综合目前公开的研究进展和专家观点,AI 已经能够在人类给定研究方向、资源和约束的前提下,自己走完读文献、提假设、设计实验、写代码跑实验、分析数据、根据反馈修正方案这一整条科研链路,并在部分任务上取得可验证的成果;但它还不能完全靠自己定义 "值得研究什么"、独立判断科学价值,也不能替代人类完成最终的原创方向选择、结果核验和学术责任承担。换句话说,现阶段的 AI 更接近 "在限定条件下自主推进任务的科研智能体",学会的是科研流程里的执行与迭代方法,而不是完整意义上的科研判断力;关键结论仍需要独立验证和专业评估。下面从能力现状、典型系统、工作流程、能力边界几个层面拆开说明。
一、当前能力定位:辅助工具走向自主科研智能体
| 对比维度 | 早期 AI 科研工具 | 现阶段自主科研智能体 |
|---|---|---|
| 介入环节 | 查文献、写代码、算数据等局部环节 | 覆盖调研、假设、实验、分析、写作、自审全流程 |
| 问题来源 | 由人类提出明确问题 | 人类给方向和约束,系统在范围内拆解问题、规划步骤 |
| 推进方式 | 单次问答或单点自动化 | 持续判断下一步,失败后排查原因、修正方案、再次验证 |
| 反馈闭环 | 依赖人工介入纠错 | 依据证明检查、实验观测、计算结果等反馈自动调整计划 |
| 最终责任 | 人类主导 | 关键结论仍需独立验证与专业评估,人类保留决策权 |
需要区分两个概念:日常使用的大模型智能体以大模型为决策核心,通过调用外部工具执行任务;自主科研智能体是专门围绕科研场景打造的版本,科学家给出研究方向、资源和约束后,它在设定范围内自主规划、调用科研工具、根据反馈调整后续计划。这里的 "自主" 是限定目标和条件下的自主,不等于无人监督。
二、已经跑通的典型科研场景
1. 长程科研推理:从一个研究方向持续推进
浙江大学团队发布的 "求是引擎" 首次实现千步级长程科研推理能力:给出开放研究目标后,系统连续自主研究十几小时,完成文献调研、理论分析、实验方案设计、程序编写、数据分析和结果判断,并根据真实实验反馈经历多轮失败、原因排查、方案修正和再次验证,最终形成可验证的研究结果;整个过程在数小时到数十小时内完成数千次大模型调用,对应人工通常需要数周到数月的集中投入。
2. 端到端论文生成:从想法到自审
"The AI Scientist" 类流水线可以自动生成研究想法、检索文献、写代码、跑实验、绘图分析、撰写完整手稿,并执行自己的同行评审;在聚焦模式和无模板开放模式下都能产出多样想法并自动测试、报告和评估,生成稿件曾通过某顶级机器学习会议 workshop 的首轮评审(该 workshop 录取率约 70%)。
3. 多智能体协作实验:互相评审、叫停和转向
面向金刚石固态量子自旋的自主研究实验室中,多个基于大模型的智能体分工协作:可以生成并否决研究问题,要求独立理论核查,设计实验去挑战自身主张;首轮实验与理论预测一致,但重复参考测量发现数据采集过程中信号漂移,智能体据此把结果判定为不确定,在不降低验收标准的前提下修订测量方案,重做后才支持理论预测。
4. 机器人科学家:假设生成到实验闭环
瑞典查尔姆斯理工大学改造的通用机器人科学家 Eve,分析约 6 万条酵母基因、化学物质与性状相互作用的公开记录,提出近 2000 个关于营养如何影响细胞生长和抗压能力的可检验假设;随后筛选对照、把假设转成机器可读的实验步骤,测试完成后审阅数据、评估预测,自动修正被证伪的假设;人类只介入安全检查、搬运培养皿等基础事务。
5. 实验设施中的智能体操作
美国阿贡国家实验室 SYNAPS-I 项目在中子、X 射线和显微实验数据平台上加入智能体层:研究人员用自然语言提出需求,系统自动完成数据采集、处理和分析;低风险动作自主执行,高风险或不确定性高的操作则请求人工批准或指导。
三、AI 自主做科研的一般工作流程
- 接收目标与约束:人类给出研究方向、可用资源、安全边界和验收标准,系统不脱离这些前提自由发挥。
- 调研与问题拆解:检索相关文献和已有数据,把开放问题拆成可执行的子问题,形成初步研究计划。
- 生成假设与方案:提出待检验的假设,设计实验或计算方案,必要时由独立核查角色做理论校验。
- 执行与记录:调用代码环境、实验设备或机器人平台执行方案,全程记录观测数据和上下文。
- 反馈与迭代:对照结果判断是否成立;不成立则定位失败原因、调整方案后再次验证,达到验收标准才保留结论。
- 成稿与自审:整理结果、撰写报告或论文,内部评审检查逻辑、证据充分性和表述一致性。
- 人工复核环节:关键结论进入独立验证、专家评审和学术评价流程,确认正确性、新颖性和学术价值。
四、AI 目前 "学不会" 或做不稳的部分
| 局限项 | 具体表现 |
|---|---|
| 原创选题判断 | 研究方向和价值排序仍主要由人类提出,AI 尚不具备独立判断 "什么问题值得做" 的科学品味 |
| 可行性与实现细节 | 部分研究指出,大模型生成的想法新颖度可以不错,但在可行性、工程实现细节上存在短板,更适合与人互补 |
| 证据外推风险 | 智能体可能得出证据并不支持的结论,需要多角色交叉评审和实验挑战来约束 |
| 可解释性不足 | 复杂推导或证明过程可能无法被人读懂,AI 未必解释清楚问题是如何被解决的、中间提出了哪些关键想法 |
| 验证与信任成本 | 大规模 AI 产出会给同行评审系统带来压力,也可能给科研文献增加噪声;不同模型推理能力差距还会带来新的不公平问题 |
| 物理实验边界 | 涉及真实设备、耗材、安全规范的环节仍需人类介入兜底,自主实验室目前多限定在特定平台和任务内 |
五、关于 "自己学会做科研" 的两层理解
- 流程层面,已经在学会:通过智能体框架、工具调用、经验积累和反馈闭环,AI 可以反复练习同一类科研任务,把成功路径沉淀为可复用策略,在限定任务上越做越稳。
- 科学发现层面,尚未独立:提出开创性问题、判断理论意义、承担学术责任,以及在真实世界中定义研究优先级,目前仍然依赖人类科学家;人机协作是现阶段被普遍认可的模式 ——AI 承担高强度探索和繁琐执行,人类把握方向、复核结论。
六、小结
AI 做科研不是突然变成了不需要人的 "全自动科学家",而是从单点工具进化为能在给定目标下自主规划、执行、纠错和迭代的科研智能体;长程推理、端到端论文、多智能体实验、机器人科学家等场景已经给出实证。它学会了科研流程中的执行方法和反馈调整,但独立定义原创问题、完成可信价值判断这一层,仍处在持续探索阶段,未来相当长时间内更可能是 AI 与科学家协同推进发现,而不是单方面替代。
【相关 FAQ】
问题 1:AI 做科研现在能不能自己学会完整的科研流程?
回答 1:在人类给定研究方向、资源和约束的前提下,AI 已经能自主走完文献调研、假设生成、实验设计、代码执行、数据分析、失败修正和报告撰写的完整流程;但完整科研中的选题判断、价值评估和最终学术责任仍由人类承担,还不能说 AI 已经脱离人类独立学会全部科研能力。
问题 2:自主科研智能体和平时聊天用的 AI 有什么区别?
回答 2:日常大模型智能体以回答单次问题、调用工具完成任务为主;自主科研智能体围绕科研场景设计,能在限定目标下持续判断下一步做什么,根据实验观测和计算反馈动态调整计划,支持千步级长程推进,属于面向科学研究的专用智能体系统。
问题 3:AI 做科研时出错了,会不会自己纠正?
回答 3:在系统设计的反馈闭环内可以自主纠正:执行失败后,AI 会提取失败时的上下文,从成功经验或同伴记录中检索相似方案,调整策略后再次验证;但高风险操作、证据不足或结论存疑的情况仍会触发人工复核,不会无条件自动放行。
问题 4:AI 做科研产出的论文和结论可以直接相信吗?
回答 4:不能直接采信。AI 生成的手稿和结论仍需经过独立验证、同行评审和专业评估,确认其正确性、新颖性和学术价值;现有研究也提示存在证据外推、可解释性不足、实现细节薄弱等问题,关键结论必须由人类科学家把关。
问题 5:未来 AI 做科研会不会取代人类科学家?
回答 5:现阶段主流判断是互补而非取代。AI 擅长高强度检索、重复实验、数据处理和多轮试错,人类科学家负责提出原创问题、把握研究方向、判断科学意义并承担学术责任;随着自主实验室和长程推理能力进步,人机协作的科研模式会成为常态,而不是 AI 单方面独立完成所有科研工作。
【参考资料】
- [2026-11-22](AI 攻克黎曼猜想,给了人类好几个想不到)新浪新闻
- [2026-11-22](167 年未解难题被 AI 解决?数学家用 AI 证明黎曼猜想)微博・看看新闻 Knews
- [2026-11-02](让 AI 自主搞原创科研,靠谱吗?)科普中国
- [2026-10-29](Collaborative AI agents for autonomous experimental research with solid-state quantum spins)arXiv
- [2026-10-14](What happens when AI runs its own lab?)CORDIS・欧盟委员会
- [2026-10-06](A new kind of microscope: Agentic AI turns simple language into self-guided experimentation)Advanced Photon Source
- [2026-09-30](AI Agents Are Learning to Run the Lab. This Week They Got a Boost)Artificial Science
- [2026-08-06](This AI Scientist Could Soon Run Labs on its Own)Northeastern University
- [2026-08-03]("求是引擎":AI 自主搞科研)央视网・科技日报
- [2026-07-15](全球评测第一!浙大重磅推出 "求是引擎")澎湃新闻
【免责声明】
本文内容基于公开论文、媒体报道及专家访谈整理,所述 AI 科研能力均来自特定系统、特定任务和实验环境下的测试结果;科研系统能力随模型与工程迭代持续变化,文中观点不构成对 AI 科研水平的最终评判,也不替代专业学术审查与同行评审结论。
