AI已经开始自己做科研了：我们可能正站在科学大爆发的起点!
如果有一天，你发现科研工作者不再是人类独有的职业，你会恐慌还是兴奋？
这个月，两个截然不同的科研成果给出了同一个信号：AI已经正式从“实验助手”晋升为“课题合伙人”。
一个来自美国团队，登上顶级期刊《Science》，据说能独立推进一整套生物医学研究；
另一个来自国内团队，宣称只用一天多算力（28GPU小时），就干完了人类科研界几十年的基础筛选工作量。
还能自己拆解问题、定方案、调用工具、推导结论，像初级研究员一样闭环推进课题。
今天就来聊聊这两件事儿，以及它们可能预示的未来。
能独当一面的AI研究员
第一个成果来自斯坦福大学，角是一款名为Biomni 的生物医学AI 智能体，本月初正式发表在《Science》上。
其实AI做科研倒是没啥新鲜的，就比如AlphaFold，早就能预测蛋白质结构了，但，Biomni不太一样，它更像是一名全能的科研研究员
之前的科研AI基本都是进行单任务型的工具，比如专门做基因测序的模型，换到微生物组研究就不好使了。
而Biomni是首个能跨领域独立推进研究的AI。
据说它内置150多个专业工具、59个权威数据库和上百个软件包，覆盖25个生物医学子领域。
获取到问题后，能自主拆解步骤，调用工具查询数据，做分析，甚至设计完整实验方案，整个过程不用靠人一步步指引。
举个例子：
比如给它进行“寻找某种罕见病潜在致病基因”的课题研究，
它就会自己检索文献、调取数据库比对、筛选候选基因，再设计好验证实验思路，输出完整研究报告。
在官方测试中，它在多个真实科研任务中的输出接近青年专家水平，耗时却只有人工的几十分之一。
给人类带来的价值业非常直接:我们传统新药研发大班成本和时间都是在试错上，AI把试错效率提升几十上百倍后，研发周期将大幅压缩。
AI给超导百年难题装上了加速器
第二个成果来自阿里达摩院联合国内高校团队，7月初他们推出了超导材料发现智能体ElementsClaw。
并且入选了联合国 AI for Good 优秀案例。
简单介绍下超导的价值：
平时用电子设备出现发热现象，是因为电流在导体里发生了堵车，电能也白白浪费了。而有些材料冻到极低温后，内部会突然变得一路畅通，电流通过零损耗，这叫超导。
如果有一天不用降温，常温下就有材料能做到这点，就是室温超导。
一旦实现，发电站到你家几乎不再浪费一度电，电价可能大幅下降；它还能廉价产生超强的磁场，磁悬浮列车、可控核聚变、量子计算这些技术，都将彻底突破瓶颈。
但这个难题人类已经研究很久很久了，但一直没有弄清楚超导的底层机制，
找新材料也基本靠“试错”，全球科研界花了几十年探索，权威超导数据库里也只收录了约2000种已验证材料，效率非常低。
但如今，AI把这种试错方式的低效率变成了精准勘探。
据官方说，ElementsClaw 只用28个GPU小时，就筛查了240万种稳定晶体结构，预测出6.8万种超导潜力候选材料。
团队从中挑4种做实物验证，全部确认存在超导性，都是人类从未发现的全新材料。
不过要客观说一句，这4种都属于低温超导，离室温超导还有很远的距离。
但它带来的价值是无可厚非的，给这个领域的探索装上了加速器，以前一个材料学家，一辈子可能只能试几十上百种材料；现在 AI 一年就能筛选几十万种。
真正的质变：从工具变成合伙人
把这两项成果放在一起，可以看到AI在科研中的角色发生了本质变化。
前几年的 AI 科研工具，更像是一名刚入职的实习生，你给明确指令，它干具体的活，你说一句他做一点。
但现在的科研智能体，更像是一名合作默契的同事，你只要说“我要解决这个问题”，它就自己拆解目标、规划步骤、调用工具推进，遇到问题自行调整，最后输出完整结果。
人们只需要把控方向、做判断就行，不用盯着每一步操作。
AI快速发展的同时，最先被加速的，是靠大量试错来推动的领域，比如生物医药、新材料、新能源、农业育种、化工催化……
这些领域的基础原理可能还没有完全弄清楚，但可以通过海量实验摸索得到答案，这正好是AI擅长的事儿。
也有很多人担心AI会不会取代科研人员。
我觉得并不会，AI取代的是重复、枯燥、耗时间的机械劳动。
就像工业革命时蒸汽机的出现没有取代工人，而是让工人产出翻了几十倍。
当重复试错的边际成本趋近于零，人类的竞争力就变成了「提出那个正确问题」的能力。
而这个能力正好不是AI擅长的。
人与AI各司其职，AI负责海量筛选、高速验证，人类负责定义方向，做出判断。
写在最后
我们这代人其实挺幸运的，小时候我们畅想火箭在天上飞，汽车在海里游
课本里的未来科技，真的有可能正在一点点变成现实。
十年前我们惊叹智能手机改变生活，现在AI已经开始推动基础科学的突破。
数十年后再回头看，有可能此时就是 AI 科研全面爆发的起点。
而我们现在见证的，就是下一轮科技大爆炸的开端。