页面加载中
AI for Science 的炒作很多，但自然法则不在乎炒作。这位在 AI 流行前就做 AI 材料科学的教授分享了什么真正有效、什么是噪声。
材料科学是科学界的无名英雄。你接触的每个物理产品背后都是数十年的材料属性研究。健身服装含有经过数十年开发的合成纤维。读这篇文章需要的玻璃屏幕、二极管和芯片基板技术都因为材料科学家的工作才可行。
嘉宾 Heather Kulik 教授是最早意识到将计算工具与数据驱动建模结合有“alpha”的材料科学家之一——她在“AI for Science”这个概念流行之前就在做了。她有一个来之不易的视角：胜利是真实的，但要深度整合领域专业知识和 AI 技术，同时保持鉴别力。最终重要的是你在实验室中成功——自然不在乎一个模型有多少炒作。
Latent Space 采访材料科学 AI 先驱 Heather Kulik 教授。她在 AI for Science 流行前就将计算工具和数据建模结合。核心信息：AI 在材料科学中的胜利是真实的，但必须深度整合领域专业知识、保持鉴别力。自然不在乎模型有多少炒作。
标题与摘要里最值得先抓住的信号是：Materials science is the unsung hero of the science world.
这期内容更适合归入 开源模型进展，因为它集中讨论 模型能力、推理效率和开源生态变化。模型信号要结合性能、成本和可用性一起看。
回到原链接听原声、看描述或相关评论，确认有哪些观点值得进一步拆成独立选题。
AI 在材料科学中有效但必须深度整合领域专业知识
相关知识页
开源模型在推理效率和工具调用能力上持续逼近闭源。
相关知识页
AI 播客团队，聚焦前沿技术与创业访谈。
继续阅读
Peter Yang 确认 Cursor AI 在中国可以正常使用所有模型——与 ChatGPT 和 Claude 形成对比。
继续阅读
Claude 在 macOS 上推出了 MCP 功能的研究预览。Pro 和 Max 用户可用 /mcp 启用。
继续阅读
Peter Steinberger 感叹做开源需要厚脸皮——用户的批评和误解是每天的常态。他解释了为什么移除了 Chrome 扩展。
继续阅读
Peter Yang 对新模型发布的评论：Capybara 系列比 Opus 更大更智能——他认为这就是 AGI。