В пекинските AI for Science лаборатории AI и роботизираните ръце започнаха да работят като автономни учени, способни да проектират експерименти, да събират данни и дори да предлагат нови изследователски насоки. Репортер от Beijing News посети едно такова съоръжение и наблюдава роботизирана ръка, която подготвя проводяща течност, завършвайки всяка бутилка за 20-30 секунди с плавни, стандартизирани движения, които елиминират човешката грешка, присъща на ръчната работа.
Автономната лаборатория е изградена около запечатани експериментални станции, в които са разположени роботизирани ръце, които боравят с пипети, реактиви и бутилки с проби с прецизност. Системата работи на три слоя: първо, AI автономно открива фундаментални научни закони чрез експериментиране; второ, създава нови материали чрез генериране на висококачествени данни за обучение на модели, които произвеждат нови знания; и трето, изпълнява обратен дизайн от край до край, където резултатите се валидират директно в приложенията.
В Института по автоматизация на Китайската академия на науките изследователите са разработили модела на научната основа Panshi. Вместо да изгради LLM с общо предназначение като Doubao или Qwen, екипът преследва двупистов подход. Версия 1.0 прецизира моделите с отворен код върху научни данни и литература. Версия 2.0, която в момента е в процес на разработка, обучава нов модел от нулата, който обединява текст с научни модалности, включително вълнови спектри, спектрограми, електромагнитни полета и молекулярни структури в една система от символи. Panshi е завършил обучение за адаптиране на домейн в осем научни дисциплини.
Ключовата разлика между AI4S и потребителския AI е, че научният AI трябва да взаимодейства с физическия свят, за да генерира нови знания. Както обясни един ръководител на изследователски екип, докато DeepSeek и ChatGPT усвояват съществуващи интернет данни, системите AI4S трябва да провеждат реални експерименти, за да произвеждат инкрементални данни, които подобряват човешкото познание. Това изисква интегриране на AI с роботизиран хардуер, сензори и лабораторни инструменти в затворен цикъл на хипотеза, експеримент, събиране на данни и оптимизация.
Предимствата на Пекин в тази надпревара са структурни. Градът е домакин на най-голямата концентрация в Китай на водещи изследователски институции, включително CAS, Tsinghua и Пекинския университет, плюс най-големите научни съоръжения в страната. Клъстерът Huairou Science City генерира масивни висококачествени данни за обучение на AI, като само електрон-позитронният колайдер в Пекин произвежда 1 TB данни в секунда. През юни 2026 г. Пекин публикува своя план за внедряване на ИИ за наука, обхващащ шест приоритетни области и целящ да изгради глобално влиятелен научен център за иновации на ИИ до 2028 г.