一张141GB显存的H20，现在已经能够承载18万原子规模的机器学习分子模拟。至知创新研究院UBio团队发布并开源UBio-MolFM v1.5，在真实生理环境下以接近量子化学的精度处理生物大分子，同时把推理速度推进到接近经典力场可实际使用的区间。对药物设计、蛋白质研究和生命科学而言，这不是又一次单纯的模型跑分，而是计算边界开始接近真实生物体系。
更值得关注的是，科研AI正在同时接受另一种检验：当人类不再给出完整方法，模型能否自主选择研究路径，并用可追溯证据证明结论。分子模拟模型、科研智能体评测、项目级执行引擎和医疗事实核查系统相继出现，说明AI for Science的竞争正在从“会不会做”转向“能做多大、能否做对、结果能否复核”。
跨过规模门槛
传统分子动力学一直要在精度与规模之间取舍。量子化学方法能够描述电子结构以及化学键变化，但计算成本通常把体系限制在数百个原子；经典力场可以把规模推到几十万甚至上百万原子，却依赖预设参数近似真实势能面。对蛋白质构象、离子通道和药物穿膜等问题而言，微小能量差就可能改变机制判断，近似误差未必只是数值偏差，也可能导向错误结论。
UBio-MolFM v1.5试图把两条路线接起来。发布方披露，模型在单张141GB H20上实测可运行18万原子，受力误差在更困难的生物大分子与超训练尺度场景中较最佳基线降低约40%至45%；在12万原子规模、同样采用激活重计算时，其吞吐达到每秒2.51万原子，约为对比模型的8.3倍。按照显存增长斜率估算，扩展到8卡节点后可处理约144万原子，已接近完整病毒颗粒的尺度。
精度决定结论
规模只有与可信精度同时成立才有意义。在包含脂双层和生理盐水环境的KcsA钾离子通道模拟中，UBio-MolFM观察到过滤器内相邻钾离子的无水直接接触，而两组经典固定电荷力场轨迹没有出现这一现象。钾通道的离子选择性与羰基氧配位密切相关，这类差异会直接影响研究者对通道机制的解释。
在环孢素A构象自由能实验中，UBio-MolFM给出的自由能地形落差为5.51千卡每摩尔，呈现清晰的构象漏斗；经典力场在相同采样协议下只有1.51千卡每摩尔，地形接近平坦。研究团队又从采样窗口抽取构象进行DFT单点计算，模型预测与参考结果的偏差小于不同DFT方法彼此之间的分歧。它说明机器学习势函数的价值并非生成更漂亮的动画，而是帮助研究者看到传统近似可能遗漏的相互作用。
工程优化落地
UBio-MolFM能够把体系做大，依靠的不是单纯堆参数。其骨干网络采用旋转等变Transformer，保证分子旋转后能量保持不变、力向量随方向同步变化；局部计算通过短程与中程混合截断半径覆盖氢键、盐桥和第二水合层，并避免氢原子之间的组合数量让计算量失控。流式注意力核心则减少完整邻居张量的显存占用，使资源消耗更接近随原子数量线性增长。
训练数据同样围绕真实生物化学空间构建。模型使用约1.6亿条量子化学标签，其中除通用小分子数据外，还包含从蛋白质结构、溶剂化构筑单元和周期性凝聚相中采集的数据。三阶段训练先学习通用化学，再让力由能量梯度导出，最后引入生物大分子数据强化泛化。模型权重、代码和技术报告已经开放，外部团队可以复现结果，也可以检验其在未覆盖体系中的边界。
自主科研仍有缺口
模型能完成复杂计算，并不等于它能独立决定该计算什么。清华大学联合多所高校和研究机构推出ASI-Bench，用60个项目级科研任务覆盖数学、物理、化学、生物、医学和机器人等11个领域，并通过逐步减少方法指导来测量AI对人类路线设计的依赖。获得完整方法时，18组模型与智能体组合的平均科学得分为50.92；只保留研究目标、数据和约束后，平均分降至27.17。
失败分析显示，约62%的问题集中在科学建模、方法选择和鲁棒性判断，纯数值执行问题只占约26%。最明显的跌幅发生在撤掉详细实现步骤之后，这意味着当前系统通常不是不会调用工具，而是不擅长在开放问题中判断哪条路径值得尝试。AI已经能成为强执行者，但距离独立研究者仍有一段由科学决策、领域直觉和错误修正构成的距离。
项目执行补链
为了补上从单项任务到完整项目的链路，中科紫东太初推出AutoProject项目级自主科研引擎。系统把科研目标拆为带依赖关系的任务网络，再通过长程执行模块持续处理数据、调用工具、运行实验并根据异常调整方案；EviGraph证据图谱则负责检查假设、实验和结论是否相互支撑。在ARCBenchML评测中，其证据验证机制综合得分为0.865，高于0.596的对比基线。
这类系统的重点不是让AI完全取代科学家，而是把计划、执行记录、数据产物与证据链连接起来。研究者可以在关键节点审核路线、纠正假设并判断异常结果是否值得继续追踪。ASI-Bench暴露的是自主选择方法的短板，AutoProject尝试解决的是长程工作如何不中断，两者共同指出科研智能体的真实门槛：不仅要聪明，还要可控、可恢复、可审查。
医疗先做守门人
在高风险应用中，AI最先落地的角色可能不是诊断者，而是核查者。蚂蚁AI安全实验室与厦门大学联合提出MedGuard，把在线问诊拆成可独立验证的医学声明，再结合患者病史、用药、年龄和对话上下文判断风险。对于证据不足或语义模糊的声明，系统会调用疾病与药物知识库继续检索，直到形成可回溯的证据链。
MedGuard基于7B参数规模构建，研究显示其细粒度风险识别F1较基线平均提升22.1%；126名来自10个科室的临床专业人员对事实准确性、错误减少和整体可用性等维度给出较高评价。它没有把目标设为代替医生，而是放在回复、处方或历史质量回顾之前，提醒真正值得复核的事实。这种克制恰好说明科研和医疗AI正在成熟：最有价值的能力不是说得像专家，而是知道哪里必须拿出证据。
竞争转向可信产出
把这些进展放在一起看，AI for Science已经形成三条相互约束的路线。专用科学模型继续突破可计算规模，让过去昂贵的模拟接近日常工具；科研智能体开始承接项目规划与长程执行；评测和事实核查系统则负责揭示能力缺口、限制错误扩散。任何一条单独发展都不够，只有计算、决策和验证共同推进，模型输出才能真正进入实验与业务流程。
接下来更重要的指标不会只是参数量或榜单名次，而是一次科学任务能否复现、一次异常能否定位、一个结论能否追溯到数据和方法。UBio-MolFM把18万原子装进单卡，展示了工程优化带来的尺度变化；ASI-Bench则提醒行业，规模突破并没有自动带来自主判断。AI科研真正的分水岭，是把更强能力约束在可验证的流程里，并让科学家始终拥有审查与否决权。
