編輯 | 心悅

今年以來，以 OpenClaw 為代表的「助手型」智能體引爆了科技圈。這類智能體已不再局限于簡單的對話交互，而是進化為能夠理解復雜指令、自主調用工具、檢索信息并執行任務的「AI 同事」。「人人皆有賈維斯」的科幻愿景正加速照進現實。

在科學智能領域，對「AI 同事」的要求遠不止于簡單的任務調度。面向嚴謹的科學探索，我們需要的是一個擁有系統級專業能力的科研智能體 —— 它能夠深度融入科研流程，承擔起文獻挖掘、實驗設計、方案優化乃至自動化執行等一系列高強度、高精度的「苦活」，讓科學家將更多精力聚焦于創造性思考和科學品味，在人機協同之下探索更前沿的研究方向。

最近，上海科學智能研究院（下稱上智院）聯合復旦大學、無限光年宣布全面升級星河啟智科學智能開放平臺，其核心載體「超級科研合伙人」——「大圣」閃亮登場。

「大圣」是一個融合多模態基礎模型、長周期多線程的群體記憶、專家級科學 Skills、自驅動實驗室與安全可信方案的系統級科研智能體。這個高能動性智能體正面向真實科研場景不斷進化，推動科研范式變革。

科學始于假設，成于驗證。這意味著任何科學模型的預測都要接受真實實驗的檢驗 —— 物理世界是科學假設的唯一終極裁判。作為「超級科研合伙人」，僅有模型工具的調度能力是遠遠不夠的，科研的價值最終要落在物理世界的反饋。

為此，上智院深度定制了物理設施，致力于讓「大圣」通過自驅動實驗室「上天入體」，實現與物理世界的全面鏈接。

具體來說，生命實驗室負責「入體」層面，為「大圣」打造了干濕一體的智能化閉環體系，推動包括藥物設計在內的生物醫藥研究邁入全新的自進化階段；天算實驗室負責「上天」層面，構建了星地協同的實時計算和物理鏈接能力，致力于在軌完成數據解析與氣象實時推理。

干濕閉環 —— 在生命世界「動手」

2024 年，上智院生命科學團隊與復旦大學生命科學學院合作開展了核酸適配體研發項目。項目初期，基于上智院自研的女媧模型，適配體的「干計算」設計順利完成。

但很快，新的問題出現了：AI 模型可以在短短數小時內便高效設計出上千條核酸序列，但這些預測結果存在良莠不齊的可能，需要通過濕實驗驗證甄別；而實驗端的每一次驗證，一方面需要數天甚至數周時間，導致大量候選序列在驗證環節積壓排隊；另一方面，依賴人工的實驗環節由于不同實驗人員、不同批次導致的結果難以穩定復現，進一步加劇了驗證的困難……

這也是當前科學智能面臨的典型瓶頸：計算與驗證之間存在顯著的「效率錯配」——AI 計算以近乎「光速」的效率源源不斷地輸出海量設計，而傳統濕實驗卻停留在「龜速」般的驗證節奏上。這種生成速度與反饋周期之間的巨大反差，導致 AI 模型陷入「空轉」困境：模型在云端高速運轉，卻無法及時獲得真實數據的校驗與修正。研發鏈條在「設計」與「驗證」的接口處形成嚴重阻塞，空有高速計算能力，卻難以轉化為實質性的創新加速。

研究團隊發現，這種困境源于干實驗與濕實驗很大程度上處于「各自為戰」的割裂狀態，未能形成閉環。如果可以大幅提升濕實驗運行速度與結果的穩定性，再將實驗所得真值數據反哺給模型，用以微調來提升其預測能力，那么原本被「算得快、驗得慢」所禁錮的研發閉環便能真正轉動起來。

為此，上智院聯合行業伙伴建設了全球首個自驅動的生命實驗室，專為核酸藥的智能化研發服務。該實驗室將人工實驗升級為智能化實驗，用機器的「并行」執行替代傳統人工的「串行」操作，支持 7×24 小時無人值守的高通量運行。其中，機械臂能以 0.1 微升的精度執行加樣，可實現 96 例樣本在同一時間完成稀釋、混合、轉染等步驟，徹底消除了人工操作的時間差誤差，保證濕實驗具備極高的標準化與一致性。

在智能化實驗的基礎上，生命實驗室還搭載了AI 大腦 —— 自驅動的智能體實驗集群，由規劃、執行、監控、分析等多個智能體組成中樞系統。其中，「AI 費米」智能體負責智能調度，該智能體能夠理解干實驗上下文，自動提取并生成最優轉染方案，將其直接編譯為可供自動化島臺執行的機器代碼，無需人工設計固定腳本，即可實現實驗方案的個性化、科學化。

在此基礎上，「大圣」打造出「執行 — 反饋 — 優化」的敏捷迭代機制，該機制具體包含三個核心階段：

首先是計算排序。在云端的虛擬世界中，女媧等預測模型對數千個乃至上萬個候選序列進行高通量計算，并根據預測活性等指標對序列進行排序，挑出最具潛力的「種子選手」。

其次是驗證測試。自動化物理實驗室將無縫接管后續流程，僅對排名最高的少量序列（約 200 條）進行高保真、高通量的合成與濕實驗驗證。機械臂以 0.1 微升的精度執行加樣、轉染、培養、檢測等步驟，在真實物理世界中檢驗序列的基因敲低（Gene knockdown）能力。

值得注意的是，實驗過程進行了全流程的數據追溯。每一個樣本都被賦予唯一的「sample ID」，這個標簽將貫穿實驗的始終。樣本經歷了哪些處理步驟；加了多少樣品；細胞的培養溫度是多少；培養了多長時間…… 所有這些過程數據，都被完整地記錄。

最后是微調更新。實驗測得的真實數據將實時同步回云端，通過強化學習重新微調現有模型。尤為重要的是，不僅陽性結果被記錄，陰性結果同樣被完整保留。而這些曾被傳統實驗模式忽視的「失敗數據」，恰恰為模型提供了「什么是對的」與「什么是錯的」的雙重標尺。借助這種強化學習思路，模型得以在軟件與硬件構成的閉環中持續迭代，在下一輪設計中更精準地規避錯誤路徑，加速收斂至最優解。

如上智院生命科學方向 AI 科學家郭昕所說：「AI 模型很有可能會輸出幻覺，我們非常需要來自真實世界的反饋，以糾正模型，尤其是那些錯誤樣本（負反饋）。」隨著實驗的不斷開展，科研數據的持續積累，模型的學習能力與設計能力將不斷提升。

如此，當科研人員有了靈感，只需將研究設想告知「大圣」，「大圣」便會自動調度這一整套機制。上智院星河啟智高級產品專家楊真奇表示：「我們希望引入「「大圣」」去調度多智能體系統，并通過自驅動實驗室實現自主化、標準化、高通量的實驗驗證，最終讓 AI 真正加速科研發現。」

這套干濕閉環體系很快在小干擾核酸（siRNA）藥物研發上取得了成效。例如，針對 AGT 靶點的 siRNA 藥物設計，「大圣」可以迅速分析出 AGT 靶點的核心信息，并根據設計需求調度女媧大模型生成了對應的 siRNA 序列；在實驗驗證環節，「大圣」快速完成了針對 H7 細胞系的實驗 Protocol 設計，并調度「AI 費米」完成實驗操作。

濕實驗完成后，實驗數據被同步回云端，以優化模型，使其能夠在高維設計空間中，設計出更優質的 siRNA 序列。

從應用效果看，這一閉環的敏捷迭代體系，助力 siRNA 藥物研發在多個靶點中都實現了超過 50% 的有效序列比例提升。

同時，通過用自動化實驗室替代人工實驗，整體實驗人效提升了 3-4 倍，實驗結果的穩定性也大大提升。例如，在 qPCR、細胞裂解和轉染等耗時步驟中，傳統模式需要 2 人高強度工作才能完成 3 塊 96 孔板 / 天，而現在僅需 1 人監控機器即可完成 6 塊 96 孔板 / 天。

星地協同 —— 在太空跑通端到端大模型

在與物理世界的鏈接中，有一種鏈接是向上延伸、直抵蒼穹。

隨著人工智能技術的爆發式發展，電力短缺已成為制約算力擴張的關鍵瓶頸。為此，科技巨頭開始將目光投向太空，尋求算力的新邊疆。例如，SpaceX 正在規劃一套被稱為「軌道數據中心系統」的衛星網絡，擬在近地軌道部署最多 100 萬顆衛星，搭建太空數據中心，為 AI 模型供算力。多家創業公司迅速跟進，將數據中心送入太空的構想迅速引爆商業航天領域。

在這一前沿探索中，上智院進一步聚焦于科學智能與太空計算的深度融合，并率先在氣象預報領域找到了關鍵的應用場景。

2023 年起，上智院聯合復旦大學開展伏羲氣象大模型的開發研究。項目早期采用 Cascade 技術，在歐洲中期天氣預報中心（ECMWF）包含 DeepMind GraphCast、英偉達 FourCastNet 等模型的業務評測中綜合精度領先。以此為起點，「伏羲」團隊陸續取得了一系列研究成果，包括在預報時間尺度上不斷突破：從短臨預報（0-24 小時），到中期預報（0-10 天），再到次季節預報（30-40 天）乃至更長的季節尺度，逐步構建起覆蓋全時間維度的預報能力。

去年，「伏羲」又迎來了一項里程碑式突破 —— 研發出端到端預報模型。此前發布的 AI 模型均基于數值預報系統產生的「分析場」這一中間產物進行訓練和推理，而端到端模型徹底打破了這一依賴：它可以直接輸入原始觀測數據 —— 包括氣象探空氣球、雨量計、海上浮標、衛星遙感數據。這意味著，伏羲氣象大模型能夠獨立于傳統數值預報系統運行，直接從真實的地球觀測出發，自主生成天氣預報結果。

然而，研究團隊意識到，僅靠模型層面的迭代已不足以實現質的飛躍。從數據層面看，傳統數值預報對公共觀測數據的利用率僅為 10%-20%，而伏羲氣象大模型可以將利用率提升至接近 100%。但公共數據有其上限，要想實現更精準、更及時的氣象預報，尤其是針對極端天氣、短臨預警、自然災害等場景，伏羲項目需要擁有自主的、為專門場景定制的物理觀測數據源。

因此，上智院提出建設天算實驗室，搭建全球首個專為氣象大模型定制的 AI 觀測星座 —— 伏羲氣象衛星星座，構建星地協同的物理鏈接能力。同時，他們還計劃把 AI 模型送入太空，部署到數據產生端，即衛星之上。

天算實驗室的運行邏輯圍繞觀測層、傳輸層與計算層三個層級展開：

• 在觀測層，實驗室采用雷達載荷作為核心觀測源，以精準捕捉降水信息，補充現有對地觀測系統的短板；
• 在傳輸層，依托衛星星網星座，實現全球觀測數據的實時匯總；
• 在計算層，在星上部署人工智能服務器與端到端大模型，通過星載計算機完成實時計算。

伏羲氣象衛星星座將不僅是數據觀測平臺，更是搭載著 AI 模型的智能計算節點：衛星在采集地球觀測數據的同時，能夠直接在軌運行伏羲大模型，完成數據處理與天氣預報的實時推理。從數據獲取到預報產出，全鏈路在太空中閉環，實現「數據在哪里產生，計算就在哪里完成」的范式突破。

目前，上智院已與復旦大學、之江實驗室完成「空地數據互聯 - 伏羲模型上天 - 星上計算」閉環鏈路驗證，并在軌運行一個月，接下來計劃與業界伙伴合作共建 AI 氣象星座。

上智院地球科學 AI 科學家孫修宇表示：「我們的最終目標，是構建基于衛星星座的『觀測 - 計算 - AI』一體化系統，因此，下一階段的核心工作是發射更多衛星，組建衛星星座，完成天算實驗室的全鏈路驗證。同時，這一體系將對現有地球觀測系統形成有效補充，讓伏羲模型能夠為全球提供更低時效、更準確的天氣預報服務。」

科學智能新布局

無論是生命實驗室實現干濕閉環，還是天算實驗室構建星地協同，其背后的邏輯一脈相承 —— 物理世界，是檢驗科學智能的唯一試金石，是科學智能不可或缺的核心。

「在科學智能底層，我們始終堅持兩個核心理念：一是獲取物理世界的真實數據，二是接受物理世界的終極驗證」，郭昕說道。

這呼應著一個更大的時代命題：科學智能正在成為全球共識。

從工業革命的蒸汽與電力，到硅基革命帶來的計算機與互聯網，每一次生產力的躍升，都源自科學理論的突破。但過去數十年中，基礎科學的突破肉眼可見地放緩。科學智能，正是對這一時代困局的回應。它試圖將 AI 視為激活科學發現的新工具，用這個時代最強大的技術，去推動科學本身的前進。

然而，當前科學智能的實踐模式，大多是「AI 團隊」與「科學團隊」的淺層合作 ——AI 公司提供模型工具，科學家拿來使用；AI 不懂科學問題，科學家不懂模型優化，虛擬計算與物理世界處于相對割裂的狀態，難以深入科學發現的底層邏輯。

在這一全球浪潮中，上智院找到了自己獨特的生態位。其特殊優勢在于匯聚了兩支團隊：一支是科學發現團隊 —— 在生命科學、地球科學、物質科學等領域深耕的研究者；另一支則是頂尖的 AI 算法與工程團隊。更重要的是，這兩支團隊不是「合作」關系，而是「融合」關系。在上智院，科學家與 AI 專家、工程師一起，共同定義問題、共同迭代模型、共同解讀結果。這種深度融合，讓其能夠為科學發現量身打造「大圣」—— 一位懂科學的「超級科研合伙人」。

當「大圣」在地球表面調度生命實驗室的機械臂協同作業，又通過天算實驗室在太空中實時處理觀測數據，我們看到的不僅是技術的突破，更是一種全新科研范式的誕生 ——AI 的生成能力與真實的物理反饋深度耦合，科學家得以從重復勞動中解放出來，將智慧傾注于更具創造性的探索。

這也是一種極具前瞻性的科學智能新布局：以物理世界為錨點，讓 AI 不再局限于虛擬推演，而是深度耦合真實數據與實驗驗證；以智能體為橋梁，打通從干實驗設計到濕實驗執行的完整閉環，實現模型的自主迭代與進化。我們期待，在不遠的將來，科學智能將推動人類文明駛向下一個生產力躍升的星辰大海。