上海AI Lab重磅综述：AI实现自主科学发现时代已经到来

作者丨论文团队

编辑丨ScienceAI

在传统印象中，科学发现是一条漫长而艰辛的道路，需要科学家投入毕生心血：检索浩如烟海的文献、设计千百次的实验、进行复杂枯燥的数据分析……如今，AI 正在实现自主科学发现，Agentic Science（Agent for Science）已经到来。

近日，上海人工智能实验室联合国内外多所顶尖高校与研究机构，发布重磅综述《A Survey on Autonomous Scientific Discovery》，系统阐述 AI 从“工具”进化为“科学发现智能体”的路径，并为 AI 实现自主科学发现和 Agentic Science 阶段构建了统一的研究框架和理论基础。该综述背后的技术平台——Intern-Discovery（书生·科学发现平台）也已正式上线，标志着科学研究进入一个由 AI 主动驱动的新纪元。

• 论文链接：https://arxiv.org/abs/2508.14111

• 项目主页：https://agenticscience.github.io/

• github主页：https://github.com/AgenticScience/Awesome-Agent-Scientists

综述将AI在AI for Science研究中的角色演进描绘为四个阶段：

Level 1: AI 是“计算工具”

• 这个阶段的 AI 像一个超级计算器或专业软件（例如预测蛋白质结构的 AlphaFold）。人类科学家提出一个定义明确的具体问题，它给出精准答案，但没有自己的思想，完全依赖人类预先定义的规则。

Level 2: AI 是“自动化科研助理”

• AI 开始能自主执行一小段预设的研究流程，比如自动运行一系列实验或完成标准化的数据分析。它像一个能干的助理，接到了“分析这批数据”的任务后，能独立完成，但仍需人类科学家指明大的研究方向。

Level 3: AI 是“自主科研合伙人”

• 在这个阶段，AI 能够独立完成从观察、提出假说、设计实验、分析结果到修正理论的全过程。它不再是助理，而是可以与人类科学家平起平坐的“合伙人”，能够主动发起研究，共同探索未知。

Level 4: AI 是“生成式架构师”

• 这是对未来的终极展望。AI 不仅在现有科学框架内探索，更能创造全新的科学范式、实验方法甚至理论体系。它将成为一个敢于挑战现有规则、发现不同学科间深层联系、开辟全新领域的智慧体。

什么是 Agentic Science？科研智能体来了！

Agentic Science（Agent for Science）是 AI for Science 的关键进化阶段。它标志着AI从单纯的科研工具，跃升为具备“科学发现”能力的自主研究伙伴。

为了系统性地理解 Agentic Science，文章首次提出了一个清晰的研究框架。

基础层：五大基础能力

这是 AI 科学家的“基本功”，包括：规划与推理、工具使用、记忆机制、多智能体协作和自我进化。它们是 Agent 进行思考和行动的认知内核。

流程层：四大核心流程

这是 AI 科学家遵循的“科学方法论”，由提出假说、执行实验、分析数据、验证与演进四个阶段交替执行、动态循环，形成科研闭环。

应用层：自主科学发现

这是最终目标。通过底层的能力和中层的流程，AI 科学家最终在生命科学、化学、材料、物理等前沿领域实现自主的科学发现。

“AI 科学家”的内核：揭秘五项核心超能力

报告总结了科学智能体必备的五大核心能力，这些能力让 AI 能像人类科学家一样，灵活应对复杂问题。

• 规划与推理能力： 它能将“研发新药”等宏大目标，自主分解为文献调研、靶点筛选、分子设计等清晰、可执行的步骤。

• 工具使用能力： 它能熟练调用数据库、模拟软件，甚至直接操作实验室机器人，“动手”做实验。

• 记忆机制： 它能从过去的成功与失败中学习，积累知识和经验，形成自己的“研究直觉”。

• 多智能体协作： 它能组建“AI 科研梦之队”，让不同 AI 智能体分工协作，解决单个智能体无法应对的复杂问题。

• 优化与进化： 它能自我反思和批判，发现计划中的漏洞，然后主动学习、迭代优化，在探索中变得更聪明。    

AI科学家的核心工作流：动态交替执行形成自主科学发现闭环

“智能体科学”并非杂乱无章的尝试，而是遵循着一个交叉执行、动态的工作流程：

• 观察与假说生成

• 实验规划与执行

• 数据与结果分析

• 综合、验证与进化

通过四个关键步骤的交替、动态执行形成的科研闭环，极大地加速了科学发现的进程。

作者以生命科学、化学、材料科学和物理学四大自然科学领域为对象，详尽回顾了智能体科学发现的最新进展，横跨蛋白质工程、药物发现、有机合成、材料设计、天体物理等十余个子领域。

例如：

• 癌症靶点发现： 虚拟疾病生物学家 OriGene，通过整合遗传学、药理学和临床记录等多模态数据，提名并验证了两个先前未被充分探索的肝癌（GPR160）和结直肠癌（ARG2）的治疗靶点，并在患者来源的类器官模型中显示出显著的抗肿瘤活性。

• 自动化化学合成： 名为 Coscientist 的 AI 智能体，在没有人类干预的情况下，自主查阅文献、编写代码，并成功操作实验室机器人，完成了一种在药物和材料合成中至关重要的化学反应（钯催化交叉偶联反应）。

尽管 Agentic Science 进展迅速，作者强调仍需解决诸多难题，包括科学发现的可复现性与可靠性、创新性成果的验证、科学推理过程的透明性，以及伦理和社会影响等。团队还展望了未来方向，如实现真正的自主发明和跨学科大规模协作。

自主科学发现的浪潮已经到来，它预示着一个由人类智慧与机器智能共同驱动的科学发现新纪元。这不仅仅是一次工具的革新，更是一场深刻的思想和方法论的革命。它将加速知识的创造，拓展我们探索宇宙的边界。

本综述为 Agentic Science 领域建立了系统性的理论和方法基础，有助于推动 AI 系统与人类科学家协同进化，加速科学创新的步伐。其综合框架和领域案例，为后续学者和开发者提供了重要参考。