这个话题，最近在香港科技大学上海中心的一场学术峰会上被反复提起。3月4号的消息，讲的不是某个具体的科研成果，而是一种正在发生的“科研方式”的变化——AI智能体，开始从工具变成搭档。 以前我们说AI辅助科研，意思是它帮忙算数据、画图表、跑模拟，人还是那个拍板的人。但现在情况变了。以OpenClaw为代表的一批AI智能体，已经开始能自己决策、自己设计实验、自己闭环操作。它不再是等着人下指令的助手，而是坐在你对面的“科研合伙人”。 从面上看，这种变化不是孤例。香港科大自己在推AINA实验室的智能体计划，伦敦大学学院那边也有能持续学习的智能体上线。从点上看，复旦的“大圣智能体”交出了一组挺亮眼的数据：RNA设计准确率做到了96%，把siRNA实验的成功率提升了50%以上，还支撑了数亿美元级的科研成果转化。 为什么现在突然能跑起来了？底层是两个东西在变：一是大模型的能力确实突破了，二是智能体的架构开始具备高能动性——它能自己拆任务、自己调用工具、自己写代码，不再是被动响应，而是主动推进。 接下来要看的，是瓶颈能不能被打破。 现在的问题集中在两个地方：一是数据保真，实验室出来的数据能不能被智能体真正“理解”；二是反馈滞后，实验做完了，结果能不能即时回传给模型继续迭代。如果这些问题能解决，那7×24小时自主实验、跨团队协同攻关，就不再是愿景，而是常态。 从短期看，科研效率会被大幅拉升，产业化落地的成本也会降下来。从长期看，科研的边界会被重新定义。过去我们说“原创性成果”，依赖的是少数天才的灵光一现。以后，可能是无数个智能体在无数条路径上同时试错，然后把那个最优解递到你面前。 这场由AI驱动的科研变革，现在确实还在起步阶段。但方向已经很清楚了：不是人让位给机器，而是人和机器，重新分工。
