编辑 | 心悦
今年以来，以 OpenClaw 为代表的「助手型」智能体引爆了科技圈。这类智能体已不再局限于简单的对话交互，而是进化为能够理解复杂指令、自主调用工具、检索信息并执行任务的「AI 同事」。「人人皆有贾维斯」的科幻愿景正加速照进现实。
在科学智能领域，对「AI 同事」的要求远不止于简单的任务调度。面向严谨的科学探索，我们需要的是一个拥有系统级专业能力的科研智能体 —— 它能够深度融入科研流程，承担起文献挖掘、实验设计、方案优化乃至自动化执行等一系列高强度、高精度的「苦活」，让科学家将更多精力聚焦于创造性思考和科学品味，在人机协同之下探索更前沿的研究方向。
最近，上海科学智能研究院（下称上智院）联合复旦大学、无限光年宣布全面升级星河启智科学智能开放平台，其核心载体「超级科研合伙人」——「大圣」闪亮登场。
「大圣」是一个融合多模态基础模型、长周期多线程的群体记忆、专家级科学 Skills、自驱动实验室与安全可信方案的系统级科研智能体。这个高能动性智能体正面向真实科研场景不断进化，推动科研范式变革。
科学始于假设，成于验证。这意味着任何科学模型的预测都要接受真实实验的检验 —— 物理世界是科学假设的唯一终极裁判。作为「超级科研合伙人」，仅有模型工具的调度能力是远远不够的，科研的价值最终要落在物理世界的反馈。
为此，上智院深度定制了物理设施，致力于让「大圣」通过自驱动实验室「上天入体」，实现与物理世界的全面链接。
具体来说，生命实验室负责「入体」层面，为「大圣」打造了干湿一体的智能化闭环体系，推动包括药物设计在内的生物医药研究迈入全新的自进化阶段；天算实验室负责「上天」层面，构建了星地协同的实时计算和物理链接能力，致力于在轨完成数据解析与气象实时推理。
干湿闭环 —— 在生命世界「动手」
2024 年，上智院生命科学团队与复旦大学生命科学学院合作开展了核酸适配体研发项目。项目初期，基于上智院自研的女娲模型，适配体的「干计算」设计顺利完成。
但很快，新的问题出现了：AI 模型可以在短短数小时内便高效设计出上千条核酸序列，但这些预测结果存在良莠不齐的可能，需要通过湿实验验证甄别；而实验端的每一次验证，一方面需要数天甚至数周时间，导致大量候选序列在验证环节积压排队；另一方面，依赖人工的实验环节由于不同实验人员、不同批次导致的结果难以稳定复现，进一步加剧了验证的困难……
这也是当前科学智能面临的典型瓶颈：计算与验证之间存在显著的「效率错配」——AI 计算以近乎「光速」的效率源源不断地输出海量设计，而传统湿实验却停留在「龟速」般的验证节奏上。这种生成速度与反馈周期之间的巨大反差，导致 AI 模型陷入「空转」困境：模型在云端高速运转，却无法及时获得真实数据的校验与修正。研发链条在「设计」与「验证」的接口处形成严重阻塞，空有高速计算能力，却难以转化为实质性的创新加速。
研究团队发现，这种困境源于干实验与湿实验很大程度上处于「各自为战」的割裂状态，未能形成闭环。如果可以大幅提升湿实验运行速度与结果的稳定性，再将实验所得真值数据反哺给模型，用以微调来提升其预测能力，那么原本被「算得快、验得慢」所禁锢的研发闭环便能真正转动起来。
为此，上智院联合行业伙伴建设了全球首个自驱动的生命实验室，专为核酸药的智能化研发服务。该实验室将人工实验升级为智能化实验，用机器的「并行」执行替代传统人工的「串行」操作，支持 7×24 小时无人值守的高通量运行。其中，机械臂能以 0.1 微升的精度执行加样，可实现 96 例样本在同一时间完成稀释、混合、转染等步骤，彻底消除了人工操作的时间差误差，保证湿实验具备极高的标准化与一致性。
在智能化实验的基础上，生命实验室还搭载了AI 大脑 —— 自驱动的智能体实验集群，由规划、执行、监控、分析等多个智能体组成中枢系统。其中，「AI 费米」智能体负责智能调度，该智能体能够理解干实验上下文，自动提取并生成最优转染方案，将其直接编译为可供自动化岛台执行的机器代码，无需人工设计固定脚本，即可实现实验方案的个性化、科学化。
在此基础上，「大圣」打造出「执行 — 反馈 — 优化」的敏捷迭代机制，该机制具体包含三个核心阶段：
首先是计算排序。在云端的虚拟世界中，女娲等预测模型对数千个乃至上万个候选序列进行高通量计算，并根据预测活性等指标对序列进行排序，挑出最具潜力的「种子选手」。
其次是验证测试。自动化物理实验室将无缝接管后续流程，仅对排名最高的少量序列（约 200 条）进行高保真、高通量的合成与湿实验验证。机械臂以 0.1 微升的精度执行加样、转染、培养、检测等步骤，在真实物理世界中检验序列的基因敲低（Gene knockdown）能力。
值得注意的是，实验过程进行了全流程的数据追溯。每一个样本都被赋予唯一的「sample ID」，这个标签将贯穿实验的始终。样本经历了哪些处理步骤；加了多少样品；细胞的培养温度是多少；培养了多长时间…… 所有这些过程数据，都被完整地记录。
最后是微调更新。实验测得的真实数据将实时同步回云端，通过强化学习重新微调现有模型。尤为重要的是，不仅阳性结果被记录，阴性结果同样被完整保留。而这些曾被传统实验模式忽视的「失败数据」，恰恰为模型提供了「什么是对的」与「什么是错的」的双重标尺。借助这种强化学习思路，模型得以在软件与硬件构成的闭环中持续迭代，在下一轮设计中更精准地规避错误路径，加速收敛至最优解。
如上智院生命科学方向 AI 科学家郭昕所说：「AI 模型很有可能会输出幻觉，我们非常需要来自真实世界的反馈，以纠正模型，尤其是那些错误样本（负反馈）。」随着实验的不断开展，科研数据的持续积累，模型的学习能力与设计能力将不断提升。
如此，当科研人员有了灵感，只需将研究设想告知「大圣」，「大圣」便会自动调度这一整套机制。上智院星河启智高级产品专家杨真奇表示：「我们希望引入「「大圣」」去调度多智能体系统，并通过自驱动实验室实现自主化、标准化、高通量的实验验证，最终让 AI 真正加速科研发现。」
这套干湿闭环体系很快在小干扰核酸（siRNA）药物研发上取得了成效。例如，针对 AGT 靶点的 siRNA 药物设计，「大圣」可以迅速分析出 AGT 靶点的核心信息，并根据设计需求调度女娲大模型生成了对应的 siRNA 序列；在实验验证环节，「大圣」快速完成了针对 H7 细胞系的实验 Protocol 设计，并调度「AI 费米」完成实验操作。
湿实验完成后，实验数据被同步回云端，以优化模型，使其能够在高维设计空间中，设计出更优质的 siRNA 序列。
从应用效果看，这一闭环的敏捷迭代体系，助力 siRNA 药物研发在多个靶点中都实现了超过 50% 的有效序列比例提升。
同时，通过用自动化实验室替代人工实验，整体实验人效提升了 3-4 倍，实验结果的稳定性也大大提升。例如，在 qPCR、细胞裂解和转染等耗时步骤中，传统模式需要 2 人高强度工作才能完成 3 块 96 孔板 / 天，而现在仅需 1 人监控机器即可完成 6 块 96 孔板 / 天。
星地协同 —— 在太空跑通端到端大模型
在与物理世界的链接中，有一种链接是向上延伸、直抵苍穹。
随着人工智能技术的爆发式发展，电力短缺已成为制约算力扩张的关键瓶颈。为此，科技巨头开始将目光投向太空，寻求算力的新边疆。例如，SpaceX 正在规划一套被称为「轨道数据中心系统」的卫星网络，拟在近地轨道部署最多 100 万颗卫星，搭建太空数据中心，为 AI 模型供算力。多家创业公司迅速跟进，将数据中心送入太空的构想迅速引爆商业航天领域。
在这一前沿探索中，上智院进一步聚焦于科学智能与太空计算的深度融合，并率先在气象预报领域找到了关键的应用场景。
2023 年起，上智院联合复旦大学开展伏羲气象大模型的开发研究。项目早期采用 Cascade 技术，在欧洲中期天气预报中心（ECMWF）包含 DeepMind GraphCast、英伟达 FourCastNet 等模型的业务评测中综合精度领先。以此为起点，「伏羲」团队陆续取得了一系列研究成果，包括在预报时间尺度上不断突破：从短临预报（0-24 小时），到中期预报（0-10 天），再到次季节预报（30-40 天）乃至更长的季节尺度，逐步构建起覆盖全时间维度的预报能力。
去年，「伏羲」又迎来了一项里程碑式突破 —— 研发出端到端预报模型。此前发布的 AI 模型均基于数值预报系统产生的「分析场」这一中间产物进行训练和推理，而端到端模型彻底打破了这一依赖：它可以直接输入原始观测数据 —— 包括气象探空气球、雨量计、海上浮标、卫星遥感数据。这意味着，伏羲气象大模型能够独立于传统数值预报系统运行，直接从真实的地球观测出发，自主生成天气预报结果。
然而，研究团队意识到，仅靠模型层面的迭代已不足以实现质的飞跃。从数据层面看，传统数值预报对公共观测数据的利用率仅为 10%-20%，而伏羲气象大模型可以将利用率提升至接近 100%。但公共数据有其上限，要想实现更精准、更及时的气象预报，尤其是针对极端天气、短临预警、自然灾害等场景，伏羲项目需要拥有自主的、为专门场景定制的物理观测数据源。
因此，上智院提出建设天算实验室，搭建全球首个专为气象大模型定制的 AI 观测星座 —— 伏羲气象卫星星座，构建星地协同的物理链接能力。同时，他们还计划把 AI 模型送入太空，部署到数据产生端，即卫星之上。
天算实验室的运行逻辑围绕观测层、传输层与计算层三个层级展开：
- 在观测层，实验室采用雷达载荷作为核心观测源，以精准捕捉降水信息，补充现有对地观测系统的短板；
- 在传输层，依托卫星星网星座，实现全球观测数据的实时汇总；
- 在计算层，在星上部署人工智能服务器与端到端大模型，通过星载计算机完成实时计算。
伏羲气象卫星星座将不仅是数据观测平台，更是搭载着 AI 模型的智能计算节点：卫星在采集地球观测数据的同时，能够直接在轨运行伏羲大模型，完成数据处理与天气预报的实时推理。从数据获取到预报产出，全链路在太空中闭环，实现「数据在哪里产生，计算就在哪里完成」的范式突破。
目前，上智院已与复旦大学、之江实验室完成「空地数据互联 - 伏羲模型上天 - 星上计算」闭环链路验证，并在轨运行一个月，接下来计划与业界伙伴合作共建 AI 气象星座。
上智院地球科学 AI 科学家孙修宇表示：「我们的最终目标，是构建基于卫星星座的『观测 - 计算 - AI』一体化系统，因此，下一阶段的核心工作是发射更多卫星，组建卫星星座，完成天算实验室的全链路验证。同时，这一体系将对现有地球观测系统形成有效补充，让伏羲模型能够为全球提供更低时效、更准确的天气预报服务。」
科学智能新布局
无论是生命实验室实现干湿闭环，还是天算实验室构建星地协同，其背后的逻辑一脉相承 —— 物理世界，是检验科学智能的唯一试金石，是科学智能不可或缺的核心。
「在科学智能底层，我们始终坚持两个核心理念：一是获取物理世界的真实数据，二是接受物理世界的终极验证」，郭昕说道。
这呼应着一个更大的时代命题：科学智能正在成为全球共识。
从工业革命的蒸汽与电力，到硅基革命带来的计算机与互联网，每一次生产力的跃升，都源自科学理论的突破。但过去数十年中，基础科学的突破肉眼可见地放缓。科学智能，正是对这一时代困局的回应。它试图将 AI 视为激活科学发现的新工具，用这个时代最强大的技术，去推动科学本身的前进。
然而，当前科学智能的实践模式，大多是「AI 团队」与「科学团队」的浅层合作 ——AI 公司提供模型工具，科学家拿来使用；AI 不懂科学问题，科学家不懂模型优化，虚拟计算与物理世界处于相对割裂的状态，难以深入科学发现的底层逻辑。
在这一全球浪潮中，上智院找到了自己独特的生态位。其特殊优势在于汇聚了两支团队：一支是科学发现团队 —— 在生命科学、地球科学、物质科学等领域深耕的研究者；另一支则是顶尖的 AI 算法与工程团队。更重要的是，这两支团队不是「合作」关系，而是「融合」关系。在上智院，科学家与 AI 专家、工程师一起，共同定义问题、共同迭代模型、共同解读结果。这种深度融合，让其能够为科学发现量身打造「大圣」—— 一位懂科学的「超级科研合伙人」。
当「大圣」在地球表面调度生命实验室的机械臂协同作业，又通过天算实验室在太空中实时处理观测数据，我们看到的不仅是技术的突破，更是一种全新科研范式的诞生 ——AI 的生成能力与真实的物理反馈深度耦合，科学家得以从重复劳动中解放出来，将智慧倾注于更具创造性的探索。
这也是一种极具前瞻性的科学智能新布局：以物理世界为锚点，让 AI 不再局限于虚拟推演，而是深度耦合真实数据与实验验证；以智能体为桥梁，打通从干实验设计到湿实验执行的完整闭环，实现模型的自主迭代与进化。我们期待，在不远的将来，科学智能将推动人类文明驶向下一个生产力跃升的星辰大海。
热门跟贴