Microsoft揭開了一個以企業為重點的人工智能平台的“ Microsoft Discovery”，該平台有助於重塑科學和工程研究。 Discovery在2025年會議上宣布，為研究人員提供了專門的AI代理和基於圖形的知識引擎。該平台旨在大大縮短創新時間表從初始假設到實驗驗證。微軟產品創新副總裁Aseem Datar概述了該平台的雄心勃勃的範圍:“我們的目標是將AI的力量帶給科學家和工程師，以改變整個發現過程，從先進的知識推理和假設的表述和實驗性模擬和迭代性學習。 （每個氟烷基物質）數據中心冷卻液原型。這一突破是在大約200個小時內實現的，這項任務傳統上花費了幾個月或數年。微軟董事長兼首席執行官薩蒂亞·納德拉（Satya Nadella）強調了這一點，並解釋說，微軟正在“將完整的技術堆棧匯集在一起，以幫助加快科學本身的速度。 “他指出，發現“使用代理來產生想法，模擬結果並學習”，以冷卻劑為“一個很好的例子……不依賴永遠的化學物質”。 href=”https://venturebeat.com/ai/microsoft-just-launched-an-ai-that-discovered-a-new-chemical-in-200-hours-instead-of-years/” target=”_blank”>told VentureBeat the framework screened 367,000 potential candidates for this coolant, which was then synthesized by a partner. Microsoft在公告中澄清的這一快速結果是為未來發展的“實驗”奠定基礎，強調了將R＆D轉變為動態的，AI-a-a-Assisted Endeavor的野心。
[embedded content]
Early Adopters and Strategic Partnerships
幾個關鍵合作夥伴已經探索了平台的真實應用程序。 GSK PLC打算利用Microsoft Discovery在開發新藥物中進行高級預測和測試。同樣，EstéeLauderCompanies計劃將Discovery集成到其創新管道中，以加速創建個性化的護膚和化妝品，並建立在與Microsoft的AI實驗室合作夥伴的較早合作夥伴關係的基礎上。 EstéeLauderCompanies的研發和創新技術副總裁Kosmas Kretsos解釋說，Discovery將有助於利用其廣泛的研究數據來獲得“快速，敏捷，突破性創新”。 NVIDIA將整合其 alchemi> alchemi href=“ https://nvidianews.nvidia.com/news/nvidia-opens-bionemo-bionemo-to-scale-digital-digital-for-biology-for-global-biopharma-biopharma-biopharma-and-scientific-intarcific-target” target=“ _ blank”> blank“ _ blank”> bionemtruct材料和生命科學研究.. Synopsys正在合作，將其AI驅動的設計解決方案帶入加速半導體工程。
Raja Tabet，Synopsys高級副總裁，指出這項合作旨在“重新設計芯片設計工作流程”和“增壓工程生產力”。 PhysicsX還是發射合作夥伴，整合了基於物理的AI基礎模型。首席執行官Jacomo Corbo
在科學中導航AI不斷發展的景觀
Microsoft的發現引入了AI越來越多地在AI處於越來越多的景觀中發生的發現。競爭對手Google的“ AI共同科學家”倡議非常突出，該計劃旨在提出研究假設。該公司還發布了專業工具，例如用於藥物發現的TxGemma和用於優化算法的αEvolve。 Microsoft本身以前用諸如BioEMU-1之類的用於蛋白質動力學的模型做出了貢獻。更廣泛的趨勢包括來自OpenAI的潛在高能力AI研究代理。
但是，科學研究中AI的成熟程度的增加帶來了重要的考慮因素。 Winbuzzer在2025年4月強調的一項研究表明，高級AI模型可以在復雜的實驗室程序中勝過經驗豐富的病毒學家，從而引發了對潛在濫用的雙重使用問題。研究的合著者塞思·多諾（Seth Donoughe）表示，這些發現使他“有些緊張”。這激發了要求建立強大的治理框架的要求。
Microsoft強調，Discovery的設計優先考慮信任，合規性和透明度，使研究人員保持控制。然而，更廣泛的科學界和AI開發人員繼續努力確保這些變革性技術的可靠性和道德部署。例如，DeepMind自己的先前研究承認:“在改善模型速度並完全解決幻覺之前，諸如符號發動機之類的工具對於數學應用程序仍然至關重要。 “這凸顯了人類的專業知識和傳統的科學驗證在AI-Accelerate Discovery時代至關重要。