英文：AI for Science 分类：frontier
把 AI 用于蛋白质结构预测、材料发现、气象预报与数学猜想等科学研究任务，已成为继对话与编程之后最具确定性的价值方向之一。代表成果包括 AlphaFold 与各类科学基础模型。
前沿方向的技术探索通常从理论假设开始，经过小规模验证、规模化训练、再到产品化。关键挑战包括：算力可扩展性、数据质量天花板、推理时计算（Test-time Compute）与安全对齐。
从达特茅斯会议（1956）提出AI概念，到专家系统、统计学习、深度学习，再到如今的大模型与AGI探索，AI经历了多次寒冬与复兴；当前正处于算力与数据共同驱动的爆发期。
前沿技术商业化通常需要3-5年成熟期，早期投资者关注技术壁垒与团队；企业用户则应关注成熟度曲线，避免在炒作期过度投入。