李亚丽 科技日报记者 王春
上海科学智能研究院（以下简称“上智院”）的直播间里，Golab物质科学智能研发工厂已经直播了几十个小时。屏幕上代码滚动生成指令，旁边的分子结构模型不断被调整。而另一个机位上，机械臂平稳运转——取样、反应、萃取、分离，全程无一人介入。这是上智院及其重点孵化企业上海格物智研科技有限公司（以下简称“格物智研”）和上海市青浦复旦未来技术研究院共同发起的“百题马拉松”直播，100个科研问题正在一个超级工厂内由AI全流程处理。
这场“马拉松”的起点，是7月7日“Golab物质科学智能研发工厂”的发布现场。该“超级科研工厂”由上智院牵头建设、格物智研打造运营，成功跑通“AI计算—自动实验—数据回流—模型自进化”的干湿闭环全流程，首次实现AI计算与自动化实验设备的零人工介入。
长期以来，物质科学研发受困于周期漫长、试错成本高的瓶颈。根据DeepMind公司材料探索图形网络（GNoME）模型的数据，在模型预测的38万种稳定材料中，仅有736种完成实验验证，验证率不足0.2%。AI虽能单日产生海量预测，却需要人类用10年甚至更长时间才能完成全面验证。
问题根源在于，AI的介入往往是单点式的——能计算不一定能做实验，能预测不一定能合成。数据、模型、算力与各类工具以孤立形式存在，彼此缺乏统一接口。更关键的是，多数AI模型“只懂结构、不懂机理”，能预测蛋白质折叠形态，却无法解释其成因。大量科学假设因此止步于计算模拟，无法进入物理世界接受检验。
针对科研流程单点割裂、AI仅能预测而无法自主运转的困境，上智院物质科学与格物智研的研创一体团队提出了“超级科研工厂”的理念。该体系围绕三个彼此咬合的核心要素构建：作为“大脑”的通用跨领域基础模型、作为“双手”的自驱动实验室，以及让二者持续互相校正的自进化系统。
“我们需要的是一种超级科研工厂——和现在的制造业工厂一样，从产业需求到模型设计，到最终的实验验证，再到结果的交付，完全做到全流程闭环。”上智院AI科学家、青浦复旦未来技术研究院未来材料领域首席科学家、格物智研创始人曹风雷说。
作为“大脑”，“燧人”物质科学大模型突破了此前AI模型“只懂结构、不懂机理”的局限。团队从底层物理规律出发，基于逾1亿条第一性原理计算数据训练模型，将量子力学、统计力学等微观机理深度嵌入训练与推理。该模型在业界首次统一建模微观电子结构与宏观统计行为，在50余种热力学性质预测任务中均达到业界最优水平，并展现出跨领域泛化能力。
作为“双手”，自驱动实验室攻克了国内多数实验室“单点自动化”的通病。今年6月建成投用的一期实验室，首次实现AI计算与自动化实验设备的零人工介入、直接联动；更攻克了行业公认的难题——合成后处理环节的自动化，例如分离和提纯等。近3000平方米的二期实验室已启动建设，计划明年初在青浦区投运。
串联“大脑”与“双手”的，是“浑天绫”技能包。它将算法、数据、算力、实验四类要素标准化为可组合的生产单元，AI模拟计算经智能体编排后自动衔接湿实验，再将实验结果回流至模型，形成一条无需人工翻译的完整链路。
系统还会留存失败案例，由大模型分析原因、总结经验，最终形成“模型生成方案—实验验证—数据回流—自进化系统”的正循环。这一闭环体系的根本价值，在于让AI驱动的研发能力成为各行业可调用、可生长的公共品。目前该体系已在生物医药、能源材料、日用化工等多个方向开展验证性应用。
“Golab物质科学智能研发工厂”给未来科研带来的最深远改变，在于重塑科研的组织方式。复旦大学校长助理、上智院理事长吴力波在发布会上表示，科研技术闭环与一人公司模式的结合，正在重新定义科创的基本单元。当科研组织能力被按需调用时，大量优秀的科学假设不再因资源匮乏而止步。
科研组织的变革最直观的体现，便是打开了“一人公司”的科研新可能。曹风雷指出，干湿实验闭环能力让一位科学家或一个小团队便可承担从前端研发到实验验证的完整科研闭环。科研门槛降低的同时，跨领域研究学习的成本同样大幅下降，更有利于打破学科界限，推动物理、材料、生物等多学科的深度融合。科学家只需提出想法，从模型设计到实验执行、数据回流，整个“工厂”都可自动完成。
持续5天5夜的“百题马拉松”还在进行，新分子、新方法，甚至新问题都正在被创造。无论结果如何，一套全新的科研范式正被推到台前——未来，科研将不再是一个人的“苦修”，而是人机协同的“交响”。
网友评论
