我们定义自己为 Investment Research Lab：既是基金，也是 research lab，我们相信理解技术本质的人，可以更快发现 AI 变化最陡峭的地方。

欢迎希望以research mindset做投资的朋友加入共创伟大！

我们定义自己为 Investment Research Lab：既是基金，也是 research lab，我们相信理解技术本质的人，可以更快发现 AI 变化最陡峭的地方。

欢迎愿意以research mindset做投资的朋友加入一起见证和创造伟大！

我：手搓的代码比AI写得好
我妈：手搓的衣服比机器洗得干净

上世纪 50 年代信息论和 DNA 双螺旋的发现，点亮了生命科学与数字互联网这两个最关键的科技树；今天 AI for Science 开始将这两股洪流汇聚并指数级加速。 大模型对生物系统这样复杂、非线性的系统有着前所未有的理解和生成能力，有望成为加速科学发现的关键引擎。

如果说上一代 AI 只是帮助科学家“更快地做旧事”，新一代 Foundation Model 则开始“做以前做不到的新事”。从 AlphaFold 3 、ESM3 到 Evo 2 等模型，他们把分子-细胞-系统的设计空间瞬间打开，自动化 AI Scientist 则把实验室变成可编排的软件流水线。这意味着十年、二十亿美元成本的药物研发流程，正被重新压缩与重构。

最新的这篇文章我用「Tech/Bio × Generalist/Specialist」四象限为框架，梳理了下面几类玩家：

• Biology Foundation Model：深挖单点大模型极限，AlphaFold 3 级别的里程碑是个开始；

• AI Scientist：将多智能体编排成实验操作系统，让科研流程变成可复制的 AI Agent；

• AI-Native Therapeutics：基于全栈 AI 平台押注复杂疗法，争夺下一个百亿美元药物；

• AI-empowered solution：通过独特数据与算法解决行业痛点，带来立竿见影的效率红利。

今晚在@极客公园 视频号聊聊对AI Agent 的观察 欢迎即友们有空来捧场

今年期待的AI Agent基建三要素：MCP + RL环境 + memory

AI创作的软件会是下一代产品/内容的骨架

感谢monica邀请cohost 推荐来看这期onboard对RL历史+o1范式的讨论干货很多 每次读嘉宾推荐的paper list都有新收获

👏欢迎即友们来玩！

我们和RTE开发者社区一起联合出品了Voice AI技术专场 聊聊Her中的语音智能如何实现 感兴趣的朋友来线下一起交流！10月26日在北京