AI自己挖新酶，政策攒出中小企业创业坑位——今天值得盯的几件事
今天的信息分两头走，一边是AI做科研真出硬成果了，一边是国内政策从中央到地方砸下了明确的支持方向，我筛掉了刷屏的口水新闻，留这四条值得沉下心看。
AI真的挖到了人类没发现的基因编辑工具
Anthropic用950个AI智能体集群干活，只花了21小时、2.1亿Token算力，就在噬菌体DNA里挖出了一套全新的DNA酶编辑系统，功能完整性和稳定性对标人类花了几十年打磨的CRISPR。传统研发新系统要数年甚至数十年，还逃不开人类的认知盲区，这次AI直接完成了从「辅助计算」到「主动找新东西」的跨越。别拿之前那些AI辅助发论文的成果比，这次是真找到能用的新工具了。AI4S不是喊口号，是真的要改写基础科研的游戏规则。
过程监督救了Agentic RAG，5千样本打过9万
之前大家做Agentic RAG，训练的时候只拿最终答案对错当奖励，相当于教孩子做题只说「你错了」不说错在哪，华为和港城大的团队换了思路，把过程监督强化学习揉进了训练流程，给每一步推理都做细粒度奖励，还能自动生成最优搜索路径。结果挺吓人：只用5千条训练样本，性能就超过了用9万条样本训练的主流Search-R1。现在很多企业做RAG都卡在复杂推理推不动，数据标注成本又高到吓人，这个思路等于把数据效率翻了十几倍，落地门槛直接降了一个量级。
国家级AI创业支持计划落地，终于开始扶小的了
工信部8月底印发了《人工智能中小企业创业支持计划(2026-2028年)》，从中央到地方已经层层转下去了。之前我们的AI产业支持，大多盯着头部大模型公司、千亿万亿参数的项目凑政绩，中小创业公司除了拿点种子创投，几乎拿不到正经公共资源支持。这次不仅国家级计划明确给钱给政策，地方「十五五」规划也都提了梯度引育AI企业，要求给中小公司补算力、金融、技术交流的缺口。不是说靠政策就能孵出下一个OpenAI，但至少终于有人意识到，AI产业生态不能只有几个大模型底座活着，中小公司才是做垂直落地、填应用场景缝隙的主力。
AI做科研的效率已经卷到什么程度了
阿里达摩院去年7月用AI智能体找超导体，只花了28个GPU小时，相当于单卡跑一天多的成本，从240万种晶体里筛出4种全新的、能实际合成的超导体。之前找一种新材料要数年试错，现在一天不到出结果。结合这次Anthropic挖新酶的成果，你会发现一个清晰的趋势：AI智能体集群正在把基础科研从「靠天吃饭的脑力劳动」，变成「可规模化的工程问题」。以前十年出一个成果的领域，现在一年能出十个，接下来两三年，我们会看到大量原本被卡脖子的新材料、新药物，被AI批量推出来，这个变化比发布一个参数更大的大模型，影响要深远得多。
以上是我今天从公开信息中梳理的几个方向，有些判断比较主观，欢迎讨论。