當OpenClaw不僅能幫你訂機票、寫郵件，還開始參與科研實驗時，這意味著什么？

3月4日，在香港科技大學(xué)上海中心舉辦的“AI for Discovery：從范式革命到產(chǎn)業(yè)重構(gòu)”學(xué)術(shù)峰會上，復(fù)旦大學(xué)浩清特聘教授、上?？茖W(xué)智能研究院院長漆遠在演講中表示，隨著OpenClaw智能體的出現(xiàn)，具備高能動性和自主學(xué)習(xí)能力的AI Agent（智能體）正推動科研進入一個新的臨界點。

復(fù)旦大學(xué)浩清特聘教授、上?？茖W(xué)智能研究院院長漆遠發(fā)表主題演講。

在此次學(xué)會峰會上，與會人士普遍認為，人工智能正從科研流程中的輔助工具，逐漸演變?yōu)槟軌騾⑴c推理決策與實驗閉環(huán)的“科研合伙人”，Agent引發(fā)了一場AI從過去被動記錄到主動推理的科研范式革命。

在漆遠看來，OpenClaw的爆火首先標志著基礎(chǔ)模型能力的躍升，“沒有大模型底層能力的持續(xù)突破，OpenClaw類智能體不可能實現(xiàn)當前效果”，其次OpenClaw代表了智能體架構(gòu)的高能動性與強執(zhí)行力，“智能體架構(gòu)本身并不復(fù)雜，卻能夠產(chǎn)生非常顯著的能力提升，逐漸成為類似‘外腦’的個人助手”；此外，OpenClaw也顯示了智能體具備長期記憶與持續(xù)學(xué)習(xí)能力，可以在不斷自我迭代中演進。

漆遠認為，當AI Agent不僅能處理日常事務(wù)，還開始參與實驗設(shè)計與科研流程時，科研體系可能會發(fā)生深層變化，“科學(xué)探索需要擁有高能動性的智能體，科學(xué)數(shù)據(jù)、專業(yè)知識日益龐雜，科學(xué)家需要最強外腦，輔助其創(chuàng)造、完成規(guī)劃與執(zhí)行?！?/p>

據(jù)漆遠介紹，由上海科學(xué)智能研究院（以下簡稱“上智院”）聯(lián)合復(fù)旦大學(xué)發(fā)布的“超級科研合伙人”大圣智能體憑借96%的RNA分類與設(shè)計準確率，在siRNA設(shè)計中將實驗成功率提升超50%，還支撐了轉(zhuǎn)化價值2000萬元的新型補鋰劑研發(fā)與潛在價值5億美元的FIC類藥物發(fā)現(xiàn)，實現(xiàn)科研成果的高效產(chǎn)業(yè)化。

事實上，一批面向科學(xué)研究的智能體正在快速推出。

此次峰會上，中國工程院外籍院士、香港科技大學(xué)首席副校長郭毅可透露，香港科大正推進“AI for Lab”計劃，開發(fā)實驗室智能體AINA（AI Native Arena），核心功能是能實現(xiàn)自主優(yōu)化、主動探索、智能協(xié)作和知識進化。在這套工作流程下，人主要負責(zé)授權(quán)和決策，智能體則實現(xiàn)7×24小時自主運行進行實驗。

中國工程院外籍院士、香港科技大學(xué)首席副校長郭毅可

郭毅可提出一個分階段的科研生態(tài)愿景：第一階段實現(xiàn)個體實驗室Agent化，第二階段形成跨團隊Agent協(xié)作網(wǎng)絡(luò)，第三階段走向全球科研主動推理生態(tài)，使知識持續(xù)進化、認知價值最大化。

倫敦大學(xué)學(xué)院計算機科學(xué)系教授汪軍介紹，他們針對科研需求上線了可以在線持續(xù)學(xué)習(xí)的智能體，該智能體可以根據(jù)科研人員的問題自主在網(wǎng)上尋找資料，并能夠自行泛化持續(xù)進化。

在汪軍看來，AI與Science的重要結(jié)合點在于：許多科學(xué)問題本質(zhì)上是優(yōu)化與決策問題，AI的優(yōu)勢在于更大的搜索空間、更快的結(jié)果反饋、可并行推理、可自動調(diào)用強化學(xué)習(xí)策略，且能在長時間運行中保持穩(wěn)定輸出。例如他所在的團隊在與合肥中科大合作的“AI化學(xué)家”項目中，已經(jīng)構(gòu)建了一套多智能體協(xié)作系統(tǒng)，將貝葉斯優(yōu)化、強化學(xué)習(xí)等方法嵌入硬件實驗設(shè)備，當前第一階段已走通；系統(tǒng)能夠在高維參數(shù)空間中自主搜索最優(yōu)解，實現(xiàn)從實驗設(shè)計、執(zhí)行、分析到優(yōu)化的閉環(huán)流程，且全程無人工干預(yù)。

不過，與會專家也直言，當前AI for Science的發(fā)展仍處于起步階段，諸多瓶頸亟待突破，成為制約其規(guī)?；涞氐年P(guān)鍵因素。漆遠認為，科研智能體還需要解決一系列特殊問題，例如科學(xué)數(shù)據(jù)的高保真輸入與輸出、多模態(tài)科學(xué)數(shù)據(jù)對齊以及科學(xué)詞元（Token）生成等，以減少信息損失并降低模型幻覺。汪軍則表示，與大模型能快速反饋不同，化學(xué)實驗等科研場景里Agent反饋往往更慢、成本更高。在這一條件下，如何實現(xiàn)有效優(yōu)化與閉環(huán)，是必須跨越的門檻。