前沿 · AI4S 科学发现

AI 做科研,走到哪一环了

AI 的角色最远到 L3 闭环;检验走得最远的是一例进入三期临床的药物。各学科快慢取决于验证一个结果要多久。

约两年内成熟判断置信度低

2028 年 9 月对账。算「成熟」要满足其一:至少两个方向出现 L3 闭环、且结果经过独立检验;或首个以 AI 设计为主的药物在二期达到主要疗效终点。

角色 × 检验

纵轴是 AI 在科研闭环里做到哪一步,横轴是结果经受过什么检验。两个轴互不换算:AlphaFold 2 只做预测,却是被检验得最彻底的一个。带 * 的条目有争议。

四级角色的定义与对标
L1 预测
对标 arXiv:2508.14111 的「计算工具(Computational Oracle)」
L2 设计
对标 arXiv:2508.14111 的「研究助手(Automated Research Assistant)」
L3 闭环
对标 arXiv:2508.14111 的「自主科研伙伴(Autonomous Scientific Partner)」
L4 自主
对标 arXiv:2508.14111 的「生成式架构师(Generative Architect)」

五个方向

生命科学 · 6 个条目 · 最远 L2
蛋白质与分子设计
从预测蛋白质长什么样,到按需求设计一个自然界没有的蛋白。AI4S 最成熟的一块。
生命科学 · 3 个条目 · 最远 L2
药物发现
AI 设计的药物能不能走完临床。验证器最贵的一块,也是唯一有硬终点的一块。
生命科学 · 3 个条目 · 最远 L2
虚拟细胞与生物基础模型
给细胞建模:预测一个基因被敲掉之后细胞会怎样。生命科学里最像「世界模型」的一块。
材料 · 6 个条目 · 最远 L3
材料研发
预测、设计、再用机器人把新材料做出来。自动实验室正在尝试把验证器变便宜。
横切 · 2 个条目 · 最远 L3
AI 科学家
不针对某个学科,而是把「提假设—做实验—分析—写论文」整个科研流程交给 AI。与 RSI 共用同一套机器。

引擎带来的

大模型与 RSI 那一侧的进展,传到科研上的部分。

物理版 MCP:Model Hardware Standard有论证,无实验大模型 → 世界模型、AI4S

它一行动力学预测能力都不提供,但它降低的恰恰是能力矩阵「真实世界」那一列最贵的东西——把模型接到真机上的成本。

通用大模型进入科研工作台有演示无数据大模型 → AI4S

三家都在 2026 年把通用模型推进了科研流程;目前加速的是文献、分析、写作与实验设计,验证环节——湿实验与临床——一步也没有变快。

AlphaEvolve:加速了训练自己的那个模型有实测数据RSI 阶段 3 → AI4S

Gemini 驱动的进化式编程智能体,找到的优化反过来加速了训练 Gemini 本身——阶段 3 最早的硬证据之一。

AI Scientist 登上《自然》:全自动写出的论文通过同行评审有实测数据RSI 阶段 3 → AI4S

Sakana 的系统从想法到写论文全自动完成,一篇通过了顶会工作坊首轮评审——但只是工作坊,接收率约 70%。