知乎科技热榜 7 月 19 日午报：科研工厂跑完 135 题，安卓四厂统一标准能落地吗？ (2026)

先看结论

本轮知乎热榜接口返回前 30 条，真正值得跟踪的科技信号有两条，且都不是前几期已经写过的模型发布或发射中止：

排名第 26，89 万热度：上海「超级科研工厂」无人干预完成 135 道科研题。 这条消息的价值不在「135」这个数字本身，而在于 AI 计算、自动实验和数据回流是否真的连成了一个可重复运行的流程。当前公开材料能证明一场高强度演示和若干实验结果，尚不足以证明科研生产已经可以大规模无人化。
排名第 28，84 万热度：小米、OPPO、vivo、荣耀拟统一「碰一碰」、一镜到底动画和运存管理标准。 这对开发者和跨品牌协同有现实意义，但四家厂商目前公布的是标准和上线计划，安卓生态是否真的减少碎片化，要等 7 月 30 日之后看跨品牌成功率、应用覆盖和后台体验。

1. 排名第 26：科研工厂能否把「会算」变成「会做」

知乎问题的原始提法是：媒体报道上海「超级科研工厂」无人干预跑完 135 道科研题，未来科研还需要研究生吗？本轮热榜返回的热度为 89 万，排名第 26。1

央视网 7 月 16 日的节目标题确认了事件本身：上海的「超级科研工厂」以无人干预方式跑完 135 道科研题。2

更完整的公开材料来自 ScienceAI 对「Golab 物质科学智能研发工厂」的报道。系统由上海科学智能研究院牵头建设，上海格物智研科技有限公司运营，目标是把「AI 计算、自动实验、数据回流、模型再决策」接成一条干湿实验闭环。公开报道所说的任务覆盖高分子材料、废旧锂电池、药物研发和催化剂等方向。3

这场公开演示里，早期阶段的报道给出过几个中间指标：7 月 7 日至 9 日，系统通过大语言模型自主编排任务，任务编排合理性为 100%，工具调用成功率和完成率超过 95%；一项通用偶联反应的催化剂实验中，4 个典型反应有 3 个相较文献方案提升约 15%。这是一组运行中的阶段性数据，不是最终结题报告。3

项目方随后公开总结称，五天直播最终完成 135 道题，消耗 829 GPU 小时，并称某项催化反应活性达到文献方案约 6 倍。这个数字应当归入「项目方自报结果」：它没有同时给出完整实验条件、对照组、重复次数和同行评审链接，不能直接写成已经被独立验证的科研突破。4

这条新闻真正说明了什么

第一，科研智能体开始从「给答案」转向「执行长流程」。它需要检索文献、生成候选方案、调用工具、安排实验，再把实验结果回传给模型。只要其中一个环节仍要人工翻译，系统就只是几个工具的拼接；这次演示至少把一条端到端流程公开跑了一遍。

第二，自动化实验室的瓶颈不只在机械臂。ScienceAI 的报道提到，化学实验还包括萃取、过滤、浓缩、柱层析等后处理环节，原有设备要从四步扩展到八步，才能接近端到端的无人执行。对科研而言，投料和反应只是前半段，能不能稳定拿到可测试的纯化样品，才决定闭环是否有用。3

第三，当前最需要补的不是更大的宣传数字，而是可复现性。为什么早期报道出现「约 15%」，项目方后续总结又出现「约 6 倍」？可能对应不同反应、不同轮次或不同对照组，但公开材料没有把这些口径完整对齐。接下来要看原始实验记录、失败任务清单、外部课题组复现，以及结果能否形成论文或专利之外的实际产品。

知乎公开页可见的前三个回答摘要

知乎问题页显示有 19 个回答，但直接访问答案详情会触发安全验证，页面没有给出每条回答的实时赞同数。本节只整理本轮公开页按当前展示顺序可见的前三个回答，不宣称这是实时点赞数最高的前三。

赵泠：先质疑「135 题」和「6 倍」的比较条件。 他的核心意见是，新闻中的文献方案可能来自旧条件，反应物浓度、温度、压强和评价指标也可能不同。没有完整对照实验，单看提升倍数不足以证明科研质量。对应回答可见于知乎页面的公开索引。5
项目相关方回答：研究生不会因为智能体能执行流程就消失。 这条回答把人的工作重心放在选题、判断科学价值和解释结果上，认为 AI 更适合接手文献整理、代码、数据处理和实验规划等重复环节。由于回答来自项目相关方，适合当作参与者视角，不应替代外部验证。1
拉格朗日的忧郁：实验环节的抗冲击能力更强。 他的观察是，导师和学生可以用 AI 大幅压缩写代码、调模型和整理资料的时间，但真实实验仍受设备、试剂、操作和重复性限制；当自动化实验室也开始承担这部分工作，研究生培养方式才会出现更直接的变化。1

未来三个月看什么

公开的「135 道题」能否拆成可复现的任务清单，至少包含输入、模型决策、实验条件、失败原因和最终产物。
「6 倍」是否有完整对照条件，能否由外部实验室复测；如果只是单个反应的局部指标，不能外推成科研效率提升六倍。
系统是否向外部课题组开放，以及外部用户能否看到失败记录，而不是只看到直播中成功完成的任务。
研究生的角色会不会从执行重复实验转向提出问题、设计验证和解释异常。这个变化比「研究生会不会消失」更接近真实问题。

2. 排名第 28：四家安卓厂商的统一标准，先过「能不能用」这一关

知乎热榜本轮把「金标联盟宣布小米、OPPO、vivo、荣耀将统一『碰一碰』及运存管理标准」推到第 28 位，热度 84 万。问题页同时给出了具体背景：四家厂商在 7 月 16 日的开发者沙龙上宣布进一步统一系统能力接入标准。6

IT 之家 7 月 17 日披露的细节比较明确：一镜到底动画由应用调用 SDK、系统负责执行，开发者可以用统一 API 进行多品牌适配；荣耀、OPPO、vivo、小米计划在 7 月 30 日上线。跨端分享则主打一碰直达，报道举的场景包括支付宝转账、抖音分享视频和美团分享优惠券。7

运存部分的方案是建立统一的内存使用区间参考，在系统内存紧张时主动通知应用释放资源，并对特殊场景下的提示方式做规范。这个设计瞄准的是安卓用户熟悉的卡顿、发热和切回应用后重加载，但「提出规则」和「厂商按同一规则执行」之间还有距离。7

哪些部分比较容易落地

一镜到底最容易先看到结果，因为它主要解决的是 SDK 和接口适配问题，厂商不必完全交出系统调度策略。只要四家设备按同一接口提供能力，小型开发团队就能少写几套厂商代码。

「碰一碰」的关键指标则是跨品牌成功率。发布会列出的支付宝、抖音和美团场景，说明已经有应用作为示范，但还不能证明所有机型、系统版本、NFC 权限和后台状态下都能稳定工作。真正有价值的测试不是发布会演示成功，而是不同品牌手机互传几十次后仍然成功，并且失败时能给出清楚的原因。

运存机制最难判断。内存调度本来就是各家系统体验的一部分，统一「参考区间」不等于统一杀后台策略，也不等于用户从此不会遇到重加载。这个标准能否改变体验，要看应用接入比例、系统版本覆盖和厂商对后台策略的实际修改。

知乎公开页可见的前三个回答摘要

该问题页面显示 36 个回答，直接答案页的排序和赞同数同样受到公开访问限制。下面只整理页面当前可见的前三个回答，不把它们写成实时高赞前三。

通信监理：先别把联盟公告当成体验升级。 他的核心疑问是，过去类似的跨品牌互传承诺曾经遇到底层握手、后台唤醒和权限策略不一致的问题。这次要看实际传输成功率和系统版本覆盖，而不是只看发布会口号。6
pansz：安卓碎片化来自各厂商拥有较大的系统改造空间。 他的判断是，联盟可以统一一部分接口，却很难替代各家对系统底层的控制；对用户是好事，但这不等于安卓会变成单一系统。6
一位未显示完整身份的答主：应用开发者也掌握着很强的约束力。 他的观点是，手机厂商能否改善后台、权限和智能体能力，还要看应用是否愿意配合，不能把所有责任都归给系统厂商。这个观点与「公平运存机制」能否真正落地直接相关。6

未来一个月看什么

7 月 30 日是否按计划上线，首批覆盖哪些系统版本和机型。
「碰一碰」跨品牌传输是否有公开的成功率、失败率或兼容性列表。
应用是否真的只需接入一次，还是仍要为小米、OPPO、vivo、荣耀分别处理权限和异常分支。
运存标准是否改变后台重加载和发热，而不是只增加一个认证标签。

本期筛选口径

本轮知乎热榜接口返回 30 条候选。除上述两条外，前列内容主要集中在世界杯、购票、消费和社会话题；与频道定位相关但缺少足够一手技术证据的条目没有硬凑进来。

本期对科研工厂使用了央视网、ScienceAI、项目方公开总结和知乎问题页；对安卓标准使用了 IT 之家、联盟公开信息和知乎问题页。X 检索没有返回本时段内能提供独立事实增量的具体帖子，YouTube 检索也没有返回可核验的有效视频，因此没有把低信息量转发或无关视频当作证据。知乎答案页可以看到公开片段，但安全验证阻止了实时赞同数和完整排序，文中的「前三」均为公开可见前三，不等同于点赞数最高前三。

对读者而言，今天最值得记住的不是「AI 已经替代研究生」或「安卓已经统一」，而是两个需要继续追踪的验收问题：科研工厂能否让外部团队复现实验，安卓联盟能否让不同品牌手机在真实使用中少出问题。

References

先看结论

本轮知乎热榜接口返回前 30 条，真正值得跟踪的科技信号有两条，且都不是前几期已经写过的模型发布或发射中止：

排名第 26，89 万热度：上海「超级科研工厂」无人干预完成 135 道科研题。 这条消息的价值不在「135」这个数字本身，而在于 AI 计算、自动实验和数据回流是否真的连成了一个可重复运行的流程。当前公开材料能证明一场高强度演示和若干实验结果，尚不足以证明科研生产已经可以大规模无人化。
排名第 28，84 万热度：小米、OPPO、vivo、荣耀拟统一「碰一碰」、一镜到底动画和运存管理标准。 这对开发者和跨品牌协同有现实意义，但四家厂商目前公布的是标准和上线计划，安卓生态是否真的减少碎片化，要等 7 月 30 日之后看跨品牌成功率、应用覆盖和后台体验。