Anthropic对AI科研应用做了深度分析。
核心观点：
- 生物学Agent瓶颈在数据基础设施
- 模型能力已足够，数据质量成制约
- 想让AI Agent做科研，先重修数据库
启示：
- AI科研的关键可能不在更大的模型
- 数据基础设施建设被严重低估
- 垂直领域AI需要先解决数据问题
来源: 36氪 + 机器之心 + Anthropic Blog
链接: https://36kr.com/p/3845426259511816
AI Master 解读
核心事件
Anthropic指出想让AI Agent做科研，先把数据库重修一遍
行业影响
Anthropic在其最新博客中分析，生物学领域AI Agent的瓶颈不在模型能力，而在于数据基础设施的不完善。
核心发现： 生物学Agent瓶颈在数据基础设施而非模型，模型能力已经足够但数据质量成为制约因素。
行业影响： 这一发现对AI科研应用具有指导意义。当模型能力达到一定水平后，垂直领域AI的效果更多取决于数据基础设施的质量。这意味着AI+科研的投资方向可能需要从更大模型转向更好数据。
AI Master 建议
AI科研应用的关键瓶颈可能在于数据而非模型，关注AI+科研数据基础设施建设。垂直领域开发者应优先解决数据质量问题。