當(dāng)OpenClaw不僅能幫你預(yù)訂機票、撰寫郵件，還開始參與科研實驗時，這究竟意味著什么？

3月4日，在香港科技大學(xué)上海中心舉辦的“AI for Discovery：從范式革命到產(chǎn)業(yè)重構(gòu)”學(xué)術(shù)峰會上，復(fù)旦大學(xué)浩清特聘教授、上海科學(xué)智能研究院院長漆遠在演講中指出，隨著OpenClaw智能體的出現(xiàn)，擁有高能動性和自主學(xué)習(xí)能力的AI Agent正推動科研領(lǐng)域邁向新的臨界點。

復(fù)旦大學(xué)浩清特聘教授、上海科學(xué)智能研究院院長漆遠發(fā)表主題演講。澎湃新聞記者 喻琰 攝

在此次學(xué)術(shù)峰會上，參會人員普遍認為，人工智能正從科研流程里的輔助工具，逐步轉(zhuǎn)變?yōu)槟軈⑴c推理決策和實驗閉環(huán)的“科研合伙人”，Agent掀起了一場AI從過去被動記錄到主動推理的科研范式革命。

在漆遠看來，OpenClaw的走紅首先體現(xiàn)了基礎(chǔ)模型能力的提升，“要是沒有大模型底層能力的不斷突破，OpenClaw這類智能體就無法達到當(dāng)前的效果”；其次，OpenClaw代表著智能體架構(gòu)具有高能動性和強執(zhí)行力，“智能體架構(gòu)本身并不復(fù)雜，卻能帶來顯著的能力提升，慢慢成為類似‘外腦’的個人助手”；另外，OpenClaw還表明智能體具備長期記憶和持續(xù)學(xué)習(xí)能力，能夠在不斷自我迭代中發(fā)展。

漆遠覺得，當(dāng)AI Agent不僅能處理日常事務(wù)，還開始參與實驗設(shè)計和科研流程時，科研體系或許會發(fā)生深層次的變化，“科學(xué)探索需要有高能動性的智能體，科學(xué)數(shù)據(jù)、專業(yè)知識越來越繁雜，科學(xué)家需要最強大的外腦，來輔助他們進行創(chuàng)造、完成規(guī)劃和執(zhí)行任務(wù)。”

據(jù)漆遠介紹，由上?？茖W(xué)智能研究院（以下簡稱“上智院”）和復(fù)旦大學(xué)共同發(fā)布的“超級科研合伙人”大圣智能體，憑借96%的RNA分類與設(shè)計準(zhǔn)確率，在siRNA設(shè)計中把實驗成功率提高了50%以上，還助力了轉(zhuǎn)化價值2000萬元的新型補鋰劑研發(fā)以及潛在價值5億美元的FIC類藥物發(fā)現(xiàn)，實現(xiàn)了科研成果的高效產(chǎn)業(yè)化。

實際上，一批面向科學(xué)研究的智能體正在迅速推出。

在此次峰會上，中國工程院外籍院士、香港科技大學(xué)首席副校長郭毅可透露，香港科大正在推進“AI for Lab”計劃，開發(fā)實驗室智能體AINA（AI Native Arena），其核心功能是能夠?qū)崿F(xiàn)自主優(yōu)化、主動探索、智能協(xié)作和知識進化。在這套工作流程里，人主要負責(zé)授權(quán)和決策，智能體則可以7×24小時自主運行開展實驗。

中國工程院外籍院士、香港科技大學(xué)首席副校長郭毅可。來源：香港科技大學(xué)

郭毅可提出了一個分階段的科研生態(tài)愿景：第一階段實現(xiàn)個體實驗室的Agent化，第二階段形成跨團隊的Agent協(xié)作網(wǎng)絡(luò)，第三階段構(gòu)建全球科研主動推理生態(tài)，讓知識持續(xù)進化、認知價值最大化。

倫敦大學(xué)學(xué)院計算機科學(xué)系教授汪軍介紹，他們針對科研需求推出了可以在線持續(xù)學(xué)習(xí)的智能體，該智能體能夠根據(jù)科研人員的問題自主在網(wǎng)上查找資料，并且可以自行泛化、持續(xù)進化。

在汪軍看來，AI與Science的重要結(jié)合點在于：很多科學(xué)問題本質(zhì)上是優(yōu)化和決策問題，AI的優(yōu)勢在于擁有更大的搜索空間、更快的結(jié)果反饋、可并行推理、能自動調(diào)用強化學(xué)習(xí)策略，而且在長時間運行中能保持穩(wěn)定輸出。比如他所在的團隊與合肥中科大合作的“AI化學(xué)家”項目，已經(jīng)構(gòu)建了一套多智能體協(xié)作系統(tǒng)，將貝葉斯優(yōu)化、強化學(xué)習(xí)等方法嵌入硬件實驗設(shè)備，目前第一階段已經(jīng)順利完成；該系統(tǒng)能夠在高維參數(shù)空間中自主搜索最優(yōu)解，實現(xiàn)從實驗設(shè)計、執(zhí)行、分析到優(yōu)化的閉環(huán)流程，并且全程不需要人工干預(yù)。

不過，參會專家也坦言，當(dāng)前AI for Science的發(fā)展還處于起步階段，有很多瓶頸需要突破，這些瓶頸是制約其規(guī)?；涞氐年P(guān)鍵因素。漆遠認為，科研智能體還需要解決一系列特殊問題，像科學(xué)數(shù)據(jù)的高保真輸入與輸出、多模態(tài)科學(xué)數(shù)據(jù)對齊以及科學(xué)詞元（Token）生成等，以此減少信息損失并降低模型幻覺。汪軍則表示，和大模型能快速反饋不同，在化學(xué)實驗等科研場景中，Agent的反饋往往更慢、成本更高。在這種情況下，如何實現(xiàn)有效優(yōu)化與閉環(huán)，是必須跨越的門檻。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com