AI自主科研智能体走向台前，原创能力仍待人类核验
OpenAI近期公开七百余篇由内部AI模型生成的数学研究手稿，涉及数百组相关成果，称对一批开放问题给出解答或取得进展，部分结果附有可供计算机核验的形式化证明。这些成果的正确性、新颖性与学术价值尚待评估，但已表明AI参与科研不再停留于检索资料层面。2026年世界科技与发展论坛发布的十大科学前瞻中，“面向原创科学发现的自主科研智能体”位列其中。
自主科研智能体是围绕科研场景打造的智能体。科学家给出研究方向、资源和约束后，它能在设定范围内规划研究步骤、调用科研工具，并依据证明检查、实验观测或计算结果等反馈调整后续计划。北京工业大学教授、中国人工智能学会理事于乃功表示，这里的“自主”指在限定目标和条件下推进任务，关键结论仍需独立验证与专业评估。其功能可归纳为三点：接入文献数据库、仿真软件、论证系统乃至实验设备等专业工具；记录研究状态并持续调整思路；结论必须接受数据论证和物理实验检验。
它与豆包、DeepSeek、ChatGPT等通用助手的区别，不在于产品名称。于乃功认为，大模型本身就是科研智能体的核心组成，通用助手也已具备工具调用和多步骤任务分解能力。区别在于系统能否围绕明确科研目标持续调用专业工具，并依据可检验证据自主调整研究计划，最终表现取决于工具配置、验证机制与研究流程的组织方式。
针对“大模型基于已有数据推理，能否产出原创成果”的疑问，原文给出的判断标准是新颖性、可靠性和科学价值。人类科学家同样基于已有理论、经验与工具思考，依靠已有知识学习与产生新成果并不矛盾。谷歌DeepMind的FunSearch相关研究发表在《自然》上，其思路是让大语言模型不断写出候选程序，再由自动评估器判断优劣，留下好的继续改进。研究者用它处理极值组合学中的帽集问题，找到超过已知最佳的新构造，并改进了特定条件下的装箱算法。国内中科大团队的ChemAgents机器人科学家项目、浙江大学的“求是引擎”，也在化学、光学等领域做出初步尝试。于乃功强调，关于这批数学研究手稿的报道是否准确，仍要经过人类专家进一步验证。
大模型出现后，科研中的不少工作AI已能承担，当下研究正卡在三个瓶颈上。其一是知识增长超出个人阅读与整合能力，学科交叉变广，关键线索散落在论文、数据库和实验记录中；其二是可探索方案数量巨大，人力逐一验证难以承受，智能体可先筛掉不合理方案；其三是工具衔接费时，查资料、写程序、配置算法、整理数据等占用大量时间，智能体可自动串联。于乃功认为，更深一层的目标是增加人类科学家有效探索的路径，让有限实验资源投向更有价值的方向。
从文献调研、假设形成、实验与计算设计，到执行分析、结论表达，智能体均可发挥作用。在研究起步阶段，它能搜集资料、梳理争议、关联跨学科线索，协助分解问题；但有无遗漏关键文献、有无误读原文，需人来核验，问题是否重要、假设是否有新意，也要科学家判断。在实验设计与分析环节，AI可比较方案、安排参数、编程仿真、调度设备并分析海量数据；人需检查对照是否充分、资源条件是否合理、数据质量与统计方法是否可靠。到了结论阶段，AI能汇总证据、检查论证、撰写报告，人则要判断证据是否支持结论、有无过度推断。这意味着每个环节都离不开人的检验，且检验者门槛不低。于乃功表示，AI能做的科研工作越多，监督它的科学家水平就越高。衡量智能体效率也不能只算节省的时间，计算费用、实验成本、人工核验与认证都应计入。
当前，数据与工具易获得、结论易验证、验证周期短的任务最有条件扩大应用。已有应用的领域包括数学和计算机科学；化学、材料与能源方面的催化剂、电池材料、晶体结构、合成条件优化；生物医药方面的多组学分析、蛋白质设计、药物再利用；物理、光学、天文及地球与环境科学也在进入。于乃功从事机器人研究，他认为实验室自动化和科研机器人最有可能突破，系统辨识与实验设计、控制器参数整定、机器人运动与操作策略、工业过程控制以及控制理论中先进方法的发现，都有可能用上科研智能体。
国内已形成多条研究路线。机器人实验方面，中国科学技术大学团队主攻机器人化学家，方向为材料和催化剂。2025年3月，中国科学院发布中科大研发的多智能体驱动AI化学家ChemAgents，使其在较少人工干预下进行多步骤实验，完成催化剂优化、筛选和发现；2026年4月，中科大发布“灵境造物”智能科研工具，整合科学模型、科研机器人、自动计算、自动实验和技能库，支持从文献阅读、方案设计到实验验证与优化的流程。浙江大学“求是引擎”主攻长程自主科研，已在真实光学实验中尝试。数学证明方面，中科院数学与系统科学研究院等机构今年2月联合发布面向形式化数学的通用智能体推理系统Numina-Lean-Agent；近期团队主要依托Project Numina的人机交互平台Fuse，与南开大学、字节跳动Seed团队的形式化成果衔接，完成三维挂谷猜想完整证明的形式化工作，AI协助将已有复杂证明转化为计算机可逐步检查的形式。通用科研工作流与工具平台方面，上海交通大学、上海算法创新院与深势科技联合发布智能体SciMaster和科学基座模型Innovator；中科院深圳先进技术研究院的MatBrain和MARS智能体专注材料推理结构形成及科学工具执行；中科院自动化所牵头的联合团队发布ScienceOne和磐石科学基础大模型。
从近期进展看，自主科研智能体或将给科学研究带来提速，但人类需要更审慎地检验其给出的每一个假设和结果。科学家或许不再需要亲自完成每一次计算和试验，但需要更敏锐地判断什么值得研究、什么证据能支持假设、哪些推理过程值得怀疑。
常见问题
自主科研智能体和豆包、DeepSeek 有什么不同？
区别不能简单按产品名称来划分。常用大模型本身就是科研智能体的核心组成部分，当前的通用助手也已经具备工具调用和多步骤任务分解的能力；真正的差别在于，系统能否围绕明确的科研目标持续调用专业工具，并依据可检验的证据自主调整研究计划。
自主科研智能体是专门围绕科学研究领域打造的智能体。科学家给出研究方向、资源和约束后，它能在设定范围内规划研究步骤、调用文献数据库、仿真软件、论证系统乃至实验设备等科研工具，并依据证明检查、实验观测或计算结果的反馈调整后续计划。这里的“自主”指在限定目标和条件下自主推进任务，关键结论仍需适当的独立验证和专业评估。
AI 凭什么能做出“原创”成果？
关键要先看科研里的“原创”指什么。评价一项原创成果通常考察新颖性、可靠性和科学价值，而原创并不是凭空生成一个与过往研究毫无关联的假设；人类科学家同样基于已有的理论、经验和工具思考，所以依靠已有知识学习和产生新成果并不矛盾。
谷歌 DeepMind 的 FunSearch 是一个例子，相关研究发表在《自然》上：它让大语言模型不断写出候选程序，再由自动评估器判断程序好坏，留下好的继续改进，搜索的是“如何得到答案的程序”。研究者用它处理极值组合学中的帽集问题，找到了超过已知最佳的新构造，还改进了特定条件下的装箱算法。国内中科大团队的 ChemAgents 和浙江大学的“求是引擎”，也在化学、光学等领域做出了初步尝试。
AI 参与科研后，还需要科学家吗？
需要，而且人的重要性反而愈发凸显。从文献调研到结论表达，每个环节都离不开人的检验：智能体有没有遗漏关键文献、有没有误读原文，要人来核验；它提出的问题是否重要、假设是否有新意，也要科学家判断；实验对照是否充分、数据质量是否准确、程序有没有编对、统计方法是否合理，同样要检查；到了结论阶段，还要看证据是否真的支持结论、有没有过度推断。
而且检验者的门槛不低。原文指出，最好由具有相当专业水平的人来把关，不太了解这个行业的人未必能到位；如果 AI 给出的是新方法、新结论，就更需要多位同行一起评估。换句话说，AI 能做的科研工作越多，监督它的科学家水平就越高。