文章核心观点 - 上海科学智能研究院与复旦大学联合发布了名为“大圣”的系统级、面向科学探索的高能动性智能体，旨在通过AI技术彻底变革科研范式，提升科研效率与成功率 [4][5] - “大圣”智能体具备“上天入体”的全域科学探索能力，覆盖生命科学、地球科学、物质科学、人文科学等多个领域，并能通过自驱动实验室链接物理世界进行实证 [11][12][39][74] - 该智能体的成功源于对底层AI架构的重构，包括多模态科学基础模型、多分支群体记忆架构、经过验证的Skills体系以及安全可信的闭环设计，背后是跨学科青年科学家团队的融合创新 [40][41][80][82] 产品与能力 - **核心定位**：作为“超级科研合伙人”，“大圣”是一个系统级、面向科学探索的高能动性智能体，致力于推动科研范式变革 [4][5] - **效率提升**：在演示案例中，针对心肌病基因调控网络的研究问题，智能体通过14个智能体并行工作，迭代11轮，将性能提升11%以上，而传统研究生完成类似工作需至少半个月 [1][2] - **干湿实验闭环**：在生命科学领域，智能体实现了“设计-执行-反馈-优化”的干湿闭环。例如，在siRNA药物设计实验中，联动自驱动实验室后，机械臂在16分钟内完成96个样本的转染操作，效率较传统手工提升3到4倍 [13][18][19] - **多模态科学理解**：智能体具备原生多模态理解能力，能直接处理RNA二级结构、分子结构等科学模态数据，无需转换为文本，避免了信息失真。在RNA序列设计任务中，能理解多源科学条件并直接输出高性能序列 [21][25][26][44] - **地球科学应用**：基于“伏羲气象大模型”，智能体已完成“空地数据互联—模型上天—星上计算”的闭环验证，模型已在轨稳定运行一个月，未来计划发射更多卫星星座以提供更精准的天气预报 [30][31][33][34] - **人文科学应用**：在人文社科领域，智能体能进行苏格拉底式思辨，编排教学流程以培养学生的独立思考能力，而非提供死板的百科定义 [36][37][38] 技术架构与创新 - **多模态科学基础模型（大脑）**：采用“神珍科学多模态基础模型”，为不同科学模态（如RNA序列、分子结构）配备专用Tokenizer，生成原生高保真的Science Token，实现多模态对齐与自反思能力，在文本科学推理上达到业界SOTA水平 [42][44][46][48] - **多分支群体记忆架构（记忆）**：创新性地引入Git版本管理思想，构建多分支群体记忆。该架构以海量文献为基础认知主干，每个并行探索的智能体分身拥有独立记忆分支，实现信息隔离与保护，成功经验与失败教训经审核后可回流至主体认知网络 [50][51][52][54] - **场景验证Skills（法器）**：Skills体系源自真实科研任务的反复实践，而非简单的提示词工程。目前已形成300余个可复用Skills，覆盖物质、生命、地球、人文社科四大学科群的20多个科研场景 [57][59][60] - **安全可信体系（紧箍咒）**：通过体系化三层设计保障安全：执行层（Skill安全、沙箱安全）、协作层（智能体互联安全、隐私计算）、存证溯源层（分布式账本）。隐私计算混合架构将性能损耗降至3%以内，实现“数据不外流、任务可进场” [65][66][67][69] - **自驱动实验室（物理世界链接）**：通过“自驱动生命实验室”和“天算实验室”，实现从数字世界到物理世界的全天候、跨尺度实证闭环，让AI建议得以进行真值验证 [72][74][75] 研发背景与平台 - **开发团队**：“大圣”由上海科学智能研究院（上智院）联合复旦大学发布，研发团队汇聚了领域科学家、AI专家和工程师，通过紧密的跨学科融合进行创新 [4][40][80][82] - **基础平台**：“大圣”是基于“星河启智科学智能开放平台”全面升级的成果。该平台已汇聚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 [40] - **科研环境**：上智院提供了自由度极高的探索环境，配备海量高质量算力与充足资源，支持科研人员将想法落地，此前已推动如“亲吻数”等数学难题的突破 [83] 行业活动与展望 - **AI4S智能体CNS挑战赛**：复旦大学与上智院将举办第四届世界科学智能大赛的创新赛道，要求参赛智能体独立完成从文献理解到实验验证的全流程，挑战顶级期刊成果的当前SOTA水平，旨在让智能体承担繁琐工作，解放科研人员 [84][85][87] - **商业价值案例**：基于智能体Skills体系的成果已产生实际商业价值，例如在新型补锂剂分子研发中成果转化2000万元并获得数亿元投资；在某难成药靶点药物研发中，潜在价值估计高达5亿美元 [62] - **产业化推进**：上智院孵化企业“格物智研”打造的AI科研验证基础设施平台将于今年6月上线，旨在推动AI从工具升级为科学家的“超级科研合伙人” [62]

行业背景与核心问题 - AI工具在科研领域爆发式增长，但工具繁多导致系统碎片化，科研流程并未因此变得更轻松[3] - 科研是一项高度专业、强约束、长周期演进的系统工程，要求对原生结构与物理约束的高保真理解、对多路径探索过程的持续记忆、对实验结果的严格验证闭环以及对高敏数据与知识产权的安全控制[4] - AI4S（AI for Science）的核心问题正从“模型不够强”转向更结构性的命题：能否在专业约束下高能动性地组织科研流程、与人类科学家共同进行深度科学探索[4] “大圣”超级科研合伙人的定位与发布 - 2026年3月1日，由上海科学智能研究院、复旦大学和无限光年联合共建的星河启智平台宣布全面升级，正式推出超级科研合伙人“大圣”[4] - 发布会由上海科学智能研究院联合复旦大学主办，来自上海市经信委、科委、国资体系及阿里达摩院等多方代表到场，标志着科研范式变革正在集中顶尖学术与官方资源加速推进[6] - 其目标是构建一个具备专业面向科学探索、主动组织流程的高能动性系统，而不仅是零散的工具[9][11] “大圣”的四大核心能力体系 认知能力：多模态科学基础模型“神珍” - 核心是让模型直接在科学模态空间里思考，而非绕道语言，解决将科学数据“文本化”导致空间结构信息损失的问题[12][16] - 支持结构、序列、场信息的原生输入，输出直接对齐科学结果形式，在系统内部实现多种模态科学token对齐[17] - 早期验证显示，在ncRNA分类任务中准确率达96.3%，在RNA Switch生成任务中设计精准度约90%+，并完成Toehold Switch的实验闭环[18] 行动能力：从Tools到科研级Skills - 将AI能力封装成科研级Skills，其本质是一种可被AI理解且能自适应调整/调度的基础能力，包含标准化输入输出约定、工具调用逻辑及超参数含义等[21][22] - 平台已沉淀300+可复用科研Skills，覆盖四大学科群与20余类科研场景，并已在部分真实项目中实现规模化应用[24] - 过去7个月间，平台模型与工具数量实现翻倍增长，入驻科研团队增长达1200%[26] 记忆能力：多分支群体记忆架构 - 借鉴Git版本管理思想，引入多分支群体记忆架构，以治理不断分叉、生长、回滚的科研认知树[30][31] - 核心包括：精准长期记忆、多主体保护、优势认知整合，旨在让科研过程具备可追溯、可回滚、可复用、可演进的属性[34][37] - 该架构已在上海市科学智能百团百项超宽禁带半导体研发项目中落地验证，支撑十余个专业智能体有序协同[35] 验证能力：链接物理世界的闭环 - 构建“模型云端高通量预测 → 智能化湿实验 → 数据回流 → 模型强化更新”的软硬一体科学智能闭环[39] - 自动化编排已将上智院的部分科研流程效率提升约3倍，并显著减少无效实验[40] - 提出“上天入体”的科学全域覆盖愿景，一端深入生命科学实验体系，一端延伸到地球/太空观测，已与复旦大学、之江实验室完成“空地数据互联-伏羲模型上天-星上计算”闭环链路验证，并在轨运行一个月[40][42] 系统特点与生态构建 人机协作模式 - 强调“Scientists in the loop”，自动化不等于无人化，在异常数据、新规律迹象或关键路径选择时，系统会主动触发科学家介入审核[44] - 重新划分协作边界：AI负责规模化探索与执行，科学家负责关键判断与最终把关[45][46] 数据安全与可信协作机制 - 针对科研数据高敏性（未公开实验结果、核心配方、临床数据、潜在知识产权），引入可信计算与安全协作机制[50][51] - 通过A2A（Agent-to-Agent）服务化协作，实现“能力可用、数据不出域”，并辅以Agent on Chain可确权记录，使协作过程可验证、可追责[53][55] 生态积累与竞争壁垒 - 平台已沉淀400+科学模型与工具、22PB高价值数据资产以及上千科研团队协作网络，这些资产是在真实科研任务中反复打磨形成的能力网络[58][59] - 模型能力可被快速追赶，但深度嵌入科研流程的系统与生态很难一夜复制[60] 行业影响与未来展望 - 以“大圣”为代表的新一代科研智能体，正在把AI4S竞争维度从“模型能力”层推向更重的系统层与基础设施层[62] - AI4S正在从工具层面的效率革命，迈入科研生产关系的重排，未来驱动前沿突破的核心引擎可能演变为科学家与系统级高能动性科研智能体的深度共生关系[65] - 上智院和复旦发起了AI4S智能体CNS挑战赛，目标是在完全无人工干预条件下跑通顶刊级科研闭环，这标志着对AI科研能力的硬核考验[62]