金磊 发自 上海
量子位 | 公众号 QbitAI

搞科研，现在也能用龙虾（OpenClaw）的方式打开了！

例如我们向学术版龙虾提一个真实且专业的科研问题：

我正在研究心肌病的基因调控网络。目前在单细胞转录组学数据分析中，有哪些方法可以用来预测细胞状态的转变？

视频地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

可以看到，学术版龙虾先是根据这个问题，从5亿篇文献中精准定位与问题高度相关的研究，找到了MIT和哈佛联合发布的Geneformer。

但我们肯定是需要更高的精准度和更优的架构，这时候，学术版龙虾就会继续自主执行：

14个智能体同时并行，提出方案、评估、优化代码，迭代11轮，最终将性能提升了11%以上！

要知道，这要放以前，一个研究生要做完这些工作可是要花上起码半个月的时间。

嗯，科学探索领域的人们，终于是品尝到了“龙虾肉”的高能动性。

那么这个学术版龙虾到底是何许AI是也？

不卖关子，它正是由上海科学智能研究院（上智院）联合复旦大学最新发布的超级科研合伙人——大圣。

是一个系统级的、面向科学探索的高能动性智能体，致力于持续推动科研范式变革。

刚才的案例便是由上智院院长、复旦大学特聘教授、无限光年创始人漆远亲自展示的真实场景。

而之所以取这个名字，背后的原因很简单：

天下苦科研久矣。很多科研人员都自嘲是苦行僧，搞科研就像经历九九八十一难，大圣就像保护唐僧一样，护送科学家攻克科研难题。

但毕竟科研完全不同于点外卖、发邮件。

它需要理解RNA序列、分子结构、气象场数据；需要并行探索多条路径，容忍失败，沉淀非共识；更需要安全可信，不能帮倒忙，更不能泄露数据。

那么大圣到底能否做到呢？我们继续往下看。

学术版OpenClaw，上天入体的那种

刚才演示的“研究心肌病的基因调控网络”，其实只是大圣能力的冰山一角。

纵观整场发布会之后，我们不难发现，大圣真的如其名，是已经做到了“上天入体”的那种。

生命科学：实现了干湿闭环

对于生命科学领域的研发而言，很大的痛点之一便是干湿分离。

计算机里算出来的模型（干实验），在现实世界的生物实验室（湿实验）里往往面临验证困难、人工低效的难题，导致大量的时间和资金被浪费在无效的实验试错上。

但在现场，上智院的生命科学方向AI科学家郭昕便向大圣发出了这样的三连问：

AGT靶点的机制是什么？请帮我设计20条siRNA序列，可以从文献中总结一些规律。用Huh7细胞系设计实验。

视频地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

AGT是治疗原发性高血压的明星靶点，而siRNA药物设计则需要极高的精准度与高效的实验验证。

大圣不仅迅速回答了靶点机制，还基于文献总结了GC含量等关键规律，生成了序列。

随后，郭昕点击了AI费米卡片，系统直接联动了自驱动的生命实验室。

视频地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

现场连线中，实验室工程师确认设备自检完成，机械臂开始舞动。高通量多智能体正在进行细胞感染的核心实验动作，脂质体介导的转染操作在16分钟内完成了96个样本。

相较于传统手工实验，效率提升了3到4倍。更重要的是，实验数据自动回传，形成“设计-执行-反馈-优化”的干湿闭环，大幅提升了siRNA设计的成功率。

基座模型：多模态理解的突破

数据的模态复杂性，同样也是AI面临的一大挑战。

上智院共性技术部主任研究员谭志羽，在现场则是展示了大圣在处理RNA结构数据时的能力。

他先是输入了一张RNA模态的二级结构数据，并结合自然语言指令：

How would you categorize this RNA contact map in terms of RNA families?

模型不仅准确分类，还输出了细腻的细节帮助理解。

紧接着，谭志羽要求设计一个能识别并杀害癌变细胞的Toehold Switch RNA序列：

The first RNA is the trigger and the second is the linker. Design a high-performance toehold switch sequence.

大圣直接理解了这些多源科学条件，跳过了繁琐的文本转换，直接输出了可用于实验验证的高性能序列。

当需要更换Trigger重新设计时，模型在同一个上下文中完美继承了之前的 Linker 信息，实现了真正的多模态对齐与生成：

Use this as the new trigger and keep the same linker from the previous turn. Design a new toehold switch sequence.

地球科学：大圣也已经上天

除了像RNA这种层面的“入体”，大圣的触角甚至伸向了太空。

据了解，基于伏羲气象大模型的积累，上智院已与复旦大学、之江实验室完成了“空地数据互联—伏羲模型上天—星上计算”的闭环链路验证。

上智院地球科学方向AI科学家孙修宇介绍，想在天上进行科学计算有诸多挑战，传统的科学计算复杂度太高，无法部署在太空。上智院和复旦大学的联合研究团队使用伏羲大模型替代物理求解，并对它进行了轻量化改造，成功将其送上太空，让太空科学计算变成可能。

目前，该模型已在轨稳定运行一个月，完成了从地面数据上传到星上计算推理到核心数据回传的完整闭环链路验证。

下一步，团队计划发射更多卫星星座，补齐全球气象观测短板，提供更低时延、更准确的天气预报服务。

人文科学：还有苏格拉底式的思辨

除了硬科学，大圣在人文社科领域同样表现出色。

上智院研究员、格物致研联合创始人王雯莉演示了中华文化通识教育的案例。

视频地址：https://mp.weixin.qq.com/s/tysZhj1pWIEqEegVWQ7HtA

面对学生提出的问题，大圣不会丢出死板的百科定义，而是编排出一条高效的教学workflow，串联起一场苏格拉底式的深度思辨，旨在培养学生的独立思考能力。

涵盖生命健康、地球科学、物质科学、数学与计算、通识教育……这就是大圣的“七十二变”，一个真正意义上的全域科学智能体。

大圣炼成记：黄浦江畔的青年科学家们

大圣能在科研领域打造出这般 “龙虾式” 的高效玩法，背后是研发团队对底层 AI 架构的彻底重构，更是黄浦江畔一群青年科学家的智慧与心血凝聚。

去年7月在上海举办的世界人工智能大会上，上智院、复旦大学与无限光年共建的星河启智科学智能开放平台正式亮相。历经大半年的持续迭代，如今的星河启智已汇聚400余个科学模型，沉淀22PB级高价值数据与5亿篇文献专利资源，而大圣，正是这个平台全面升级后的重磅成果。

要理解大圣是如何炼成的，必须深入其不断进化的系统级专业能力，而每一项核心技术的突破，都对应着一位科研骨干的攻坚故事。

大圣的大脑：多模态科学基础模型

科学数据往往是人类不可读的模态，如RNA序列、分子结构、气象流场等。主流的科学大模型往往将这些数据转化为文本处理，但这会导致关键信息的丢失。

“我们需要一个真正的能够多个科学模态对齐的科学领域的基础模型。”谭志羽深知其中的痛点。

原本主攻通用视觉模型的他，加入上智院后，既肩负着共性技术团队的管理重任，更带头攻坚构建起神珍科学多模态基础模型，走出了科学大模型研发的第三条路。

不同于学科专用模型缺乏多科学模态信息融合，也不同于文本统一式模型造成科学信息失真，神珍模型实现了原生多科学模态输入与生成。

每一个科学模态都有专用科学领域的Tokenizer，生成原生高保真的Science Token。这意味着，模型输出的数据可以再次作为输入，具备自反思能力，从而实现长思考、长思考。

上智院一直深耕AI4S领域并沉淀了女娲、伏羲、燧人等垂直领域科学大模型的多个高质量科学Tokenizer，使得大圣在文本科学推理上达到业界SOTA水平，同时在RNA理解与生成上与专用模型持平。这是大圣能够理解科学语言的基石。

大圣的记忆：多分支群体记忆架构

有了大脑还不够，大圣且得需要一个稳定的群体记忆。

现有的智能体多为单线程记忆，容易在科研的多路径探索中发生记忆混乱，导致失败经验被丢弃，少数派观点被忽略。

“科研的过程是一个路径多、周期长的过程。”上智院数据平台工程高级工程师沈砾捷总结道。

并且他还发现，现有智能体的单线程记忆模式，在科研场景中极易出现记忆混乱：失败的经验被轻易丢弃，少数派的非共识观点被忽略，甚至会因记忆覆盖导致研究源头无法追溯。

因此，沈砾捷精准总结出了单体记忆的三大核心挑战：信息回溯依赖相似性而非正确性，迭代中记忆覆盖造成源头丢失，错误经验直接抛弃引发知识流失。

有着多年产业界工程研发经验的沈砾捷，将软件工程中Git版本管理的核心思想，创新性引入智能体记忆架构设计，为大圣打造出独有的多分支群体记忆方案。

这套架构以海量文献为基础，搭建起主体认知主干；当大圣启动多个分身并行探索科研路径时，每个分身都拥有独立的记忆分支与专属数据存储，实现了信息的有效隔离。

这种隔离带来了双向保护：既守住了主体认知的安全底线，也为非共识的少数派记忆分支，提供了自由探索的安全环境。

而无论是成功的经验还是失败的教训，经过专业审核后，都会回流至主体认知，并通过广播总线同步至整个记忆网络，让每一次探索都成为大圣的 “成长养分”。

目前，这套多分支群体记忆架构，已落地于上海市科学智能百团百项超宽禁带半导体研发项目，成功支撑起十余个专业智能体的有序协同，在实际科研场景中验证了其价值。

大圣的法器：场景验证Skills

有了能力和记忆，还需要靠谱的执行工具。

在人工智能行业，这被称为 Skills（技能包）。但科研领域的Skills不能仅是提示词工程，必须是经过真实场景验证的流程。

王雯莉拥有丰富的药物研发经验，她将自己主导10+药物管线的经验，提炼成一个个可复用的Skills。

她强调，大圣的Skills体系并非从概念出发，而是源自对真实科研任务的反复实践。

目前，这套体系已形成300余个可复用Skills，覆盖物质、生命、地球、人文社科四大学科群，20多个科研场景。

在新型补锂剂分子研发中，成果直接转化2000万元并获得数亿投资；在某难成药靶点药物研发中，潜在价值估计高达5亿美元。

除此之外，聚焦到王雯莉个人，作为上智院物质科学团队的核心骨干，她长期处于技术研发与产业落地的交汇点，在复杂真实场景中积累了丰富而成熟的实践经验。

如今作为上智院孵化企业“格物智研”的联合创始人，她正以科研普惠为使命，推动AI真正走进科研一线。由格物智研打造的AI科研验证基础设施平台即将于今年6月上线，让AI从工具升级为科学家的伙伴，成为科创探索者的"超级科研合伙人"。

大圣的紧箍咒：安全可信与闭环

高能动性的智能体必须戴上金箍。

为此，无限光年高级产品专家杨鹏达介绍了大圣的安全体系。

他介绍说，传统的智能体安全存在不可能三角，即高自主性、高安全、低资源消耗往往难以兼得。

大圣则是通过体系化设计，分三层来做到保障：

执行层（Skill 内容安全、沙箱环境安全、MCP 服务安全）协作层（智能体互联安全、隐私计算）存证溯源层（分布式账本、血缘计算）

特别是沙箱安全，与云原生架构深度融合，支持亚秒级启动和独立内核，每个沙箱都装备了全堆栈实时审计。

隐私计算混合架构，性能损耗降至3%以内，与智能体安全互联相结合，实现了“数据不外流、任务可进场”。

在“大圣”与上海气象局和上海库帕思科技有限公司的合作中，高保密数据仅需返回预警指标，海量PB级数据仅需返回相似案例，最终由大圣整合输出，让原本不可用的数据变得可用，让海量数据查询变得高效。

如其名，当大圣戴上“金箍”、脑中响起安全相关的紧箍咒，在以往高自主性、高安全、低资源消耗不可能三角里，实现了关关难过关关过。

全面链接物理世界：大圣的自驱动实验室

数字世界的模型迭代或许只需秒级，但物理世界的真值验证，却往往是一场漫长的跋涉。

人工实验不仅耗时费力、复现困难，即便是当前主流的自动化实验室，也多依赖预设脚本运行，缺乏对物理世界的主动探索与真值反馈。

基于智能体自主探索与软硬一体调度，大圣提出“上天入体”的科学全域闭环：通过自驱动的生命实验室与天算实验室，实现全天候、跨尺度的物理实证。

像郭昕和孙修宇介绍的自驱动的生命实验室和天算实验室，则是代表了刚才我们提到的大圣的“入体”和“上天”。

郭昕坚信AI必须走向物理验证。他主导的干湿闭环实验，让大圣的建议不再是纸上谈兵。通过强化学习串起软件到硬件的闭环，模型随着实验数据的积累越学越智能。例如我们上面展示的药物研发案例就是很好的诠释。

孙修宇则致力于让计算能力推向太空观测前沿。他所在的团队完成了伏羲模型在星载计算机上的推理验证，接下来计划与业界伙伴合作共建AI气象星座，让它不仅仅是为互联网服务，更可以智能地成为理解地球的眼睛和大脑。

那么大圣背后的这群青年科学家，为何选择聚集在上智院？

对于这个问题，在量子位与他们交流的过程中得到了答案。

在王雯莉看来：

在上智院，领域科学家和AI专家、工程师都聚在一块儿，每个人有各自擅长的东西、经常面对面碰撞想法。这样创造出来的东西自带各方基因。

量子位用原生多模态融合来比喻这种人才配比时，王雯莉连连点头表示认可。

郭昕也表达了他的看法：

比如DeepMind创始人哈萨比斯，他是一个极其综合之人，既有计算机的背景，也有神经生物学的背景，既开发过知名游戏，也是国际象棋大师，他把DeepMind打造出了非常好的融合氛围，可见想要把科学智能做到顶级，人与人的融合是必须的。在上智院，我们不仅是在心理上是近的，物理上也是在一个空间的。

除此之外，沈砾捷对在上智院工作的整体自由度也是极其认可：

这里不仅有自由度极高的探索环境，不用打卡、允许想法落地，更重要的是在有组织科研的框架下配有海量的高质量算力、充足的资源。

或许也正是因为如此的科研环境，才有了此前上智院PackingStar推动三百年数学难题“亲吻数”的突破，也才有了如今大圣的系统性进化。

One More Thing：

发布会最后，复旦大学校长助理、上智院理事长、上海创智学院副院长吴力波介绍了第四届世界科学智能大赛的创新赛道——AI4S智能体CNS挑战赛。

她说，这场赛事试图组织科研技术新秀回答一个关键问题：智能体能否深度参与并推动顶级科学问题的解决。

与通常的技术赛不同，AI4S智能体CNS挑战赛要求参赛团队研发的智能体独立完成文献理解、代码重构、假设提出、实验验证与结果迭代，挑战并超越CNS等顶级期刊已发表成果及同等级研究的当前SOTA。

本次挑战赛赛题组组长、复旦大学研究员、上智院AI科学家屈超在与量子位的交流中也表示：

我们赛事的初衷，便是让科学回归科学，让Agent承担繁琐工作。减少科研人员在文献调研、复现baseline、写代码等重复性工作上的时间消耗。

赛事将分为初赛、复赛、决赛三个赛段，共设置四项挑战任务，包括：高通量药物虚拟筛选优化、靶向分子设计与逆合成规划闭环、蛋白质构象系综生成挑战以及神经算子自动改进。评审包括金力、龚新高等顶尖科学家。

大圣只是一个开始。

科学探索路上的“唐僧”们，要不要共同求取科研的真经？感兴趣的小伙伴可以报名AI4S智能体CNS挑战赛哦~