5天5夜，AI跑完了135个科研课题，科学家还做什么？ | 上海教育传媒网
作者 | 白羽
“科学家只需要提出一个idea，从模型设计、实验方案生成、实验执行到数据回流，整个流程AI超级科研工厂都可以自动完成。”
就在一周前，这句话在上海漕河泾的一间实验室里变成了现实。
7月7日下午到7月11日深夜，机器昼夜不停，实验室空无一人——反应器自动投料、分离纯化、产物分析，动作精准而沉默。
远在千里之外的科学家打开终端，就能看到自己提交的科研课题被自动拆解、执行、验证。
这场名为“百题马拉松”的连续直播，让135个真实科研课题在5天5夜内跑完了从AI计算到实验验证的全流程，覆盖能源、反应、材料、药物四大领域。
最终，这个超级科研工厂的AI“主理人”交出一份令业界震撼的答卷：
99%的任务达到预期终点，工具调用正确率达100%，工具完成度超过95%。全程基本无人干预，直播结束后系统合成了几种具有潜力的分子。
一周后，这场“无人实验室”的幕后团队——上海科学智能研究院——站上了WAIC 2026科学智能开放论坛的舞台。
7月18日，由世界人工智能大会组委会办公室指导、复旦大学和上智院联合主办、上海市青浦复旦未来技术研究院协办的这场论坛，在上海西岸国际会展中心举行。
从超级科研工厂，到“神珍”科学多模态基础模型的发布；从“伏羲气象星座”项目的启动，到两本新学术期刊的首发——论坛上密集释放的成果背后，是一条清晰的逻辑线：AI正在从科学研究的“辅助工具”走向“科研合伙人”。
正如复旦大学特聘教授、上海科学智能研究院院长漆远在论坛上所说：“能够发现未知规律，才是超级智能的开始。”
AI正变得像数学一样基础
之江实验室主任、中国工程院院士王坚在主旨演讲中追问一个更根本的问题——AI到底在理解什么？
“科学智能不在论文文本，而在数据。”王坚直言，今天绝大多数用AI做科学研究的尝试，依然停留在“让AI读论文”的阶段——本质上还是在处理人类已经写好的文本，而不是处理科学数据本身。“人把科学数据‘嚼’了一遍，写成科研论文，再喂给AI。”
问题的核心在于：今天的基础模型，全称其实是“大语言模型”——它建立在文本之上，训练素材全部来自人类已经写好的论文、书籍和代码，属于“二手归纳型数据”。
但真正的科学发现，往往隐藏在地震波、光谱、基因序列等原始观测数据之中。
“我们常说，一张图片胜过千言万语；但一段光谱，可能胜过千万张图片。”他认为，要让AI真正理解科学，就必须打破文本的藩篱——把各学科的数据词元化，纳入同一个表征空间，让科学数据成为大模型的“原住民”。
王坚判断，AI正变得像数学一样基础，对科学技术和工程产生长远而根本的影响。“我们过去讲交叉学科，但交叉学科本身就是一个‘问题’——因为你没有手段把它打通。今天AI给了我们机会，让科学重新成为一个整体。”
科研工厂让AI从预测走向发现
论坛上，漆远和他的团队回答了“AI能做到什么”的问题。
下一个诺奖级突破会在哪里？在漆远看来，真正的挑战在于两件事：经典系统里，AI能否从海量数据中压缩出简洁的机理；复杂系统里，AI能否理解跨尺度的因果。而支撑这一切的，是一套完整的科研基础设施。
论坛上，上智院发布了“神珍”科学多模态基础模型。总参数110亿，面向DNA、RNA、蛋白质、小分子、地球系统和医学影像六类科学数据，在一个统一模型中同时支持科学理解与多类结果生成。模型已开源，支持研究者共建。
上智院还设计了超级科研工厂——“Golab物质科学智能研发工厂”。科学家只需要提出一个idea，从模型设计、实验方案生成、实验执行到数据回流，整个流程科研工厂都可以自动完成。
上智院团队拆解了三个关键要素：跨领域基础模型作为“大脑”，自驱动实验室作为伸向物理世界的“双手”，以及让二者持续互相校正的“自进化系统”。
据透露，超级科研工厂可以让实验效率“起飞”。在主创团队看来，“硕博生很多时候只是在重复实验操作。现在可以把‘做’的环节交给平台，人就有了更多时间思考。”
未来的论文何去何从
当实验AI来完成，论文和PPT都可以由AI生成时，人类的角色是什么？
香港科技大学首席副校长、中国工程院外籍院士郭毅可抛出一个问题：“过不了多久，我们可能就没论文可写了。反正文章都是机器写的，写出来的文章也是机器审的，你写它干嘛？”当AI能完成从写作到评审的全链条，传统论文的形态必将被颠覆。
他判断，未来科学知识的表达方式将发生根本变化——文章不再是静态的“最终版本”，而是可以被追踪、被修改、被实验验证、被重新发展的“活的东西”。
这个判断并非空想。由郭毅可担任主编的AI for Engineering期刊，正是这种理念的试验场。这本学术期刊，希望让论文不再只是“写完就结束”的文本，而是成为可以被持续检验和迭代的动态载体。
论坛上，由复旦大学与施普林格·自然联合创办的开放获取国际学术期刊《科学智能》（Science and AI）也举行了首刊发布仪式，金力担任主编，诺贝尔奖得主迈克尔·莱维特担任荣誉主编。
人类的价值在于不断进化
围绕“AI原生时代的原始创新”话题，由复旦大学国际关系与公共事务学院副教授蒋昌建主持的巅峰对话环节将讨论推向更深处。
当谈到“AI能否产生原创性发现”时，郭毅可认为，“机器能不能发现无理数？整数相除产生循环小数，机器可能永远无法‘想到’无理数的存在——这就是‘人的灵性’所在。”
但他随即补充，“艺术创造、方法创新，AI已经证明可行。最难的是‘压缩性原创’——从现象中提炼本质规律，这个目前还差一点。但作为科学家，不能轻易断言‘不可能’。”
中国科学院上海药物研究所研究员、中国科学院院士陈凯先从药物研发实践出发，指出AI的“可为”与“不可为”：“AI在靶点预测、分子设计等环节已取得巨大成功。但新靶点的原始发现——让AI发现人类尚未认知的全新靶点机制——仍是巨大挑战。”
复旦大学校长、中国科学院院士金力认为，与其担心AI取代人，不如看到正循环。“人工智能的发展促进了人类智能的发展，人类智能的发展又导致我们对智能有了更高理解，又创造更好的人工智能技术——它是一个正反馈。”
复旦大学哲学学院教授孙向晨从文明演化的视角提出：“人类文明是历经数千年演化形成的‘平衡态’。AI正在冲击文明的多根支柱——大学的教学形态、考试形态、评价体系都在变。问题在于，留给人类适应的时间可能很短。”
华东理工大学教授、中国工程院院士钱锋则指出AI原生时代的核心瓶颈：“AI赋能可以容忍一些不确定性，但AI原生必须具备可解释性、可信性。这是从‘赋能’走向‘原生’必须跨越的门槛。”
回到开篇那个问题：5天5夜，AI跑了135个课题，科学家还做什么？
答案或许正在浮现——人的角色，正从重复劳动中解放出来，回归科学最本质的部分：提出好问题，做出真判断。
正如金力所说，AI时代人更应该活出“人”的样子。