AI 应用

近乎自主的AI化学家成功攻克药物化学中的一个棘手反应

OpenAI联手Molecule.one，让GPT-5.4像一位真实的化学博士后一样工作：独立提出科学猜想、设计实验方案、在自动化实验室里跑完10080个反应、分析数据、再提出下一轮假设。关键结果是，它推荐的TEMPO氧化剂让药物化学中最棘手的磺酰胺基团偶联反应产率翻倍。

MolmoMotion用物体表面稀疏3D点预测未来运动轨迹，不依赖物体类别模板，精度远超现有方法。仿真环境机器人任务成功率76.3%，通用性强到可以直接从视频学到物理规律并迁移到机器人控制。核心价值是让AI从看懂过去进化到预判未来。

机器人开发最头疼的是工具链割裂——录数据、训练、仿真、部署各用一套工具。Strands Robots把LeRobot包装成单个Agent，仿真和真机用同一份代码和数据格式，改一个参数就能从模拟切到实体机器人。还内置了多机mesh网络和人工审批门控。看完想立刻上手试试那个笔记本。

中小企业不需要学大模型，直接让AI融进Google Workspace里干活就行了。71%的英国受访者用过之后节约了时间，核心就是让现有工具帮你做会计对账、自动搜文件、甚至7x24小时自动监控安全威胁，看完你会明白为啥产品整合比模型参数更重要。

Atlas用Google Cloud SQL Enterprise Plus掌管数百个数据库，运维时间减少30%，团队能腾出手来投入AI创新。

Google把Gemini嵌进SIEM，用AI Agent自动处理告警，Sunrun告警量直降97%。统一数据湖让全量搜索不降级，还有Mandiant的规则加持。不是包装AI，是真干活。

西门子联合 Google Cloud 搞了个 Knowledge Fabric 系统，用 Spanner 知识图谱结合多智能体拆解任务，成功改造了上亿行陈旧工业代码。核心思路是把代码当结构画成图，而不是当文本喂给大模型，结果很扎实——改造旧系统的效率翻了几倍。

Google Cloud CISO分享AI时代的4个安全防御教训：从缩小攻击面到AI驱动的自主修复，实用且可操作。

AI应用的黄金时代，拼的不是模型大小，而是如何用有限的预算榨出最多智能。