Microsoft发现与量子副总裁David Carmona探讨了AI在研发领域的变革潜力。他认为真正的价值不在于增量效率提升，而在于推动全新科学发现和跨行业突破。AI正在重塑端到端研发工作流程，从假设生成、模拟协调到规模化实验。Carmona提出四项建议：制定综合战略以平衡短期AI应用与长期突破性发现；全员拥抱AI而非集中在卓越中心；民主化AI工具让每位研发人员都能使用；建立集中治理机制。在受监管环境中，信任是AI采用的关键门槛——可解释性、可追溯性和人类在环治理是基础。
本期节目邀请了Accurate公司北美首席精算师Thomas Holmes，探讨保险公司如何将AI模型从实验阶段推进到企业级部署。Accurate为全球40多个国家的300多家非寿险公司提供定价和准备金软件平台。Holmes指出，监管机构与公司内部利益相关者实际上追求相同目标——理解模型的运作方式、原因以及确保其正确执行，因此建立"翻译层"变得尤为重要，即把精算模型转化为IT系统可执行的格式，以及领导层可理解的表述。在高风险领域如保险定价，AI的成功不在于 sophistication（复杂程度)，而在于稳定性和可解释性，因为无法解释的费率调整会导致客户流失。Holmes强调应建立"单一事实来源"，让精算定价逻辑在整个流程中保持一致，避免因多次转手而产生的错误和重复工作。此外，他建议采用基于行业经验的"Opinionated Framework"（规范化框架），为AI应用设置明确的护栏和治理流程。至于自建与采购的权衡，应聚焦于那些能带来真正竞争优势的专有能力，而非重复开发市场已有解决方案。