科学研究正在迎来一个新的合作者，而它不需要咖啡，也不会喊累。
3月1日，上海人工智能科学研究院与复旦大学联合发布了升级版科学AI开放平台“NovaInspire”，并首次向外界亮相其核心成果——系统级科学AI智能体“大胜”，英文代号“Dasheng”，别名“孙悟空”。 这个名字的选择颇具深意。齐天大圣的标志性能力，是七十二变与无处不在，而这恰好也是这套AI系统最想实现的目标：在复杂多变的科学场景中，灵活应对，无所不能。 它究竟能做什么
如果把目前市面上大多数AI工具比作一个聪明的助手，那“大胜”想成为的，是一位能独立承担课题的科研合伙人。 “大胜”集成了多模态基础模型，能够同时处理文字、图像、数据、代码等多种信息形式。它拥有长期多线程集体记忆系统，意味着它不会在每次对话结束后“失忆”，而是能持续积累研究背景，像一个真正经历过项目全程的研究者一样思考。 更关键的是，它内置了专家级科学“技能”模块，并与自动驾驶实验室系统打通。简单说，它不仅能提出实验方案，还能在一定条件下自主调度实验流程，形成从假设生成到数据采集再到结果分析的闭环。 这在AI辅助科研领域，是一个相当大胆的跨越。 为什么这个时间节点很重要
近两年，AI介入科学研究的速度已经明显加快。 谷歌DeepMind的AlphaFold3在蛋白质结构预测领域几乎重写了规则，其发布后仅数月便在全球引发了大量跟进研究。微软与各大学合作推进的科学AI项目，也在材料发现、药物筛选等领域陆续产出成果。2025年，OpenAI推出的“Deep Research”功能让AI自动完成文献综述和多步推理，在学术界掀起讨论。 而中国在这一赛道上的布局，正在从追赶转向自主定义。
“大胜”的发布，代表的不仅是一个工具，而是一套系统性的科研AI架构思路。它的设计逻辑是“以科学家为中心”，而不是以某个单一任务为中心。这意味着它试图理解科学家的工作方式、思维习惯和研究节奏，而不是让科研人员去适应AI的操作逻辑。 这种思路的转变，在业界看来是走向“科学AI”成熟阶段的重要信号。 自主性的边界在哪里
当然，“高度自主”这个词，在科学领域并不像在其他行业那样让人纯粹兴奋。 科学研究对可重复性、可解释性和结果可信度有极高要求。一个能自主设计实验、自主执行操作、自主得出结论的AI系统，如果缺乏足够透明的过程记录和人类审核机制，就可能在看似高效的外表下悄悄引入错误，甚至制造出难以察觉的系统性偏差。
开发团队显然意识到了这个问题。“大胜”的架构中专门纳入了“安全可信框架”，作为系统的底层约束。这一模块的具体细节目前尚未完全公开，但其存在本身，说明研发方将安全性和可信性视为与功能性同等重要的设计要素。 这是负责任的AI开发应有的姿态，也是“大胜”能否真正在科学共同体中获得信任的关键所在。 科学的速度，会因此改变吗
有一种观点认为，AI将让科学研究进入“加速时代”，让原本需要数年才能完成的探索压缩到数月甚至数周。 这个预判既令人振奋，也需要被审慎对待。科学不只是数据处理和模式识别的集合，它还包含直觉、创造力、对失败的容忍，以及那些难以量化的“为什么这个问题值得问”的判断力。 目前没有任何证据表明AI已经具备这些能力，包括“大胜”。
但它能做到的事情，已经足够实用：在已知知识空间内更快地完成文献梳理，更系统地执行重复性实验，更高效地筛选候选方案。这些能力，可以让科学家把时间和精力集中在真正需要人类判断的环节上。 这或许才是科学AI在当下最现实、也最有价值的定位，不是取代科学家，而是把科学家从繁琐中解放出来，让他们有更多时间去做那些只有人才能做的事情。 “大胜”刚刚亮相，真正的考验还在后面。但这一步，已经迈得相当扎实。
