AI科学家时代正在到来，哈佛MIT最新推出的ToolUniverse，通过一个统一平台，让AI用自然语言操作600+科学工具，推动科研自动化的全面 升级，迎接科学发现新范式。 科学史的每一次飞跃，往往伴随着工具的革新。随着近期大模型和智能体的飞速发展，这条路径正在通向一种全新的阶段：「AI科学家」。 在AI赋能科研的前沿，我们正见证一个重要的里程碑：从证明AI智能体「能否」解决特定科学问题，转向思考如何让它「高效、可靠、规模化」地参与 整个研究过程。 Nature近期发布的新闻解析， 报道了由哈佛大学Marinka Zitnik和高尚华团队与MIT发布的首款大规模工具开源框架ToolUniverse 新闻链接：https://www.nature.com/articles/d41586-025-03246-7 ToolUniverse开放的在线环境让研究人员能够用自然语言将各类大模型和智能体 连接到不同科学领域常用的工具，为打造AI科学家奠定了基础。 项目主页：https://aiscientist.tools 论文详解：https://arxiv.org/abs/2509.23426 代码开源：https: ...

公司战略转型 - OpenAI正从一家研究实验室向垂直整合的"AI帝国"转型，致力于构建集消费者AI订阅服务、超大规模基础设施运营和前沿AI研究于一体的综合体[3][6] - 公司首席执行官承认过去对垂直整合的看法是错误的，现认为这是实现其使命的必要路径，并类比苹果iPhone的成功模式[13][23][36] - 公司战略涵盖"从电子到模型分发"的整个AI产业链，近期已与英伟达、甲骨文、AMD等科技巨头达成合作，并预告未来数月将有更多合作公布[3][8][15][67] 基础设施押注 - 公司已决定进行"非常激进的基础设施押注"，其投资规模之大需要整个行业或行业的大部分参与支持[2][3][8][15] - 这一激进投资决策基于对未来一到两年内模型能力的强大信心，而非当前模型，公司预见即将到来的模型将创造巨大的经济价值[3][15][70] - 基础设施建设的核心目标是为支持公司想要提供的服务和研究，目前暂无将其作为独立业务出售给其他公司的计划[28][29] 能源需求与解决方案 - AI的指数级增长将需要更廉价、更丰富的能源，AI的未来与能源的未来已"合二为一"[2][6][9][101] - 长期的能源解决方案将是太阳能加储能与先进核能的结合，公司首席执行官预测这两种能源将成为主导[6][9][105] - 核能普及的速度完全取决于其成本，如果其在经济上具有压倒性优势，发展将非常迅速，并称过去限制核能是"极其愚蠢的决定"[9][16][104][106] 模型能力与研发重点 - 公司最兴奋的潜在应用是"AI科学家"，预测在未来两年内，模型将能够承担更大块的科学工作并做出重要发现[11][12][20][21][47][48] - 文生视频模型Sora不仅是创作工具，更是构建"世界模型"以推进通用人工智能、并帮助社会适应AI发展的战略工具[10][17][18][38] - 当出现资源限制时，公司几乎总是优先将GPU分配给研究而非产品支持，因为公司的核心目标是构建通用人工智能[73] 产品商业化与挑战 - 对于Sora等视频模型，由于高昂的生成成本与用户高频次的娱乐性使用之间存在矛盾，公司需要探索一种与ChatGPT完全不同的商业模式[18][110][111] - 对广告模式持开放但谨慎的态度，强调绝不能破坏用户对ChatGPT的高度信任关系，例如推荐付费产品而非最佳产品会摧毁这种信任[112][113] - 在版权问题上，公司观察到部分版权持有者更担心自己的IP不被AI充分使用，而非过度使用，预示着可能产生新的商业模式[95] 行业竞争与创新文化 - AI竞赛正从算法转向一场关乎算力、资本和能源的全方位斗争[2][4] - 公司认为优秀的研发文化更像运营一家优秀的种子阶段投资公司，而非产品公司，这种文化有助于保持创新能力[75] - 公司观察到能力的积压已经到来且非常巨大，世界上大多数人仍只考虑ChatGPT能做什么，但模型的实际能力进步远超外界认知[54]

公司战略转型 - OpenAI正从研究实验室向垂直整合的"AI帝国"转型，致力于构建集消费者AI订阅服务、超大规模基础设施运营和前沿AI研究于一体的综合体 [1][2] - 公司已决定进行"非常激进的基础设施押注"，其规模之大需要整个行业协同支持，这一决策基于对未来一至两年内模型能力将创造巨大经济价值的强大信心 [1][4] - 公司战略转向垂直整合，首席执行官承认过去反对垂直整合的看法是错误的，现认为这是实现其使命的必要路径，并类比苹果iPhone的成功 [4][9] 基础设施与行业合作 - 为支持激进的基础设施扩张，OpenAI正积极与科技巨头合作，包括与英伟达、甲骨文、AMD等公司达成合作，并预告未来数月将有更多此类合作公布 [1][5] - 基础设施押注的规模涵盖了"从电子到模型分发以及其间的所有环节"，其庞大程度被描述为"人类历史上最大的数据中心"或"最大的基础设施项目" [5][14] - 该押注并非基于当前ChatGPT等产品的需求，而是源于对即将到来的模型所能创造的经济价值的坚定看好，公司能提前一至两年预见到未来的模型能力 [5][44] 能源需求与解决方案 - AI的指数级增长将需要更廉价、更丰富的能源，AI的未来与能源的未来已"合二为一" [1][5] - 长期能源解决方案预计将由"太阳能加储能"和先进核能主导，后者包括小型模块化反应堆和核聚变在内的整个技术栈 [4][6] - 核能普及的速度完全取决于其成本，若在经济上具有压倒性优势，其发展将非常迅速，并可能面临巨大的政治压力推动监管机构快速行动 [6][68] 模型能力与科学研究 - 公司预测AI模型在未来两年内将能够做出重大的科学发现，将此视为AI改变世界的真正标志，并透露GPT-5已展现出进行小型、新颖科学发现的能力 [4][8] - 在所有AI的潜在应用中，"AI科学家"是最令人兴奋的方向，当AI能够独立进行科学发现时，世界将发生真正的改变 [8][23] - 公司认为进步的程度巨大，存在显著的能力积压，世界上大多数人仍只考虑ChatGPT能做什么，而硅谷和一些科学家群体已接触到更前沿的能力 [27][28] 产品战略与商业化 - 文生视频模型Sora具有多重战略定位，不仅是视频生成工具，更是构建"世界模型"以推进AGI、并帮助社会适应AI发展的重要工具 [4][7] - Sora的使用场景超出预期，用户不仅进行专业创作，也制作表情包分享，这意味着需要探索与ChatGPT完全不同的商业模式以应对高昂的生成成本 [7][71] - 在商业化方面，公司对广告持开放但谨慎的态度，强调绝不能破坏用户对ChatGPT的信任，认为推荐付费产品而非最佳产品会摧毁信任关系 [4][73] 版权与内容生成 - 对于版权问题，公司预见未来AI训练可能被视为合理使用，但使用特定IP生成内容将催生新的商业模式 [4] - 一些版权方甚至更担心自己的IP不被AI充分使用，而非过度使用，因为这关系到用户与角色互动并发展关系，从而提升特许经营权的价值 [63] - 随着技术让内容创作变得更容易，并且不打破创作者能获得回报的基本方式，内容创作将会发生得更多，例如通过Sora制作视频 [72][76] 公司运营与文化 - 在资源分配上，当出现资源限制时，公司几乎总是优先将GPU分配给研究，而不是支持产品，因为其核心使命是构建AGI [45] - 公司的创新文化被认为更类似于运营一家优秀的种子阶段投资公司，而非产品公司，这种投资者背景对建立研究文化非常有帮助 [47] - 公司观察到用户期望的分布范围极其广泛，因此正在解决如何让AI适应不同用户的个性化需求，而非假设所有人都想与同一个"人"交谈 [30][34]

AI科学家技术发展现状 - 谷歌AI联合科学家仅用48小时验证英国帝国理工学院微生物学专家何塞·佩纳德斯团队耗时10年发现的细菌基因传播机制 并提出多个合理科学假说 包含研究者未曾考虑的方向 [1] - AI科学家由大语言模型驱动 具备专业科学知识和自主性 能自主提出科学猜想和研究方案 [1] - 大模型推理能力井喷式发展 结合大数据平台和算力基础设施进步 推动AI科学家从概念加速迈向实际应用 [1] 全球科研机构研究方向分类 - 第一类为辅助人类的科研助手 例如斯坦福大学虚拟实验室系统可根据需求组建多学科AI科学家团队 2024年7月成功辅助设计92款抗病毒纳米抗体 成果发表于《自然》杂志 [2] - 第二类为完全自主的科学发现系统 日本科技公司鱼AI2024年8月开源系统实现从提出构想到撰写论文的全流程 其计算机科学论文2024年3月通过国际顶级学术会议评审 [3] - 美国AI研究机构未来之家多智能体系统知更鸟2024年5月自主发现治疗干性黄斑病变药物并通过RNA实验验证机制 [3] 中国AI科学家系统建设进展 - 上海人工智能实验室2024年10月开源多智能体科学社群模拟系统虚拟科学家 模拟人类合作研究科技创新规律 [4] - 联合崖州湾国家实验室和中国农业大学2025年7月发布生物育种领域自主科学发现系统丰登·基因科学家 辅助科研人员发现主粮作物中数十个未报道基因功能并获得实验证实 [4] 技术应用前景与形态演进 - AI科学家未来将与机器人和传感器深度结合 通过传感器感知实验环境并借助机器人执行实验 完成从假设提出到验证的全自主闭环 [4] - 具备实体形态的AI科学家将应用于复杂环境 包括AI作物遗传学家监测水稻生长 AI土壤学家分析月球基地月壤 AI核物理学家操作辐射环境仪器 [5]

SciMaster AI科研助手 - 全球首个通用科研智能体SciMaster由上海交通大学、深势科技与上海算法创新院联合发布，集成顶尖思维链能力，可自动完成文献搜索、理论计算、实验操作、论文撰写等全流程科研工作[5][7][10] - 产品发布后引发抢购热潮，邀请码被炒至近千元，其核心价值在于对传统科研流程的"降维打击"，可帮助全球数千万科研人员节省文献和实验数据处理时间[5][7] - 系统基于X-Master架构，采用分散-堆叠工作流程，通过求解器、批评器、重写器、选择器等角色分工实现高质量解答，在Humanity's Last Exam基准测试中以32.1%得分创造新纪录[19][23][28] 核心技术架构 - 底层支撑为玻尔科研空间站，包含1.7亿篇科研文献的数据库，确保答案可溯源且大模型幻觉趋近于零[11][14] - 采用工具增强型推理机制，通过Python代码片段实现环境交互，具备通用性、准确性和高兼容性[19][20] - 支持读、算、做、写全流程：文献检索与整合、并行调用AI for Science计算工具、连接Uni-Lab自动化实验系统、生成可导出研究报告[11][14][15] 实际应用表现 - 实测展示两大核心功能：通用助手处理日常科研问题，深度调研专家完成专业课题研究，后者采用英语工作语言确保术语准确性[27][30][40] - 典型案例包括解释细胞形态学原理（指出用户预设错误）和转基因食品安全性评估（引用WHO/FAO等权威结论），全程展示思考过程与工具调用[31][35][38] - 生成报告支持PDF导出和链接分享，实测显示可在半小时内完成传统需数天的工作，且通过强制文献溯源有效抑制LLM幻觉问题[46] 行业影响与趋势 - 标志AI应用从"技术质变"转向"应用量变"阶段，代表AI for Science领域重大突破，可能重塑人机协作科研范式[9][16][47] - 国内AI科研布局领先全球，深势科技等企业通过创新方法实现低成本高效率解决方案，继DeepSeek-R1开源后再次展现中国AI技术实力[49] - 作为系列研究开篇，未来计划扩展为更通用的科研AI智能体，推动AI驱动的新科研时代到来，与生命科学、医药、新材料等垂直领域形成交叉创新[48][50]