主张 AGI 是通用与专业的融合，并将其落成「智者SAGE」三层架构；节目最新鲜的信息是他自称首次公开的「转换层」主张——防止行业 know-how 随使用反馈沉入基础模型层，他举例称 Claude 每推出一个行业插件，对应行业股票总市值最多被打掉 40%。他还重述了 1905 年思想实验：AI 若能推导出广义相对论，科学发现就从偶然变成必然；而人的使命感、批判性与品味不可外包。
机器之心对话东方理工陈云天：从"知识嵌入"到"知识发现"的双向耦合范式。用AI从真实实验数据中找出人类未知的控制方程（如海浪破碎方程），用机械臂高通量实验找色谱方程替代耗时实验；他判断AI科学家"一定到了这个节点"，但资本市场节奏与湿实验闭环的天然慢速之间正在撕开一个gap，而通用模型"每个行业都很浅"，真正的机会在把物理一致性嵌进专业模型。
Jeff Dean 带三位谷歌元老出走创立 Discovery Loop 当周，前 DeepMind 科学家、Unreasonable Labs 联合创始人曹原在硅谷101拆解 AI for Science 为何在此时爆发：代码与数学能力到位后科研成为下一个智能爆发点，但真正的瓶颈从建模移到了物理世界的验证环节；LLM 无法凭训练数据产生真正新的科学概念，概念抽象可能是 AGI 的"最后一公里"甚至不可计算；他主张 AI and Science 而非 AI for Science——科学难题是驱动 AI 本身进化的催化剂，并给出"AI 拿诺贝尔奖至少还需二三十年"的长期判断。
26岁的Odin创办英灵殿，目标是通往科学通用人工智能。他曾在贝克Lab工作（诺奖前加入、诺奖后离开），提出了全模态分子世界模型——统一DNA、蛋白质、小分子、RNA的建模与设计。从物理学的基本相互作用出发，他认为所有分子间作用力都是电磁相互作用的泰勒展开，因此一定存在一个统一的AI模型。他谈了AI4S的战国时代、平台与管线之争、融资中的异化与坚守、以及从制药到创造生命的终极愿景。