Podcast2026/07/161 小時 41 分進階EN

🔬 The Lab of the Future Should Feel Like a Data Center — Andy Beam & Rafa Gómez-Bombarelli, Lila Sciences

摘要

專訪了 Lila Sciences 的執行長 Andy Beam 與首席科學官 Rafa Gómez-Bombarelli。他們探討了將實驗室打造為「資料中心」的願景，利用 AI 引導的機器人 24/7 執行實驗，以創造超過 10 萬億個實驗驗證的科學推理標本。Lila 的核心論點是：科學方法本身是一個無限的標本生成器，透過規模化資料與計算資源，可以訓練出能解決任何科學問題的通用推理模型。

This episode features interviews with Lila Sciences CEO Andy Beam and CSO Rafa Gómez-Bombarelli. They explore the vision of treating the lab as a 'data center' using AI-guided robotics to run experiments 24/7, accumulating over 10 trillion experimentally validated tokens. Lila's core thesis is that…

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

Lila Sciences 將實驗室視為資料中心，利用 AI 引導機器人 24/7 執行實驗，累積超過 10 萬億個實驗標本。
Lila 的核心理論是科學方法本身是一個無限的標本生成器，透過規模化資料與計算資源，可訓練出通用推理模型。
Lila 透過虛擬創業模式，讓專家以低成本、短時間解決特定科學問題，無需自建實驗室。

章節

依話題轉折切分，標題由 AI 產生

00:00AI 實驗室應像資料中心：高密度與能源效率
12:48API 呼叫與自動化：何時該人工介入？
22:23執行假設與雙重檢查：避免浪費
24:46綠色氫氣：催化劑的挑戰與模型探索
28:25RL 失敗案例：從板圖到病理迴圈
30:38從 sprint 到臨床：AI 作為核心資產
35:37通用平台 vs 領域特定：適用域轉移的疑問
44:04量子點與薄膜：材料科學的應用範例
50:04AI 作為工具：從藥物發現到材料創新
1:00:50零 FTE 模式：虛擬創業與商業合作
1:18:22實驗設計與訊號噪聲：Scaling 的雙面
1:31:22十萬兆 Token：資料量與實際價值
1:36:11Lila 的商業成功：從孵化到 IPO
1:40:51生命科學與材料科學：哪一類更難？

提到的工具與公司

Windows 95
Autoencoder
Autograd
IND

適合誰看

對 AI 在科學領域應用感興趣、希望了解規模化資料與計算資源如何驅動科學發現的讀者。

摘要依據

講者: Alessio Fanelli
依據: 語音轉文字

為什麼排在這裡

人氣: 0.50
新鮮: 0.74

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。聽節目（在新分頁開啟原站）

摘要

重點

章節

提到的工具與公司

適合誰看

摘要依據

為什麼排在這裡

相關內容