装有机械臂的自动导向车（AGV）在功能岛之间穿梭，生物学实验的各个步骤都由机器人完成。在上海浦东金桥，一座占地近1300平方米的自动化生物医药实验室，近日实现了升级。春节前夕，人工智能制药企业英矽智能在实验室中控平台部署了“龙虾”（OpenClaw）智能体，使用至今已取得不错的效果。

“我们在写一篇相关论文，将在ArXiv平台上发布，分享‘小龙虾’用于实验室的成效和风险控制问题。”英矽智能IT负责人、高级总监沙林说。

如今，智能体在科技界扮演着科研助理角色，重要性日益凸显。今年2月，上海人工智能实验室“书生”科学发现平台发布了书生·智能体（Intern·Agent）1.5，将自主科研智能体从“流程驱动”的工具升级为“推理驱动”的跨学科科学发现通用框架。

吞吐量提升，错误率下降

去年9月，英矽智能自动化实验室在浦东启动运营。这个无人实验室由细胞培养、基因测序、高通量筛选等6个功能岛组成，岛与岛之间通过装有机械臂的自动导向车连接。各个功能岛上，灌装试剂、取化合物、样本处理等所有实验步骤都由“机器人+科学仪器”完成，可7×24小时不间断运营，工作量相当于一个50人左右的生物学实验团队。

虽然实现了全自动，但实验室离“高智商”还有一段距离，因为所有操作流程都是预先设定的，缺少AI自主决策系统。“龙虾”问世后，公司信息技术团队把它部署到实验室中控系统，使之拥有了自主决策能力。

“我们实验室的吞吐量提升了40%—50%，这意味着实验效率大幅提升。”沙林告诉记者。过去，一些机器人在实验过程中时常处于空闲状态，“龙虾”游进实验室后，会根据实际情况进行实时决策，给空闲的机器人派活，提高了机器人团队的整体效率。

“龙虾”还将实验错误率从5%—8%降至接近0。当细胞样本出现污染后，它会主动报告，提醒科研人员及时介入。当实验数据出现异常后，它会自主搜索公开信息、进行数据比对，分析问题出在哪里。“这种数据异常分析工作一般花几十分钟可以搞定，有时要用更长时间，‘小龙虾’会在凌晨运行，工作人员早上到实验室后，发现问题已经解决。”沙林说。

把开源智能体用于科学实验，有一定的技术门槛。英矽智能技术团队为实验室的每个功能岛开发了一个技能包。只有在技能包的指导下，“龙虾”才能变身高级科研助理，指挥各个功能岛的机器人进行实验操作。技术团队还为一系列危险性操作、涉及昂贵试剂和污染样本的操作制定了“人在回路”规则，即禁止“龙虾”作出最终决策，由科研人员拍板定夺。

找到风险控制“最优方案”

面对“龙虾”的安全风险，英矽智能如何应对？沙林介绍，他们用公司内网的一台服务器“养虾”，外网不能访问，以确保公司实验和相关数据的安全性。

在他看来，将开源智能体与本地部署的大模型结合，是降低智能体风险的“最优方案”。完成大模型和GPU服务器的本地部署后，再“养虾”，就能让用户数据完全内循环，从而有效保障“龙虾”用户的安全性。这个方案还能省去Token（词元）费用，让智能体的运行成本更加可控。当然，“最优方案”只适用于有资金实力的机构。

在生物医药等高度专业化领域，通用大模型的表现往往不尽如人意。针对这一问题，英矽智能近日推出了大模型专精训练框架MMAI Gym，旨在用“AI训练AI”方式，提升大模型在生物学、化学等领域的能力。前不久，MMAI Gym对通义千问（Qwen）3进行测试训练，大幅提升了模型解决专业药物化学问题的能力。目前，英矽智能在与多家国内大模型企业接洽，推动专业模型合作开发，打造更强大的生物医药智能体外援。

与沙林的观点相仿，上海交通大学教授、通用人工智能研究所所长赵海认为，私有化部署大模型，是确保“龙虾”用户安全的唯一方案。谈到科研人员使用“龙虾”这个话题，他说，用它处理文档的一年Token费用估计就要几十万元，对高校科研团队来说，成本有点高。

“书生”大幅提升科研效率

在科研领域，“书生”智能体1.5的专业性优于“龙虾”。上海人工智能实验室介绍，这个智能体的核心创新是构建了生成、验证、进化三个协同子系统，将科研抽象为可不断迭代的智能推理过程，使它不再局限于特定的算法任务，而是能广泛应用于跨学科领域。这种通用性已在地球科学、生物科学、物质科学等学科的跨领域任务上得到验证。“书生”还在多个科研场景中，将传统耗时数周乃至数月的流程压缩至小时或分钟级，大幅提升了科研效率。

以地球科学为例，“书生”科学发现平台面向气象与气候应用任务，基于地球科学理论，自主完成了数据筛选与建模工具设计，构建了端到端的智能降尺度管线，将传统需数周至数月的专家建模流程压缩至分钟级，而且在精度和稳定性上显著优于传统统计方法，为区域气候研究提供了新范式。目前，上海亚太台风研究中心在用该方法搭建台风专用场景智能体“智台”，辅助台风预报及其科学机理发现。

展望智能体的应用前景，上海人工智能实验室认为，它有望成为推动“AI赋能科研”的核心力量，改变科学研究的组织方式与创新范式。

装有机械臂的自动导向车（AGV）在功能岛之间穿梭，生物学实验的各个步骤都由机器人完成。在上海浦东金桥，一座占地近1300平方米的自动化生物医药实验室，近日实现了升级。春节前夕，人工智能制药企业英矽智能在实验室中控平台部署了“龙虾”（OpenClaw）智能体，使用至今已取得不错的效果。

“我们在写一篇相关论文，将在ArXiv平台上发布，分享‘小龙虾’用于实验室的成效和风险控制问题。”英矽智能IT负责人、高级总监沙林说。

如今，智能体在科技界扮演着科研助理角色，重要性日益凸显。今年2月，上海人工智能实验室“书生”科学发现平台发布了书生·智能体（Intern·Agent）1.5，将自主科研智能体从“流程驱动”的工具升级为“推理驱动”的跨学科科学发现通用框架。

吞吐量提升，错误率下降

去年9月，英矽智能自动化实验室在浦东启动运营。这个无人实验室由细胞培养、基因测序、高通量筛选等6个功能岛组成，岛与岛之间通过装有机械臂的自动导向车连接。各个功能岛上，灌装试剂、取化合物、样本处理等所有实验步骤都由“机器人+科学仪器”完成，可7×24小时不间断运营，工作量相当于一个50人左右的生物学实验团队。

虽然实现了全自动，但实验室离“高智商”还有一段距离，因为所有操作流程都是预先设定的，缺少AI自主决策系统。“龙虾”问世后，公司信息技术团队把它部署到实验室中控系统，使之拥有了自主决策能力。

“我们实验室的吞吐量提升了40%—50%，这意味着实验效率大幅提升。”沙林告诉记者。过去，一些机器人在实验过程中时常处于空闲状态，“龙虾”游进实验室后，会根据实际情况进行实时决策，给空闲的机器人派活，提高了机器人团队的整体效率。

“龙虾”还将实验错误率从5%—8%降至接近0。当细胞样本出现污染后，它会主动报告，提醒科研人员及时介入。当实验数据出现异常后，它会自主搜索公开信息、进行数据比对，分析问题出在哪里。“这种数据异常分析工作一般花几十分钟可以搞定，有时要用更长时间，‘小龙虾’会在凌晨运行，工作人员早上到实验室后，发现问题已经解决。”沙林说。

把开源智能体用于科学实验，有一定的技术门槛。英矽智能技术团队为实验室的每个功能岛开发了一个技能包。只有在技能包的指导下，“龙虾”才能变身高级科研助理，指挥各个功能岛的机器人进行实验操作。技术团队还为一系列危险性操作、涉及昂贵试剂和污染样本的操作制定了“人在回路”规则，即禁止“龙虾”作出最终决策，由科研人员拍板定夺。

找到风险控制“最优方案”

面对“龙虾”的安全风险，英矽智能如何应对？沙林介绍，他们用公司内网的一台服务器“养虾”，外网不能访问，以确保公司实验和相关数据的安全性。

在他看来，将开源智能体与本地部署的大模型结合，是降低智能体风险的“最优方案”。完成大模型和GPU服务器的本地部署后，再“养虾”，就能让用户数据完全内循环，从而有效保障“龙虾”用户的安全性。这个方案还能省去Token（词元）费用，让智能体的运行成本更加可控。当然，“最优方案”只适用于有资金实力的机构。

在生物医药等高度专业化领域，通用大模型的表现往往不尽如人意。针对这一问题，英矽智能近日推出了大模型专精训练框架MMAI Gym，旨在用“AI训练AI”方式，提升大模型在生物学、化学等领域的能力。前不久，MMAI Gym对通义千问（Qwen）3进行测试训练，大幅提升了模型解决专业药物化学问题的能力。目前，英矽智能在与多家国内大模型企业接洽，推动专业模型合作开发，打造更强大的生物医药智能体外援。

与沙林的观点相仿，上海交通大学教授、通用人工智能研究所所长赵海认为，私有化部署大模型，是确保“龙虾”用户安全的唯一方案。谈到科研人员使用“龙虾”这个话题，他说，用它处理文档的一年Token费用估计就要几十万元，对高校科研团队来说，成本有点高。

“书生”大幅提升科研效率

在科研领域，“书生”智能体1.5的专业性优于“龙虾”。上海人工智能实验室介绍，这个智能体的核心创新是构建了生成、验证、进化三个协同子系统，将科研抽象为可不断迭代的智能推理过程，使它不再局限于特定的算法任务，而是能广泛应用于跨学科领域。这种通用性已在地球科学、生物科学、物质科学等学科的跨领域任务上得到验证。“书生”还在多个科研场景中，将传统耗时数周乃至数月的流程压缩至小时或分钟级，大幅提升了科研效率。

以地球科学为例，“书生”科学发现平台面向气象与气候应用任务，基于地球科学理论，自主完成了数据筛选与建模工具设计，构建了端到端的智能降尺度管线，将传统需数周至数月的专家建模流程压缩至分钟级，而且在精度和稳定性上显著优于传统统计方法，为区域气候研究提供了新范式。目前，上海亚太台风研究中心在用该方法搭建台风专用场景智能体“智台”，辅助台风预报及其科学机理发现。

展望智能体的应用前景，上海人工智能实验室认为，它有望成为推动“AI赋能科研”的核心力量，改变科学研究的组织方式与创新范式。

装有机械臂的自动导向车（AGV）在功能岛之间穿梭，生物学实验的各个步骤都由机器人完成。在上海浦东金桥，一座占地近1300平方米的自动化生物医药实验室，近日实现了升级。春节前夕，人工智能制药企业英矽智能在实验室中控平台部署了“龙虾”（OpenClaw）智能体，使用至今已取得不错的效果。

“我们在写一篇相关论文，将在ArXiv平台上发布，分享‘小龙虾’用于实验室的成效和风险控制问题。”英矽智能IT负责人、高级总监沙林说。

如今，智能体在科技界扮演着科研助理角色，重要性日益凸显。今年2月，上海人工智能实验室“书生”科学发现平台发布了书生·智能体（Intern·Agent）1.5，将自主科研智能体从“流程驱动”的工具升级为“推理驱动”的跨学科科学发现通用框架。

吞吐量提升，错误率下降

去年9月，英矽智能自动化实验室在浦东启动运营。这个无人实验室由细胞培养、基因测序、高通量筛选等6个功能岛组成，岛与岛之间通过装有机械臂的自动导向车连接。各个功能岛上，灌装试剂、取化合物、样本处理等所有实验步骤都由“机器人+科学仪器”完成，可7×24小时不间断运营，工作量相当于一个50人左右的生物学实验团队。

虽然实现了全自动，但实验室离“高智商”还有一段距离，因为所有操作流程都是预先设定的，缺少AI自主决策系统。“龙虾”问世后，公司信息技术团队把它部署到实验室中控系统，使之拥有了自主决策能力。

“我们实验室的吞吐量提升了40%—50%，这意味着实验效率大幅提升。”沙林告诉记者。过去，一些机器人在实验过程中时常处于空闲状态，“龙虾”游进实验室后，会根据实际情况进行实时决策，给空闲的机器人派活，提高了机器人团队的整体效率。

“龙虾”还将实验错误率从5%—8%降至接近0。当细胞样本出现污染后，它会主动报告，提醒科研人员及时介入。当实验数据出现异常后，它会自主搜索公开信息、进行数据比对，分析问题出在哪里。“这种数据异常分析工作一般花几十分钟可以搞定，有时要用更长时间，‘小龙虾’会在凌晨运行，工作人员早上到实验室后，发现问题已经解决。”沙林说。

把开源智能体用于科学实验，有一定的技术门槛。英矽智能技术团队为实验室的每个功能岛开发了一个技能包。只有在技能包的指导下，“龙虾”才能变身高级科研助理，指挥各个功能岛的机器人进行实验操作。技术团队还为一系列危险性操作、涉及昂贵试剂和污染样本的操作制定了“人在回路”规则，即禁止“龙虾”作出最终决策，由科研人员拍板定夺。

找到风险控制“最优方案”

面对“龙虾”的安全风险，英矽智能如何应对？沙林介绍，他们用公司内网的一台服务器“养虾”，外网不能访问，以确保公司实验和相关数据的安全性。

在他看来，将开源智能体与本地部署的大模型结合，是降低智能体风险的“最优方案”。完成大模型和GPU服务器的本地部署后，再“养虾”，就能让用户数据完全内循环，从而有效保障“龙虾”用户的安全性。这个方案还能省去Token（词元）费用，让智能体的运行成本更加可控。当然，“最优方案”只适用于有资金实力的机构。

在生物医药等高度专业化领域，通用大模型的表现往往不尽如人意。针对这一问题，英矽智能近日推出了大模型专精训练框架MMAI Gym，旨在用“AI训练AI”方式，提升大模型在生物学、化学等领域的能力。前不久，MMAI Gym对通义千问（Qwen）3进行测试训练，大幅提升了模型解决专业药物化学问题的能力。目前，英矽智能在与多家国内大模型企业接洽，推动专业模型合作开发，打造更强大的生物医药智能体外援。

与沙林的观点相仿，上海交通大学教授、通用人工智能研究所所长赵海认为，私有化部署大模型，是确保“龙虾”用户安全的唯一方案。谈到科研人员使用“龙虾”这个话题，他说，用它处理文档的一年Token费用估计就要几十万元，对高校科研团队来说，成本有点高。

“书生”大幅提升科研效率

在科研领域，“书生”智能体1.5的专业性优于“龙虾”。上海人工智能实验室介绍，这个智能体的核心创新是构建了生成、验证、进化三个协同子系统，将科研抽象为可不断迭代的智能推理过程，使它不再局限于特定的算法任务，而是能广泛应用于跨学科领域。这种通用性已在地球科学、生物科学、物质科学等学科的跨领域任务上得到验证。“书生”还在多个科研场景中，将传统耗时数周乃至数月的流程压缩至小时或分钟级，大幅提升了科研效率。

以地球科学为例，“书生”科学发现平台面向气象与气候应用任务，基于地球科学理论，自主完成了数据筛选与建模工具设计，构建了端到端的智能降尺度管线，将传统需数周至数月的专家建模流程压缩至分钟级，而且在精度和稳定性上显著优于传统统计方法，为区域气候研究提供了新范式。目前，上海亚太台风研究中心在用该方法搭建台风专用场景智能体“智台”，辅助台风预报及其科学机理发现。

展望智能体的应用前景，上海人工智能实验室认为，它有望成为推动“AI赋能科研”的核心力量，改变科学研究的组织方式与创新范式。

装有机械臂的自动导向车（AGV）在功能岛之间穿梭，生物学实验的各个步骤都由机器人完成。在上海浦东金桥，一座占地近1300平方米的自动化生物医药实验室，近日实现了升级。春节前夕，人工智能制药企业英矽智能在实验室中控平台部署了“龙虾”（OpenClaw）智能体，使用至今已取得不错的效果。

“我们在写一篇相关论文，将在ArXiv平台上发布，分享‘小龙虾’用于实验室的成效和风险控制问题。”英矽智能IT负责人、高级总监沙林说。

如今，智能体在科技界扮演着科研助理角色，重要性日益凸显。今年2月，上海人工智能实验室“书生”科学发现平台发布了书生·智能体（Intern·Agent）1.5，将自主科研智能体从“流程驱动”的工具升级为“推理驱动”的跨学科科学发现通用框架。

吞吐量提升，错误率下降

去年9月，英矽智能自动化实验室在浦东启动运营。这个无人实验室由细胞培养、基因测序、高通量筛选等6个功能岛组成，岛与岛之间通过装有机械臂的自动导向车连接。各个功能岛上，灌装试剂、取化合物、样本处理等所有实验步骤都由“机器人+科学仪器”完成，可7×24小时不间断运营，工作量相当于一个50人左右的生物学实验团队。

虽然实现了全自动，但实验室离“高智商”还有一段距离，因为所有操作流程都是预先设定的，缺少AI自主决策系统。“龙虾”问世后，公司信息技术团队把它部署到实验室中控系统，使之拥有了自主决策能力。

“我们实验室的吞吐量提升了40%—50%，这意味着实验效率大幅提升。”沙林告诉记者。过去，一些机器人在实验过程中时常处于空闲状态，“龙虾”游进实验室后，会根据实际情况进行实时决策，给空闲的机器人派活，提高了机器人团队的整体效率。

“龙虾”还将实验错误率从5%—8%降至接近0。当细胞样本出现污染后，它会主动报告，提醒科研人员及时介入。当实验数据出现异常后，它会自主搜索公开信息、进行数据比对，分析问题出在哪里。“这种数据异常分析工作一般花几十分钟可以搞定，有时要用更长时间，‘小龙虾’会在凌晨运行，工作人员早上到实验室后，发现问题已经解决。”沙林说。

把开源智能体用于科学实验，有一定的技术门槛。英矽智能技术团队为实验室的每个功能岛开发了一个技能包。只有在技能包的指导下，“龙虾”才能变身高级科研助理，指挥各个功能岛的机器人进行实验操作。技术团队还为一系列危险性操作、涉及昂贵试剂和污染样本的操作制定了“人在回路”规则，即禁止“龙虾”作出最终决策，由科研人员拍板定夺。

找到风险控制“最优方案”

面对“龙虾”的安全风险，英矽智能如何应对？沙林介绍，他们用公司内网的一台服务器“养虾”，外网不能访问，以确保公司实验和相关数据的安全性。

在他看来，将开源智能体与本地部署的大模型结合，是降低智能体风险的“最优方案”。完成大模型和GPU服务器的本地部署后，再“养虾”，就能让用户数据完全内循环，从而有效保障“龙虾”用户的安全性。这个方案还能省去Token（词元）费用，让智能体的运行成本更加可控。当然，“最优方案”只适用于有资金实力的机构。

在生物医药等高度专业化领域，通用大模型的表现往往不尽如人意。针对这一问题，英矽智能近日推出了大模型专精训练框架MMAI Gym，旨在用“AI训练AI”方式，提升大模型在生物学、化学等领域的能力。前不久，MMAI Gym对通义千问（Qwen）3进行测试训练，大幅提升了模型解决专业药物化学问题的能力。目前，英矽智能在与多家国内大模型企业接洽，推动专业模型合作开发，打造更强大的生物医药智能体外援。

与沙林的观点相仿，上海交通大学教授、通用人工智能研究所所长赵海认为，私有化部署大模型，是确保“龙虾”用户安全的唯一方案。谈到科研人员使用“龙虾”这个话题，他说，用它处理文档的一年Token费用估计就要几十万元，对高校科研团队来说，成本有点高。

“书生”大幅提升科研效率

在科研领域，“书生”智能体1.5的专业性优于“龙虾”。上海人工智能实验室介绍，这个智能体的核心创新是构建了生成、验证、进化三个协同子系统，将科研抽象为可不断迭代的智能推理过程，使它不再局限于特定的算法任务，而是能广泛应用于跨学科领域。这种通用性已在地球科学、生物科学、物质科学等学科的跨领域任务上得到验证。“书生”还在多个科研场景中，将传统耗时数周乃至数月的流程压缩至小时或分钟级，大幅提升了科研效率。

以地球科学为例，“书生”科学发现平台面向气象与气候应用任务，基于地球科学理论，自主完成了数据筛选与建模工具设计，构建了端到端的智能降尺度管线，将传统需数周至数月的专家建模流程压缩至分钟级，而且在精度和稳定性上显著优于传统统计方法，为区域气候研究提供了新范式。目前，上海亚太台风研究中心在用该方法搭建台风专用场景智能体“智台”，辅助台风预报及其科学机理发现。

展望智能体的应用前景，上海人工智能实验室认为，它有望成为推动“AI赋能科研”的核心力量，改变科学研究的组织方式与创新范式。

装有机械臂的自动导向车（AGV）在功能岛之间穿梭，生物学实验的各个步骤都由机器人完成。在上海浦东金桥，一座占地近1300平方米的自动化生物医药实验室，近日实现了升级。春节前夕，人工智能制药企业英矽智能在实验室中控平台部署了“龙虾”（OpenClaw）智能体，使用至今已取得不错的效果。

“我们在写一篇相关论文，将在ArXiv平台上发布，分享‘小龙虾’用于实验室的成效和风险控制问题。”英矽智能IT负责人、高级总监沙林说。

如今，智能体在科技界扮演着科研助理角色，重要性日益凸显。今年2月，上海人工智能实验室“书生”科学发现平台发布了书生·智能体（Intern·Agent）1.5，将自主科研智能体从“流程驱动”的工具升级为“推理驱动”的跨学科科学发现通用框架。

吞吐量提升，错误率下降

去年9月，英矽智能自动化实验室在浦东启动运营。这个无人实验室由细胞培养、基因测序、高通量筛选等6个功能岛组成，岛与岛之间通过装有机械臂的自动导向车连接。各个功能岛上，灌装试剂、取化合物、样本处理等所有实验步骤都由“机器人+科学仪器”完成，可7×24小时不间断运营，工作量相当于一个50人左右的生物学实验团队。

虽然实现了全自动，但实验室离“高智商”还有一段距离，因为所有操作流程都是预先设定的，缺少AI自主决策系统。“龙虾”问世后，公司信息技术团队把它部署到实验室中控系统，使之拥有了自主决策能力。

“我们实验室的吞吐量提升了40%—50%，这意味着实验效率大幅提升。”沙林告诉记者。过去，一些机器人在实验过程中时常处于空闲状态，“龙虾”游进实验室后，会根据实际情况进行实时决策，给空闲的机器人派活，提高了机器人团队的整体效率。

“龙虾”还将实验错误率从5%—8%降至接近0。当细胞样本出现污染后，它会主动报告，提醒科研人员及时介入。当实验数据出现异常后，它会自主搜索公开信息、进行数据比对，分析问题出在哪里。“这种数据异常分析工作一般花几十分钟可以搞定，有时要用更长时间，‘小龙虾’会在凌晨运行，工作人员早上到实验室后，发现问题已经解决。”沙林说。

把开源智能体用于科学实验，有一定的技术门槛。英矽智能技术团队为实验室的每个功能岛开发了一个技能包。只有在技能包的指导下，“龙虾”才能变身高级科研助理，指挥各个功能岛的机器人进行实验操作。技术团队还为一系列危险性操作、涉及昂贵试剂和污染样本的操作制定了“人在回路”规则，即禁止“龙虾”作出最终决策，由科研人员拍板定夺。

找到风险控制“最优方案”

面对“龙虾”的安全风险，英矽智能如何应对？沙林介绍，他们用公司内网的一台服务器“养虾”，外网不能访问，以确保公司实验和相关数据的安全性。

在他看来，将开源智能体与本地部署的大模型结合，是降低智能体风险的“最优方案”。完成大模型和GPU服务器的本地部署后，再“养虾”，就能让用户数据完全内循环，从而有效保障“龙虾”用户的安全性。这个方案还能省去Token（词元）费用，让智能体的运行成本更加可控。当然，“最优方案”只适用于有资金实力的机构。

在生物医药等高度专业化领域，通用大模型的表现往往不尽如人意。针对这一问题，英矽智能近日推出了大模型专精训练框架MMAI Gym，旨在用“AI训练AI”方式，提升大模型在生物学、化学等领域的能力。前不久，MMAI Gym对通义千问（Qwen）3进行测试训练，大幅提升了模型解决专业药物化学问题的能力。目前，英矽智能在与多家国内大模型企业接洽，推动专业模型合作开发，打造更强大的生物医药智能体外援。

与沙林的观点相仿，上海交通大学教授、通用人工智能研究所所长赵海认为，私有化部署大模型，是确保“龙虾”用户安全的唯一方案。谈到科研人员使用“龙虾”这个话题，他说，用它处理文档的一年Token费用估计就要几十万元，对高校科研团队来说，成本有点高。

“书生”大幅提升科研效率

在科研领域，“书生”智能体1.5的专业性优于“龙虾”。上海人工智能实验室介绍，这个智能体的核心创新是构建了生成、验证、进化三个协同子系统，将科研抽象为可不断迭代的智能推理过程，使它不再局限于特定的算法任务，而是能广泛应用于跨学科领域。这种通用性已在地球科学、生物科学、物质科学等学科的跨领域任务上得到验证。“书生”还在多个科研场景中，将传统耗时数周乃至数月的流程压缩至小时或分钟级，大幅提升了科研效率。

以地球科学为例，“书生”科学发现平台面向气象与气候应用任务，基于地球科学理论，自主完成了数据筛选与建模工具设计，构建了端到端的智能降尺度管线，将传统需数周至数月的专家建模流程压缩至分钟级，而且在精度和稳定性上显著优于传统统计方法，为区域气候研究提供了新范式。目前，上海亚太台风研究中心在用该方法搭建台风专用场景智能体“智台”，辅助台风预报及其科学机理发现。

展望智能体的应用前景，上海人工智能实验室认为，它有望成为推动“AI赋能科研”的核心力量，改变科学研究的组织方式与创新范式。