袁沛凝

SciMaster讓科研不再只是科學(xué)家的專屬，也讓「像科研一樣思考」成為更多人的可能。

作者｜鄭玄

科研是AI最早實(shí)現(xiàn)廣泛落地的行業(yè)之一。

在ChatGPT掀起這一輪生成式AI熱潮之前，甚至可以追溯到上一輪由機(jī)器學(xué)習(xí)主導(dǎo)的技術(shù)浪潮中，AI就已被用于氣候模型參數(shù)校準(zhǔn)、分子動力學(xué)模擬加速等科研任務(wù)。尤其在2018年前后，DeepMind推出的AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面實(shí)現(xiàn)突破，不僅引發(fā)了醫(yī)藥行業(yè)的技術(shù)革命，更被《自然》雜志評價為「解決了生物學(xué)五十年來的重大挑戰(zhàn)」。

近年來，生成式AI的進(jìn)步推動了新一輪科研范式的變革。進(jìn)入2024年后，隨著推理模型和Agent架構(gòu)的快速發(fā)展，AI正在從「能讀會寫」進(jìn)一步邁向「能動手干活」，科研場景也迎來了智能體技術(shù)的全面介入。

近日，深勢科技與上海交通大學(xué)等聯(lián)合發(fā)布的SciMaster，它被定義為「通用科研助手」——不僅能理解科研問題、拆解任務(wù)，還能在調(diào)研、計(jì)算、模擬、寫作等多個環(huán)節(jié)自動調(diào)度工具、協(xié)同執(zhí)行任務(wù)，完成一整套完整的科研流程。

SciMaster丨來自：scimaster.bohrium.com

更值得關(guān)注的是，隨著「讀、寫」能力進(jìn)一步增強(qiáng)，這樣一款原本面向科研場景構(gòu)建的智能體，正在顯現(xiàn)出「能力外溢」的特征。像我這樣的科技媒體作者，還有行業(yè)研究員、教育工作者、專業(yè)內(nèi)容創(chuàng)作者，也可以將它納入自己的工具箱。這些群體未必具備科研背景，但由于日常工作中同樣面臨知識構(gòu)建、內(nèi)容組織、復(fù)雜信息處理等需求，SciMaster恰恰能在這些環(huán)節(jié)提供真正的幫助。

正因如此，正式發(fā)布后，SciMaster很快引起關(guān)注，在閑魚上一個邀請碼被炒到近千元。我也在與深勢科技團(tuán)隊(duì)溝通后，要來一個測試資格，得以親自上手體驗(yàn)。

SciMaster邀請碼在閑魚上以將近1000元的價格出售丨來自：閑魚

從「AIforScience」到「AIforEveryone'sScience」，這是我在實(shí)際體驗(yàn)了幾天之后，得到的最直接、也是最深的感受。

01

可以「讀、算、做、寫」的AI科學(xué)助手

過去十年，AI被廣泛應(yīng)用于科研。但它的角色往往局限于「環(huán)節(jié)優(yōu)化工具」：比如用AlphaFold預(yù)測蛋白質(zhì)結(jié)構(gòu)，用大模型查找論文、翻譯文獻(xiàn)、整理數(shù)據(jù)等。這些能力有用，卻始終只是局部增強(qiáng)。真正「做科研」的能力，仍被視為人類研究者的專屬領(lǐng)域。

SciMaster正在挑戰(zhàn)這一范式。它并不是一個傳統(tǒng)意義上的「科研工具」，而更像是一種全新的「AI科研助手」——具備自主開展研究的能力，能夠在完整科研流程中獨(dú)立承擔(dān)起結(jié)構(gòu)化任務(wù)。

它的特別之處，在于兩種能力的疊加：一方面，它連接了超過1.8億篇高質(zhì)量論文和眾多科研工具、平臺，為獲取、調(diào)用科研資源打下堅(jiān)實(shí)基礎(chǔ)；另一方面，它基于推理模型構(gòu)建了科研任務(wù)的組織與思考能力，能夠像研究者一樣理解一個科學(xué)問題，并圍繞目標(biāo)任務(wù)制定研究路徑、調(diào)研驗(yàn)證、階段性匯報。

SciMaster的執(zhí)行鏈路丨來自：深勢科技

SciMaster的能力路徑可以被概括為四個字：讀、算、做、寫——這是所有科研人員日常工作的主軸。它當(dāng)前的強(qiáng)項(xiàng)集中在「讀」和「寫」這兩個最接近認(rèn)知與語言的階段，而「算」和「做」的行動力則在通過工具接入與任務(wù)編排不斷演化。

在「讀寫」兩項(xiàng)能力上，SciMaster已體現(xiàn)出成熟的科研能力?？梢园阉醋魇巧顒菘萍即饲巴瞥龅牟柨蒲衅脚_的延續(xù)與升級。玻爾已經(jīng)實(shí)現(xiàn)了文獻(xiàn)調(diào)研、內(nèi)容總結(jié)與報告生成的基本能力，解決了科研初期的「寫作瓶頸」。而SciMaster更進(jìn)一步，它不僅能理解任務(wù)背景，還具備任務(wù)拆解和策略生成的能力，能動態(tài)組織信息、調(diào)節(jié)路徑，并以結(jié)構(gòu)化方式完成科研產(chǎn)出。

比如我向SciMaster提出這樣一個問題：「主流量子計(jì)算架構(gòu)（如離子阱、超導(dǎo)）有哪些發(fā)展瓶頸？」它的回答并不是直接生成一段答案，而是按科研范式展開調(diào)研工作。首先搜索該領(lǐng)域近三年專業(yè)綜述，確保信息具備系統(tǒng)性與前沿性；其次拓展跨學(xué)科語義關(guān)聯(lián)，如物理學(xué)、工程領(lǐng)域等，檢索潛在影響因子；最后對候選文獻(xiàn)進(jìn)行語義抽象與解析，梳理出關(guān)鍵結(jié)論與共識性判斷，最終生成一份具備來源追溯、理論結(jié)構(gòu)、突破路徑的報告。

對于一個科學(xué)問題，SciMaster的研究過程丨來自：極客公園

這個過程中，SciMaster展現(xiàn)出了「研究員式的思維能力」：它不會憑空生成答案，而是構(gòu)建路徑、組織知識、迭代優(yōu)化，真正具備了科研策略意識。正因如此，它在知識密集行業(yè)中也展現(xiàn)出「超科研」價值：無論是行業(yè)研究員、政策制定者還是媒體記者，借助它，都能像擁有一個隱形科研拍檔，快速上手復(fù)雜議題、生產(chǎn)高質(zhì)量分析內(nèi)容。

如果說「讀寫」能力已相對成熟，那么「算做」環(huán)節(jié)代表的是這個產(chǎn)品的未來，其真正打開了SciMaster的延展空間。它沒有試圖用語言模型去替代數(shù)值計(jì)算或?qū)嶒?yàn)操作，而是構(gòu)建了一個「智能體框架」，調(diào)度外部能力組件，比如集成在玻爾Uni-Lab廣場的實(shí)驗(yàn)設(shè)備和系統(tǒng)等，將科研任務(wù)流程串聯(lián)成一個可執(zhí)行閉環(huán)。

玻爾Uni-Lab智能實(shí)驗(yàn)室操作系統(tǒng)丨來自：bohrium.com

這種機(jī)制，在實(shí)際科研場景中已開始落地。例如在新藥立項(xiàng)階段，藥企往往需要判斷一個靶點(diǎn)是否具備研發(fā)價值。以往這個環(huán)節(jié)依賴專家經(jīng)驗(yàn)、人工文獻(xiàn)篩選和實(shí)驗(yàn)驗(yàn)證，如今SciMaster可以通過結(jié)構(gòu)預(yù)測、作用機(jī)制推演、文獻(xiàn)整合與臨床數(shù)據(jù)分析，輔助評估「是否值得投入資源深入研發(fā)」。

深勢科技曾提到，一家藥企客戶使用SciMaster，在短短幾天內(nèi)完成了一個抗腫瘤靶點(diǎn)的可行性分析報告，覆蓋已有藥物機(jī)制、專利壁壘、空間分布與潛在藥效等內(nèi)容，原本可能需要一個小團(tuán)隊(duì)耗費(fèi)數(shù)周完成。

類似的閉環(huán)也在材料領(lǐng)域發(fā)生。深勢科技已與宜賓新能源新材料數(shù)智創(chuàng)新中心的干濕閉環(huán)實(shí)驗(yàn)系統(tǒng)實(shí)現(xiàn)云端聯(lián)動。研究者只需輸入目標(biāo)性能，系統(tǒng)即可調(diào)用專屬知識庫、Uni-ELF配方大模型與自動實(shí)驗(yàn)工站，自動完成從方案推薦到驗(yàn)證迭代的研發(fā)過程。這一機(jī)制使配方交付效率提升了10倍。

需要特別強(qiáng)調(diào)的是，SciMaster并不是「萬能科研機(jī)器人」。它更像是一個分布式科研系統(tǒng)的協(xié)調(diào)中樞，通過調(diào)度知識、算力、工具和設(shè)備，為科研工作者提供系統(tǒng)級支持。它不直接取代研究員的判斷力，而是讓人類可以更專注于真正的科研決策，而非信息堆砌與冗雜操作。

所以，與其說它是「超級科學(xué)家」，不如說它正在成為一個「結(jié)構(gòu)化科研體」——具備組織、規(guī)劃、執(zhí)行科研任務(wù)的系統(tǒng)性能力，協(xié)助人類完成從提出問題到初步驗(yàn)證的閉環(huán)研究。這種定位，也更契合它當(dāng)前的發(fā)展階段：它不是智商300的超級AI科學(xué)家，而是一個「可以協(xié)作的優(yōu)秀AI助手」。

而未來，隨著更多垂直知識庫、仿真工具、實(shí)驗(yàn)接口與物理設(shè)備的接入，這個「科研助手」將變得越來越強(qiáng)。它未必能取代人類科學(xué)家，但有可能重塑科研的方式：不再靠投入時間和人力推進(jìn)進(jìn)展，而是在系統(tǒng)協(xié)作中，提高整個研究體系的效率。

這就是SciMaster未來最大的意義——它不是工具，而是一個新形態(tài)的「科學(xué)合作者」。

02

它不僅屬于實(shí)驗(yàn)室，

也屬于更廣義的「知識工作者」

從深勢科技此前的產(chǎn)品「玻爾」，到現(xiàn)在的SciMaster，其并不只為科學(xué)家服務(wù)。它的結(jié)構(gòu)化思維、專業(yè)理解和問題拆解能力，正在向科研圈層之外自然溢出。

玻爾主要面向科研早期的信息整理和知識整合，解決「不會查、寫太慢」的問題。而SciMaster在此基礎(chǔ)上，引入了推理模型、任務(wù)規(guī)劃能力與跨工具協(xié)同機(jī)制，已從一個查文獻(xiàn)、寫綜述的智能工具，成長為具備科研路徑構(gòu)建與模擬驗(yàn)證能力的「科學(xué)助手」。它不僅能「幫科學(xué)家做科研」，也逐漸體現(xiàn)出在更廣泛人群中的實(shí)際價值。

作為一名科技媒體從業(yè)者，我在內(nèi)容生產(chǎn)中也面臨「類科研」問題：比如涉足一個新的前沿技術(shù)領(lǐng)域的選題，需要厘清其發(fā)展脈絡(luò)、判斷不同技術(shù)路線的優(yōu)劣、提煉出有邏輯的觀點(diǎn)。這些工作，與科研相比雖然不需建模實(shí)驗(yàn)，卻同樣依賴結(jié)構(gòu)化思考和知識系統(tǒng)構(gòu)建能力。

我最近正在研究AI芯片和AI基礎(chǔ)設(shè)施領(lǐng)域。帶著這種需求，我圍繞「AI芯片領(lǐng)域的技術(shù)差距與基礎(chǔ)設(shè)施挑戰(zhàn)」這一主題，寫了一個簡單的Prompt，讓ChatGPT和SciMaster分別生成一份面向入門者的分析報告。兩者的表現(xiàn)風(fēng)格與能力各具特點(diǎn)：

AI芯片研究報告節(jié)選左：SciMaster右：ChatGPT丨來自：極客公園

ChatGPT的最大優(yōu)勢在于邏輯表達(dá)流暢，具備對用戶指令意圖的快速響應(yīng)能力。例如我提出希望了解「英偉達(dá)與其他芯片公司的差距」，它不僅羅列了不同廠商的架構(gòu)對比，還進(jìn)一步推薦了可學(xué)習(xí)的文獻(xiàn)方向，延伸建議我可以采訪的行業(yè)專家和關(guān)注的行業(yè)重要會議，其提供的結(jié)果非常契合我的真實(shí)需求和工作方式。

而SciMaster則呈現(xiàn)出一種更「學(xué)術(shù)化」的思維方式。它沒有急于回答問題，而是先解析任務(wù)結(jié)構(gòu)，并選擇使用不同工具協(xié)同執(zhí)行：先用網(wǎng)絡(luò)和文獻(xiàn)搜索工具查找基礎(chǔ)信息，再聚合文獻(xiàn)數(shù)據(jù)，并進(jìn)行量化對比。最終給出的內(nèi)容引入了多個專業(yè)來源（如IDC、arXiv、Nature），并通過Python腳本完成芯片算力與帶寬的精度對比。其呈現(xiàn)的結(jié)果更專業(yè)，論點(diǎn)使用了大量的數(shù)字支撐，來源也能夠進(jìn)行追溯，內(nèi)容看起來更加專業(yè)。

SciMaster還具備編輯思維鏈的能力丨來自：深勢科技

正是這種「以科研思維做任務(wù)」的能力，使得SciMaster在許多高要求的信息分析任務(wù)中具備更大的潛力。例如，未來它若能進(jìn)一步擴(kuò)展對專業(yè)數(shù)據(jù)庫、仿真工具、行業(yè)知識庫的調(diào)用能力，對于獨(dú)立研究者、小型研究機(jī)構(gòu)，甚至政策制定部門來說，都是一種「低門檻專業(yè)支持系統(tǒng)」。相比傳統(tǒng)AI助手，它不僅能「寫出一份報告」，更有能力在關(guān)鍵推演路徑、數(shù)據(jù)來源驗(yàn)證上，提供「像科研一樣嚴(yán)謹(jǐn)」的結(jié)果。

從我的實(shí)際體驗(yàn)出發(fā)，目前的SciMaster還遠(yuǎn)不是「通才型」的AI科學(xué)家，它并不能完全取代專家判斷，也不具備強(qiáng)大的自適應(yīng)交互能力。但它已經(jīng)是一種清晰的、功能明確的AI合作者雛形——不只是為科研服務(wù)，也適用于更多在信息密集環(huán)境中工作的人們：內(nèi)容創(chuàng)作者、行業(yè)研究員、教育工作者，甚至是企業(yè)知識管理部門。

隨著未來更多工具、知識庫和執(zhí)行接口的接入，它所代表的「科研智能體范式」，也許將在實(shí)驗(yàn)室之外，為更多非科研行業(yè)帶來生產(chǎn)力的提升。這不僅關(guān)乎AI如何做科研，更關(guān)乎我們?nèi)绾斡每蒲蟹椒ㄗ龈茖W(xué)的事。

SciMasterReports丨來自：深勢科技

03

結(jié)語

無論是模擬科研流程，還是輔助復(fù)雜內(nèi)容創(chuàng)作，SciMaster展現(xiàn)出了一種新的AI工作方式：不是簡單地生成結(jié)果，而是圍繞問題本身組織信息、拆解路徑、調(diào)度工具，完成一個更接近「科研范式」的思考閉環(huán)。

它的意義，不止于打造一個「更會寫報告」的工具，而在于讓智能體協(xié)作這一新范式，在科研這類高門檻場景中率先落地，并自然延展至更多非科研人群的知識工作中。

當(dāng)然，從目前的表現(xiàn)看，它距離「超級AI科學(xué)家」還有明顯差距——基礎(chǔ)模型仍需提升理解力和任務(wù)建構(gòu)能力，工具鏈的接入也尚未完整。但作為科研協(xié)作體的雛形，它已能在「讀、算、做、寫」各環(huán)節(jié)中提供結(jié)構(gòu)化、專業(yè)化的支撐。

也許我們可以換一個角度看待這類智能體：它不是來替代科學(xué)家，而是讓更多人擁有像科學(xué)家一樣思考和解決問題的能力。SciMaster的出現(xiàn)，也許正標(biāo)志著「AIforScience」從實(shí)驗(yàn)室走向更廣泛現(xiàn)實(shí)場景的起點(diǎn)。

*頭圖來源：SciMaster

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請聯(lián)系極客君微信geekparkGO

AI落地終于要迎來「爆發(fā)點(diǎn)」？AI在B端和產(chǎn)業(yè)落地中，發(fā)展到哪一步了？

作為公路貨運(yùn)行業(yè)IoTSaaS服務(wù)的領(lǐng)導(dǎo)者——「G7易流」已經(jīng)摸索AI落地許久。

他們是怎么做到的？看到了AI時代哪些新機(jī)會？