金磊 發(fā)自 上海
量子位 | 公眾號 QbitAI

搞科研，現(xiàn)在也能用龍蝦（OpenClaw）的方式打開了！

例如我們向?qū)W術(shù)版龍蝦提一個真實且專業(yè)的科研問題：

• 我正在研究心肌病的基因調(diào)控網(wǎng)絡(luò)。目前在單細(xì)胞轉(zhuǎn)錄組學(xué)數(shù)據(jù)分析中，有哪些方法可以用來預(yù)測細(xì)胞狀態(tài)的轉(zhuǎn)變？

視頻地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

可以看到，學(xué)術(shù)版龍蝦先是根據(jù)這個問題，從5億篇文獻(xiàn)中精準(zhǔn)定位與問題高度相關(guān)的研究，找到了MIT和哈佛聯(lián)合發(fā)布的Geneformer。

但我們肯定是需要更高的精準(zhǔn)度和更優(yōu)的架構(gòu)，這時候，學(xué)術(shù)版龍蝦就會繼續(xù)自主執(zhí)行：

14個智能體同時并行，提出方案、評估、優(yōu)化代碼，迭代11輪，最終將性能提升了11%以上！

要知道，這要放以前，一個研究生要做完這些工作可是要花上起碼半個月的時間。

嗯，科學(xué)探索領(lǐng)域的人們，終于是品嘗到了“龍蝦肉”的高能動性。

那么這個學(xué)術(shù)版龍蝦到底是何許AI是也？

不賣關(guān)子，它正是由上海科學(xué)智能研究院（上智院）聯(lián)合復(fù)旦大學(xué)最新發(fā)布的超級科研合伙人——大圣。

是一個系統(tǒng)級的、面向科學(xué)探索的高能動性智能體，致力于持續(xù)推動科研范式變革。

剛才的案例便是由上智院院長、復(fù)旦大學(xué)特聘教授、無限光年創(chuàng)始人漆遠(yuǎn)親自展示的真實場景。

而之所以取這個名字，背后的原因很簡單：

• 天下苦科研久矣。很多科研人員都自嘲是苦行僧，搞科研就像經(jīng)歷九九八十一難，大圣就像保護(hù)唐僧一樣，護(hù)送科學(xué)家攻克科研難題。

但畢竟科研完全不同于點外賣、發(fā)郵件。

它需要理解RNA序列、分子結(jié)構(gòu)、氣象場數(shù)據(jù)；需要并行探索多條路徑，容忍失敗，沉淀非共識；更需要安全可信，不能幫倒忙，更不能泄露數(shù)據(jù)。

那么大圣到底能否做到呢？我們繼續(xù)往下看。

學(xué)術(shù)版OpenClaw，上天入體的那種

剛才演示的“研究心肌病的基因調(diào)控網(wǎng)絡(luò)”，其實只是大圣能力的冰山一角。

縱觀整場發(fā)布會之后，我們不難發(fā)現(xiàn)，大圣真的如其名，是已經(jīng)做到了“上天入體”的那種。

生命科學(xué)：實現(xiàn)了干濕閉環(huán)

對于生命科學(xué)領(lǐng)域的研發(fā)而言，很大的痛點之一便是干濕分離。

計算機(jī)里算出來的模型（干實驗），在現(xiàn)實世界的生物實驗室（濕實驗）里往往面臨驗證困難、人工低效的難題，導(dǎo)致大量的時間和資金被浪費在無效的實驗試錯上。

但在現(xiàn)場，上智院的生命科學(xué)方向AI科學(xué)家郭昕便向大圣發(fā)出了這樣的三連問：

• AGT靶點的機(jī)制是什么？
• 請幫我設(shè)計20條siRNA序列，可以從文獻(xiàn)中總結(jié)一些規(guī)律。
• 用Huh7細(xì)胞系設(shè)計實驗。

視頻地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

AGT是治療原發(fā)性高血壓的明星靶點，而siRNA藥物設(shè)計則需要極高的精準(zhǔn)度與高效的實驗驗證。

大圣不僅迅速回答了靶點機(jī)制，還基于文獻(xiàn)總結(jié)了GC含量等關(guān)鍵規(guī)律，生成了序列。

隨后，郭昕點擊了AI費米卡片，系統(tǒng)直接聯(lián)動了自驅(qū)動的生命實驗室。

視頻地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

現(xiàn)場連線中，實驗室工程師確認(rèn)設(shè)備自檢完成，機(jī)械臂開始舞動。高通量多智能體正在進(jìn)行細(xì)胞感染的核心實驗動作，脂質(zhì)體介導(dǎo)的轉(zhuǎn)染操作在16分鐘內(nèi)完成了96個樣本。

相較于傳統(tǒng)手工實驗，效率提升了3到4倍。更重要的是，實驗數(shù)據(jù)自動回傳，形成“設(shè)計-執(zhí)行-反饋-優(yōu)化”的干濕閉環(huán)，大幅提升了siRNA設(shè)計的成功率。

基座模型：多模態(tài)理解的突破

數(shù)據(jù)的模態(tài)復(fù)雜性，同樣也是AI面臨的一大挑戰(zhàn)。

上智院共性技術(shù)部主任研究員譚志羽，在現(xiàn)場則是展示了大圣在處理RNA結(jié)構(gòu)數(shù)據(jù)時的能力。

他先是輸入了一張RNA模態(tài)的二級結(jié)構(gòu)數(shù)據(jù)，并結(jié)合自然語言指令：

• How would you categorize this RNA contact map in terms of RNA families?

模型不僅準(zhǔn)確分類，還輸出了細(xì)膩的細(xì)節(jié)幫助理解。

緊接著，譚志羽要求設(shè)計一個能識別并殺害癌變細(xì)胞的Toehold Switch RNA序列：

• The first RNA is the trigger and the second is the linker. Design a high-performance toehold switch sequence.

大圣直接理解了這些多源科學(xué)條件，跳過了繁瑣的文本轉(zhuǎn)換，直接輸出了可用于實驗驗證的高性能序列。

當(dāng)需要更換Trigger重新設(shè)計時，模型在同一個上下文中完美繼承了之前的 Linker 信息，實現(xiàn)了真正的多模態(tài)對齊與生成：

• Use this as the new trigger and keep the same linker from the previous turn. Design a new toehold switch sequence.

地球科學(xué)：大圣也已經(jīng)上天

除了像RNA這種層面的“入體”，大圣的觸角甚至伸向了太空。

據(jù)了解，基于伏羲氣象大模型的積累，上智院已與復(fù)旦大學(xué)、之江實驗室完成了“空地數(shù)據(jù)互聯(lián)—伏羲模型上天—星上計算”的閉環(huán)鏈路驗證。

上智院地球科學(xué)方向AI科學(xué)家孫修宇介紹，想在天上進(jìn)行科學(xué)計算有諸多挑戰(zhàn)，傳統(tǒng)的科學(xué)計算復(fù)雜度太高，無法部署在太空。上智院和復(fù)旦大學(xué)的聯(lián)合研究團(tuán)隊使用伏羲大模型替代物理求解，并對它進(jìn)行了輕量化改造，成功將其送上太空，讓太空科學(xué)計算變成可能。

目前，該模型已在軌穩(wěn)定運行一個月，完成了從地面數(shù)據(jù)上傳到星上計算推理到核心數(shù)據(jù)回傳的完整閉環(huán)鏈路驗證。

下一步，團(tuán)隊計劃發(fā)射更多衛(wèi)星星座，補齊全球氣象觀測短板，提供更低時延、更準(zhǔn)確的天氣預(yù)報服務(wù)。

人文科學(xué)：還有蘇格拉底式的思辨

除了硬科學(xué)，大圣在人文社科領(lǐng)域同樣表現(xiàn)出色。

上智院研究員、格物致研聯(lián)合創(chuàng)始人王雯莉演示了中華文化通識教育的案例。

視頻地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

面對學(xué)生提出的問題，大圣不會丟出死板的百科定義，而是編排出一條高效的教學(xué)workflow，串聯(lián)起一場蘇格拉底式的深度思辨，旨在培養(yǎng)學(xué)生的獨立思考能力。

涵蓋生命健康、地球科學(xué)、物質(zhì)科學(xué)、數(shù)學(xué)與計算、通識教育……這就是大圣的“七十二變”，一個真正意義上的全域科學(xué)智能體。

大圣煉成記：黃浦江畔的青年科學(xué)家們

大圣能在科研領(lǐng)域打造出這般 “龍蝦式” 的高效玩法，背后是研發(fā)團(tuán)隊對底層 AI 架構(gòu)的徹底重構(gòu)，更是黃浦江畔一群青年科學(xué)家的智慧與心血凝聚。

去年7月在上海舉辦的世界人工智能大會上，上智院、復(fù)旦大學(xué)與無限光年共建的星河啟智科學(xué)智能開放平臺正式亮相。歷經(jīng)大半年的持續(xù)迭代，如今的星河啟智已匯聚400余個科學(xué)模型，沉淀22PB級高價值數(shù)據(jù)與5億篇文獻(xiàn)專利資源，而大圣，正是這個平臺全面升級后的重磅成果。

要理解大圣是如何煉成的，必須深入其不斷進(jìn)化的系統(tǒng)級專業(yè)能力，而每一項核心技術(shù)的突破，都對應(yīng)著一位科研骨干的攻堅故事。

大圣的大腦：多模態(tài)科學(xué)基礎(chǔ)模型

科學(xué)數(shù)據(jù)往往是人類不可讀的模態(tài)，如RNA序列、分子結(jié)構(gòu)、氣象流場等。主流的科學(xué)大模型往往將這些數(shù)據(jù)轉(zhuǎn)化為文本處理，但這會導(dǎo)致關(guān)鍵信息的丟失。

“我們需要一個真正的能夠多個科學(xué)模態(tài)對齊的科學(xué)領(lǐng)域的基礎(chǔ)模型?！弊T志羽深知其中的痛點。

原本主攻通用視覺模型的他，加入上智院后，既肩負(fù)著共性技術(shù)團(tuán)隊的管理重任，更帶頭攻堅構(gòu)建起神珍科學(xué)多模態(tài)基礎(chǔ)模型，走出了科學(xué)大模型研發(fā)的第三條路。

不同于學(xué)科專用模型缺乏多科學(xué)模態(tài)信息融合，也不同于文本統(tǒng)一式模型造成科學(xué)信息失真，神珍模型實現(xiàn)了原生多科學(xué)模態(tài)輸入與生成。

每一個科學(xué)模態(tài)都有專用科學(xué)領(lǐng)域的Tokenizer，生成原生高保真的Science Token。這意味著，模型輸出的數(shù)據(jù)可以再次作為輸入，具備自反思能力，從而實現(xiàn)長思考、長思考。

上智院一直深耕AI4S領(lǐng)域并沉淀了女媧、伏羲、燧人等垂直領(lǐng)域科學(xué)大模型的多個高質(zhì)量科學(xué)Tokenizer，使得大圣在文本科學(xué)推理上達(dá)到業(yè)界SOTA水平，同時在RNA理解與生成上與專用模型持平。這是大圣能夠理解科學(xué)語言的基石。

大圣的記憶：多分支群體記憶架構(gòu)

有了大腦還不夠，大圣且得需要一個穩(wěn)定的群體記憶。

現(xiàn)有的智能體多為單線程記憶，容易在科研的多路徑探索中發(fā)生記憶混亂，導(dǎo)致失敗經(jīng)驗被丟棄，少數(shù)派觀點被忽略。

“科研的過程是一個路徑多、周期長的過程?！鄙现窃簲?shù)據(jù)平臺工程高級工程師沈礫捷總結(jié)道。

并且他還發(fā)現(xiàn)，現(xiàn)有智能體的單線程記憶模式，在科研場景中極易出現(xiàn)記憶混亂：失敗的經(jīng)驗被輕易丟棄，少數(shù)派的非共識觀點被忽略，甚至?xí)蛴洃浉采w導(dǎo)致研究源頭無法追溯。

因此，沈礫捷精準(zhǔn)總結(jié)出了單體記憶的三大核心挑戰(zhàn)：信息回溯依賴相似性而非正確性，迭代中記憶覆蓋造成源頭丟失，錯誤經(jīng)驗直接拋棄引發(fā)知識流失。

有著多年產(chǎn)業(yè)界工程研發(fā)經(jīng)驗的沈礫捷，將軟件工程中Git版本管理的核心思想，創(chuàng)新性引入智能體記憶架構(gòu)設(shè)計，為大圣打造出獨有的多分支群體記憶方案。

這套架構(gòu)以海量文獻(xiàn)為基礎(chǔ)，搭建起主體認(rèn)知主干；當(dāng)大圣啟動多個分身并行探索科研路徑時，每個分身都擁有獨立的記憶分支與專屬數(shù)據(jù)存儲，實現(xiàn)了信息的有效隔離。

這種隔離帶來了雙向保護(hù)：既守住了主體認(rèn)知的安全底線，也為非共識的少數(shù)派記憶分支，提供了自由探索的安全環(huán)境。

而無論是成功的經(jīng)驗還是失敗的教訓(xùn)，經(jīng)過專業(yè)審核后，都會回流至主體認(rèn)知，并通過廣播總線同步至整個記憶網(wǎng)絡(luò)，讓每一次探索都成為大圣的 “成長養(yǎng)分”。

目前，這套多分支群體記憶架構(gòu)，已落地于上海市科學(xué)智能百團(tuán)百項超寬禁帶半導(dǎo)體研發(fā)項目，成功支撐起十余個專業(yè)智能體的有序協(xié)同，在實際科研場景中驗證了其價值。

大圣的法器：場景驗證Skills

有了能力和記憶，還需要靠譜的執(zhí)行工具。

在人工智能行業(yè)，這被稱為 Skills（技能包）。但科研領(lǐng)域的Skills不能僅是提示詞工程，必須是經(jīng)過真實場景驗證的流程。

王雯莉擁有豐富的藥物研發(fā)經(jīng)驗，她將自己主導(dǎo)10+藥物管線的經(jīng)驗，提煉成一個個可復(fù)用的Skills。

她強(qiáng)調(diào)，大圣的Skills體系并非從概念出發(fā)，而是源自對真實科研任務(wù)的反復(fù)實踐。

目前，這套體系已形成300余個可復(fù)用Skills，覆蓋物質(zhì)、生命、地球、人文社科四大學(xué)科群，20多個科研場景。

在新型補鋰劑分子研發(fā)中，成果直接轉(zhuǎn)化2000萬元并獲得數(shù)億投資；在某難成藥靶點藥物研發(fā)中，潛在價值估計高達(dá)5億美元。

除此之外，聚焦到王雯莉個人，作為上智院物質(zhì)科學(xué)團(tuán)隊的核心骨干，她長期處于技術(shù)研發(fā)與產(chǎn)業(yè)落地的交匯點，在復(fù)雜真實場景中積累了豐富而成熟的實踐經(jīng)驗。

如今作為上智院孵化企業(yè)“格物智研”的聯(lián)合創(chuàng)始人，她正以科研普惠為使命，推動AI真正走進(jìn)科研一線。由格物智研打造的AI科研驗證基礎(chǔ)設(shè)施平臺即將于今年6月上線，讓AI從工具升級為科學(xué)家的伙伴，成為科創(chuàng)探索者的"超級科研合伙人"。

大圣的緊箍咒：安全可信與閉環(huán)

高能動性的智能體必須戴上金箍。

為此，無限光年高級產(chǎn)品專家楊鵬達(dá)介紹了大圣的安全體系。

他介紹說，傳統(tǒng)的智能體安全存在不可能三角，即高自主性、高安全、低資源消耗往往難以兼得。

大圣則是通過體系化設(shè)計，分三層來做到保障：

• 執(zhí)行層（Skill 內(nèi)容安全、沙箱環(huán)境安全、MCP 服務(wù)安全）
• 協(xié)作層（智能體互聯(lián)安全、隱私計算）
• 存證溯源層（分布式賬本、血緣計算）

特別是沙箱安全，與云原生架構(gòu)深度融合，支持亞秒級啟動和獨立內(nèi)核，每個沙箱都裝備了全堆棧實時審計。

隱私計算混合架構(gòu)，性能損耗降至3%以內(nèi)，與智能體安全互聯(lián)相結(jié)合，實現(xiàn)了“數(shù)據(jù)不外流、任務(wù)可進(jìn)場”。

在“大圣”與上海氣象局和上海庫帕思科技有限公司的合作中，高保密數(shù)據(jù)僅需返回預(yù)警指標(biāo)，海量PB級數(shù)據(jù)僅需返回相似案例，最終由大圣整合輸出，讓原本不可用的數(shù)據(jù)變得可用，讓海量數(shù)據(jù)查詢變得高效。

如其名，當(dāng)大圣戴上“金箍”、腦中響起安全相關(guān)的緊箍咒，在以往高自主性、高安全、低資源消耗不可能三角里，實現(xiàn)了關(guān)關(guān)難過關(guān)關(guān)過。

全面鏈接物理世界：大圣的自驅(qū)動實驗室

數(shù)字世界的模型迭代或許只需秒級，但物理世界的真值驗證，卻往往是一場漫長的跋涉。

人工實驗不僅耗時費力、復(fù)現(xiàn)困難，即便是當(dāng)前主流的自動化實驗室，也多依賴預(yù)設(shè)腳本運行，缺乏對物理世界的主動探索與真值反饋。

基于智能體自主探索與軟硬一體調(diào)度，大圣提出“上天入體”的科學(xué)全域閉環(huán)：通過自驅(qū)動的生命實驗室與天算實驗室，實現(xiàn)全天候、跨尺度的物理實證。

像郭昕和孫修宇介紹的自驅(qū)動的生命實驗室和天算實驗室，則是代表了剛才我們提到的大圣的“入體”和“上天”。

郭昕堅信AI必須走向物理驗證。他主導(dǎo)的干濕閉環(huán)實驗，讓大圣的建議不再是紙上談兵。通過強(qiáng)化學(xué)習(xí)串起軟件到硬件的閉環(huán)，模型隨著實驗數(shù)據(jù)的積累越學(xué)越智能。例如我們上面展示的藥物研發(fā)案例就是很好的詮釋。

孫修宇則致力于讓計算能力推向太空觀測前沿。他所在的團(tuán)隊完成了伏羲模型在星載計算機(jī)上的推理驗證，接下來計劃與業(yè)界伙伴合作共建AI氣象星座，讓它不僅僅是為互聯(lián)網(wǎng)服務(wù)，更可以智能地成為理解地球的眼睛和大腦。

那么大圣背后的這群青年科學(xué)家，為何選擇聚集在上智院？

對于這個問題，在量子位與他們交流的過程中得到了答案。

在王雯莉看來：

• 在上智院，領(lǐng)域科學(xué)家和AI專家、工程師都聚在一塊兒，每個人有各自擅長的東西、經(jīng)常面對面碰撞想法。這樣創(chuàng)造出來的東西自帶各方基因。

量子位用原生多模態(tài)融合來比喻這種人才配比時，王雯莉連連點頭表示認(rèn)可。

郭昕也表達(dá)了他的看法：

• 比如DeepMind創(chuàng)始人哈薩比斯，他是一個極其綜合之人，既有計算機(jī)的背景，也有神經(jīng)生物學(xué)的背景，既開發(fā)過知名游戲，也是國際象棋大師，他把DeepMind打造出了非常好的融合氛圍，可見想要把科學(xué)智能做到頂級，人與人的融合是必須的。在上智院，我們不僅是在心理上是近的，物理上也是在一個空間的。

除此之外，沈礫捷對在上智院工作的整體自由度也是極其認(rèn)可：

• 這里不僅有自由度極高的探索環(huán)境，不用打卡、允許想法落地，更重要的是在有組織科研的框架下配有海量的高質(zhì)量算力、充足的資源。

或許也正是因為如此的科研環(huán)境，才有了此前上智院PackingStar推動三百年數(shù)學(xué)難題“親吻數(shù)”的突破，也才有了如今大圣的系統(tǒng)性進(jìn)化。

One More Thing：

發(fā)布會最后，復(fù)旦大學(xué)校長助理、上智院理事長、上海創(chuàng)智學(xué)院副院長吳力波介紹了第四屆世界科學(xué)智能大賽的創(chuàng)新賽道——AI4S智能體CNS挑戰(zhàn)賽。

她說，這場賽事試圖組織科研技術(shù)新秀回答一個關(guān)鍵問題：智能體能否深度參與并推動頂級科學(xué)問題的解決。

與通常的技術(shù)賽不同，AI4S智能體CNS挑戰(zhàn)賽要求參賽團(tuán)隊研發(fā)的智能體獨立完成文獻(xiàn)理解、代碼重構(gòu)、假設(shè)提出、實驗驗證與結(jié)果迭代，挑戰(zhàn)并超越CNS等頂級期刊已發(fā)表成果及同等級研究的當(dāng)前SOTA。

本次挑戰(zhàn)賽賽題組組長、復(fù)旦大學(xué)研究員、上智院AI科學(xué)家屈超在與量子位的交流中也表示：

• 我們賽事的初衷，便是讓科學(xué)回歸科學(xué)，讓Agent承擔(dān)繁瑣工作。減少科研人員在文獻(xiàn)調(diào)研、復(fù)現(xiàn)baseline、寫代碼等重復(fù)性工作上的時間消耗。

賽事將分為初賽、復(fù)賽、決賽三個賽段，共設(shè)置四項挑戰(zhàn)任務(wù)，包括：高通量藥物虛擬篩選優(yōu)化、靶向分子設(shè)計與逆合成規(guī)劃閉環(huán)、蛋白質(zhì)構(gòu)象系綜生成挑戰(zhàn)以及神經(jīng)算子自動改進(jìn)。評審包括金力、龔新高等頂尖科學(xué)家。

大圣只是一個開始。

科學(xué)探索路上的“唐僧”們，要不要共同求取科研的真經(jīng)？感興趣的小伙伴可以報名AI4S智能體CNS挑戰(zhàn)賽哦~