AI长身体，直接做实验！自主通用科学家，科研界的Scaling Law来了

新智元报道

编辑：LRST 好困

【新智元导读】未来的科研范式「自主通用科学家」（AGS），将AI与机器人技术结合，实现从文献综述到实验操作再到论文撰写的全流程自动化。AGS有望突破人类科研的物理和知识限制，加速科学发现的进程，并可能引发科学范式的变革。

你能想象未来的诺贝尔奖颁奖典礼上，站在领奖台上的不是人类科学家，而是一个机器人吗？

想象一个没有人类研究员的实验室，只有AI系统和机器人不知疲倦地分析数据、设计实验、操作仪器、发现规律、撰写论文，甚至提出改变科学范式的突破性理论。

这不是科幻电影中的场景，而是科学研究可能的未来图景。

近日，来自多伦多大学、意大利技术研究院、清华大学、浙江大学、罗格斯大学、哈佛大学、佐治亚理工学院和伦敦大学学院等国际顶尖研究机构的科学家们发表了一篇前瞻性论文，深入探讨了AI与机器人科学家如何颠覆传统科学研究的范式，并首次提出科学发现可能遵循全新的扩展定律（Scaling Law）。

论文链接：https://arxiv.org/pdf/2503.22444

上图展示了科学发现范式的演化路径，从传统的人类中心研究，到人类与AI/机器人协作的共同科研，再到最终实现的自主通用科学家(Autonomous Generalist Scientist, AGS)。这一演进过程不仅是科研工具的升级，更是科学发现方法论的革命性转变。

随着AGS系统的发展，科学研究将突破两大界限：

物理界限——机器人科学家能够在极端环境（如太空、深海、高辐射区）开展人类无法直接进行的实验；

知识界限——AI能够整合跨学科知识，打破专业壁垒，发现人类难以察觉的关联和规律。

这种科研范式的转变，可能像工业革命之于手工业、计算机之于信息处理一样，从根本上改变科学知识的生产方式和速度。

当AI大脑邂逅机器人躯

虚拟与物理的二元科研世界

当下AI科学家的研究正处于蓬勃发展阶段，但多数都以agent形式存在，主要专注于编程相关的学科，如机器学习研究、生物信息学分析等。这些系统在虚拟世界中展现出色的能力，却无法触碰现实世界。

以DeepMind的AI Scientist和OpenAI的系统为例，它们能够出色地完成数据分析、模式识别、假设生成等任务，有些甚至能够自主设计和执行计算实验。

Lu等人开发的「The AI Scientist」展示了AI系统如何通过大规模预训练和代码生成能力，实现对科学发现的自动化。该系统能够解析问题，生成研究方案，执行计算代码，甚至分析结果并得出结论。

然而，这些AI系统存在明显的局限性。它们主要局限于预定义的计算域内，虽然能执行算法、优化参数和分析数据，但缺乏全面的「计算机使用能力」(computer-using proficiencies)。人类研究者能够流畅地在各种计算环境间切换，而当前的AI系统无法复制这种通用性。它们在导航复杂的科学文献库时显得力不从心，难以应对各种异构接口、认证要求和组织结构。

此外，它们无法有效利用专业科学软件生态系统，包括计算建模环境、分析工具和仿真框架，这些都需要细致的配置和跨平台集成。

AI系统最大的局限在于完全缺乏物理实验能力，这从根本上限制了它们的科学研究范围，排除了大量需要与物理现象直接交互的实证科学领域。

这一限制在生物学、医学和工程学等领域尤为明显，这些领域的研究往往需要手工实验和精确的物理操作。

而另一方面，当前实验室中的机器人大多是为特定任务定制的，灵活性有限。它们可以在特定参数范围内高效运行，但面对实验异常、意外行为或设备故障时往往束手无策。

现有机器人执行的是预定义的程序序列，很少具备实验即兴创新或协议适应的能力。尽管机器人学习领域取得了进展，但现有系统在不同实验环境中的泛化能力仍然有限。

该表清晰地展示了不同科学领域在虚拟与物理操作需求方面的显著差异。从自然科学到社会科学，每个领域都需要虚拟分析和物理实验的结合，但比例各不相同。

以物理学为例，其研究需求涵盖从理论建模（虚拟）到精密仪器操作（物理）；化学研究依赖分子建模和反应预测（虚拟），同时需要实际的合成和表征（物理）；生物学则需要生物信息分析与实验室操作相结合。表中右侧的V/P比例展示了不同学科对计算方法与实验方法的相对依赖程度，这直观地说明了为什么科学研究需要AI与机器人的结合——单一系统无法满足完整科研过程的需求。

这种虚拟与物理操作的双重需求，凸显了将AI代理的认知能力与机器人的物理操作能力结合起来的必要性。

科学研究涵盖虚拟和物理操作的二元景观，两个领域对于全面的科学探索都至关重要。

自主通用科学家（AGS）的架构与运作

面对这一挑战，研究者提出了自主通用科学家（Autonomous Generalist Scientist, AGS）的概念，将AI代理的认知能力与机器人的物理操作能力无缝结合，创建一个能够自主管理整个研究生命周期的系统。

AGS系统由五个核心功能模块组成，通过集成的交互和反思机制增强其能力。如该图所示，这些模块分别为：

文献综述：该模块通过模拟人类与学术数据库和期刊平台的交互，自主进行全面研究分析。与依赖API的系统不同，它能够导航各种数字环境来搜索、访问和管理相关文献，甚至突破订阅障碍。这使AGS能够获取传统AI系统难以接触的最新研究成果。
提案生成：在文献分析之后，该模块制定全面的研究提案，阐明精确的问题陈述、明确的目标和创新假设，以推进该领域的发展。它开发详细的方法论框架和实验方案，为虚拟模拟和物理实施优化，建立明确的研究路线图。
实验执行：这一模块协调研究过程的实验阶段，涵盖精确规划、资源优化和试验执行，跨越虚拟和物理环境。配备先进的机器人和AI技术，系统执行物理操作，收集经验数据，并进行虚拟实验。此外，它通过对实时结果和反馈的持续分析，动态优化实验设计。
论文准备：实验完成后，该模块将发现综合为可发表的手稿。它执行全面的数据分析，解释结果，并制定实质性结论。系统按照标准学术惯例组织文档，并进行内部质量评估，参与同行评审机制，确保学术严谨性和发表准备度。
反思与反馈：该模块超越传统研究工作流，实现系统范围内的持续改进。它在功能组件之间建立通信渠道，实现实时调整，同时整合来自人类合作者和模拟同行评估的外部输入。通过对反馈的系统分析，系统优化假设、方法和实验方法，确保研究对新兴发展保持响应，并最大限度地提高科学产出的最终影响和质量。

AGS的大脑是整个系统的核心，其工作原理如下图所示：

AGS大脑的工作框架包含两个循环系统：外循环和内循环。外循环管理整体任务流程，包括感知环境信息、思考处理、知识学习和行动执行；内循环则负责系统的自我反思与优化。这种双层循环设计使AGS能够不断改进其推理和决策能力。

在感知阶段，系统收集各种形式的信息输入；思考阶段涉及记忆检索、知识整合和学习，形成对问题的深入理解；行动阶段则将系统的决策转化为具体操作，包括虚拟环境中的算法执行和物理环境中的实验操作。

同时，内循环通过自我反思机制，结合思维链（Chain of Thought）、思维树（Tree of Thought）等推理方法，持续评估和改进系统的推理过程和决策质量。这种设计使AGS系统不仅能够完成既定任务，还能通过经验累积不断进化，提升解决复杂科学问题的能力。

机器人科学家的演进与协同优势

机器人科学家的发展历程展现了从专用系统向通用平台的演化趋势，如下图所示：

从2004年的Robot Scientist到2009年的Adam，再到2019年的Mobile robotic chemist，机器人科学家已经经历了近20年的发展。早期系统如Robot Scientist和Adam主要专注于单一学科领域（如生物学），能力有限且需要大量人类指导。

而近年来，随着技术进步，我们看到了更为通用的系统出现，如Coscientist（2023）和ORGANA（2024）等。这些系统开始整合AI与机器人能力，展现出更强的自主性潜力。

该表详细对比了当前各种AI科学家和机器人科学家系统的能力。从中可以看出，大多数现有系统仍然是单域的，专注于特定学科。例如，Adam（2009）主要用于生物学，PaperRobot（2019）专注于生物医学，AI Scientist(2024)侧重于机器学习。当前只有少数系统如Coscientist能够结合API搜索和物理实验，但仍有很大局限。而未来的AGS系统有望在各个方面实现全面突破，成为真正的通用科学家。

AI代理与机器人在研究任务中展现出明显的互补优势。如上表所示，Agent擅长在虚拟环境中执行计算机使用、编程、数据分析和写作等任务，特别适合计算机科学、数学和生物信息学等领域；而机器人则在物理和虚拟环境中发挥作用，能够创建和使用工具，执行复杂的物理操作，适合医学、生物学、化学和太空探索等领域。

将两者结合，可以实现「1+1>2」的协同效应。AI代理可以规划实验流程、分析数据并生成假设，而机器人则负责实施物理实验、收集样本并操作设备。这种分工使研究过程更加高效，避免了单一系统无法克服的局限性。例如，在药物发现领域，AI可以预测潜在的分子结构和相互作用，而机器人则可以合成这些分子并测试其实际效果，相互验证、相互补充。

科学发现的新扩展定律

突破人类科研的固有限制

传统科学研究面临着源于人类本身特性的多重局限。首先是人力资源的限制——全球科研人员数量增长速度有限，且分布不均。

即使在科研人员最密集的国家，每百万人口中的研究人员数量也只在几千人左右。

其次是时间限制——人类研究者需要休息、娱乐和家庭生活，每天能够专注于研究的时间有限，通常不超过8-10小时，且精力和创造力会随时间波动。

更具挑战性的是认知和专业限制。

现代科研需要处理日益庞大和多维的数据，这些数据经常超出人类认知能力。

单个研究者往往只精通某一狭窄领域，难以整合跨学科知识。

即使是顶尖科学家，也难以同时精通物理学、化学、生物学和计算机科学等多个领域，这导致了知识孤岛效应，阻碍了跨学科创新。

此外，研究合作中的沟通障碍也是一大挑战。不同学科的研究者使用不同的术语、方法论和思维模式，这使得有效沟通变得困难。

这些合作努力经常遇到显著障碍，包括不同学科文化差异、特定方法论以及跨领域协调所需的大量时间和资源。

这些持续存在的障碍削弱了有效沟通、概念合成和建立连贯研究范式的能力。

相比之下，AI科学家和机器人科学家具有显著优势：

首先是规模优势——AI和机器人系统可以大规模复制，成本远低于培养人类科学家。一旦开发成功，可以快速部署数十万或数百万个实例，显著扩大研究规模。其次是持续工作能力——AI和机器人不需要休息，可以24/7不间断工作，大大提高研究效率。这种持续性使长期实验监测和数据收集变得更加可靠。

在知识整合方面，AI系统表现尤为突出。

训练于包含不同领域的庞大语料库上，这些模型在应用多学科知识方面表现卓越，从而显著增强科学研究。

生成式AI内在能力可以导航和桥接不同知识领域，使其特别适合跨学科研究。

此外，AI和机器人系统具有卓越的记忆能力和知识存储——它们可以存储和快速检索几乎无限量的信息，不会遗忘细节或历史实验结果。在跨学科整合能力方面，它们能够无缝连接不同领域的概念和方法，发现人类研究者可能忽视的关联。

最重要的是，AI和机器人科学家具有高度可复制性——成功的实验方法和发现可以立即与其他系统共享，确保研究成果的最大化利用，避免重复劳动。

知识飞轮与突破双重边界

AGS系统引入的最具革命性的概念之一是「知识飞轮」效应。这一概念描述了知识生产的自我加速循环：每项科学发现都为后续研究铺路，创造更多发现，这些发现又进一步加速研究进程，形成指数级增长曲线。

传统上，这一过程受到人类科研者数量、认知能力和专业知识的限制。然而，随着AI和机器人科学家的引入，这一飞轮可能以前所未有的速度旋转。

知识飞轮在AGS系统中的运作可以理解为一个多层次的自我强化循环：

首先，AGS系统进行大规模并行研究，同时在多个领域产生新发现；

其次，这些发现被即时整合到系统的知识库中，为后续研究提供基础；

然后，系统利用增强的知识库设计更复杂、更有针对性的研究，产生更多突破性发现；最后，这些新发现又反过来强化知识库，加速整个循环。

这一过程将突破两个关键边界：物理边界和知识边界。

在物理边界方面，具身机器人能够在极端环境中开展研究。

传统上，人类科学家无法长期在太空、深海、高辐射区或极端温度环境中工作。而具身机器人可以突破这些限制。例如，机器人可以在月球或火星表面建立研究站，长期监测和实验；可以在深海热液喷口处长期采集样本和数据；可以在微小尺度上操作单个分子或原子。这些能力使科学研究可以拓展到之前无法涉足的领域。

在知识边界方面，AI能够整合和处理远超人类能力的跨学科知识。

它可以同时精通物理学、化学、生物学、医学、工程学等多个领域的知识，并在这些领域间建立联系。这种跨领域的知识整合能力可能导致全新学科的诞生，或者解决长期以来被单一学科方法所困住的复杂问题。并且由于AI和机器人系统的规模优势，科学发现和知识的增长以及知识所能达到的范围也将超越人类的界限。

该图展示了全球科研产出与研究人员数量的历史趋势，以及AGS引入后的预期发展曲线。历史数据显示，人类研究人员数量和科研产出呈现相对线性的增长，主要受到人口和教育系统容量的限制。

然而，随着AGS系统的引入，这一关系可能发生根本性变化。预测曲线显示，AGS系统可能带来科研产出的指数级增长，同时研究者数量（包括人类和AGS）也将大幅增加。

这种转变的核心在于突破了传统科学知识生产的两个关键限制因素：研究者数量和知识分散。AGS系统可以大规模复制，远超人类研究者数量的增长潜力，同时克服了知识分散带来的研究效率损失。

由于人类研究者数量的固有限制，共同科学家和AGS系统将引入科学发现的新扩展定律。

随着AGS系统的普及，我们可能会看到一个科学研究的全新时代，不仅科研速度加快，更重要的是将出现全新的研究方向和突破，这些可能超出当前人类科学家的想象。

适应极端环境的具身机器人，加上科学知识积累的飞轮效应，有望持续突破物理和智慧的双重界限。

非人类科学家的研究成果管理

传统学术体系的挑战与aiXiv的构想

随着AI和机器人科学家的崛起，传统的学术出版体系将面临前所未有的挑战。AGS系统的研究速度将远远超过人类科学家，可能在短时间内产生海量的研究成果。传统期刊的审稿周期通常需要数月，甚至长达一年，这种速度显然无法适应AGS时代的需求。

即使是预印本服务器如arXiv，虽然加快了科研成果的初步分享，但仍然面临审核资源有限、难以应对爆炸性增长的投稿量等问题。

此外，传统学术体系在评估AI生成内容方面面临独特挑战。

如何确保AI和机器人科学家产出的研究结果的准确性、原创性和可靠性？现有的同行评审机制主要依赖人类专家，可能无法及时处理大量AI生成的研究成果。

同时，传统学术评价体系对研究贡献度的认定、署名权和科学信誉的维护等方面都需要重新审视。

面对这些挑战，研究者提出了建立专门为AI和机器人科学家设计的新型学术平台——aiXiv的构想。

aiXiv平台旨在为自主系统生成的研究成果提供一个开放的预印本服务器，实施专门针对AI驱动发现的分层审核流程，可以确保AI生成的研究遵循透明性、可信度原则，并解决涉及非人类作者的科学交流中相关的伦理考量，同时促进其潜在提交到传统期刊。

如图所示，aiXiv平台的工作流程包括以下关键环节：

提交环节：AI科学家和机器人科学家可以向平台提交两类内容——研究提案和完整论文。这些内容可以涵盖广泛的科学领域。
多层评审：提交的内容经过严格的多层评审过程，结合人类专家和AI/机器人评审者的优势，基于可行性、创新性、逻辑连贯性和潜在科学影响等标准进行评估。
实施与发展：通过aiXiv发布的提案可以作为进一步研究的蓝图，由人类研究者或其他AI/机器人科学家实施，形成后续论文提交，遵循类似的评审路径。
开放访问：平台提供公共应用程序接口（API）和用户界面，方便人类和AI评审者检查已提交和已发布的提案和论文，促进透明和协作的评审环境。
桥接传统期刊：对于在aiXiv上发布的已完成研究，平台旨在简化后续向传统学术期刊提交的流程，可能提高AI驱动科学进步的可见度和影响力。

aiXiv平台的设计考虑了科学严谨性和创新促进之间的平衡。一方面，它通过多层评审确保发表内容的质量和可靠性；另一方面，它提供了一个快速发布渠道，加速科学发现的传播。

aiXiv平台有望革新科学出版，促进创新，维护学术诚信，并最终加速科学发现的步伐。

重塑科学评价与知识传播

aiXiv平台不仅仅是一个预印本服务器，它还将重塑科学评价体系和知识传播方式。在传统学术环境中，研究成果的评价主要基于同行评审、引用计数和期刊影响因子等指标。

然而，面对AI和机器人科学家产出的大量研究成果，这些评价机制需要重新设计。

aiXiv平台提出了一种人类专家与AI评审者相结合的互补评审机制。AI评审者可以快速检查研究的形式要素、方法论正确性和实验数据一致性，而人类专家则关注创新性、研究意义和潜在影响等更主观的方面。这种组合利用了AI的高效性和人类的判断力，形成更全面的评价体系。

在知识传播方面，aiXiv将实现从静态出版到动态知识共享的转变。传统学术论文一旦发表就很少更新，而aiXiv平台可以支持研究成果的持续更新和演进。

AI和机器人科学家可以基于新发现和反馈不断优化其研究，形成「活文档」而非固定快照。这种动态知识共享模式更符合科学的渐进性和迭代性本质。

此外，aiXiv平台还需要解决一系列与非人类作者相关的独特挑战：

署名权与责任归属：谁应该被列为AI和机器人科学家产出研究的作者？是创建这些系统的人类研究者，还是系统本身？如果将系统列为作者，那么谁对研究的准确性和诚信负责？这些问题需要新的框架来解决。
科学信誉体系的重构：传统学术界的声誉和信誉体系主要基于人类研究者的职业发展和贡献历史。随着AI和机器人科学家的加入，需要建立新的信誉评估机制，可能包括系统的性能历史、错误率和创新指数等。
数据与方法透明性：AI系统的「黑箱」性质可能与科学透明性原则相冲突。aiXiv平台需要制定严格的透明度要求，确保所有研究详细记录其方法、数据来源和推理过程，使其他研究者（人类或AI）能够验证和复制结果。
跨语言和表达标准化：不同AI系统可能采用不同的表达方式和概念框架。aiXiv平台需要建立标准化的表达协议，确保不同系统之间的研究成果可以有效比较和整合。

随着这些挑战的解决，aiXiv平台不仅将成为AI和机器人科学家研究成果的集散地，还将催生全新的科学评价范式和知识传播模式。

建立aiXiv这样的平台具有改革科学出版的潜力，通过促进创新、维护学术诚信，最终加速科学发现的步伐。

超级人工智能的标准

自主科学家的能力分级

随着AI和机器人技术的飞速发展，科学界对如何评估这些系统的能力产生了浓厚兴趣。论文提出了一个框架，将自主科学家（AGS）分为不同级别，基于其自主度、与模拟和现实环境的交互，以及整体研究能力，为理解AGS的演化路径提供了清晰的图景。

该表详细描述了自主科学家的六个级别，从0级（无AI）到5级（先驱者）：

0级，无AI：在这一基础级别，科学研究完全不借助具有较强繁华能力的人工智能工具。研究完全依赖于既定的方法论方法和特定学科的仪器。科学家使用针对特定领域的专业设备和软件，例如化学中的光谱设备和分析平台，或公共卫生领域的SPSS等统计软件包和流行病学建模工具。虽然这些传统资源在其指定领域内非常有效，但它们通常缺乏无缝跨学科整合的能力，且需要大量人类专业知识来解释和应用。

1级，工具辅助：这一级别标志着简单AI工具的引入，旨在帮助研究者完成特定的、狭义定义的任务。AI主要由人类科学家驱动，提供基本功能，如API驱动的数据检索、自动文本生成和跨学科简单连接的识别。

这一级别的系统例子包括ChatGPT等用于文本辅助的工具和用于数据处理的基础机器学习模型。虽然AI能够通过处理和总结信息或对直接提示提供建议来做出贡献，但其独立行动和主动性的能力仍然有限。

2级，智能助手：在这一阶段，AI系统开始作为复杂研究助手发挥作用，能够导航和综合来自各个领域的知识。在人类监督下，这些智能代理可以自主进行基于网络的信息收集，执行虚拟模拟，并整合来自不同科学学科的见解。

像OpenDevin、DeepResearch等系统，在数据获取、分析和假设制定方面提供帮助，代表了这一级别。然而，仍然需要大量人类监督来定义其活动范围并解释结果信息。

3级，协作伙伴：这一级别的AI系统演变为科学研究中的自主协作伙伴，无缝整合与虚拟和物理环境的交互。配备先进机器人技术，它们能在生物学、工程学和医学等领域进行实验，在物理世界中执行精确操作。

这些系统能够自主执行复杂的跨学科任务，但仍与人类科学家合作，利用各自的优势。结合传感器数据处理、半自主实验执行和集成数据分析的先进机器人平台是这一级别的关键例子。

4级，自主研究者：在这一阶段，AI与机器人以显著的独立性运作，仅需最少的人类指导。这些系统能够在模拟和现实环境中进行高级研究，采用自主信息检索并综合来自广泛领域的知识。

它们能够通过识别和连接之前分散领域的数据点，生成新见解并提出创新解决方案。人工通用智能机器人（AGIR）代表了这一类别，它们推动跨学科研究的边界，同时仍然从偶尔的人类监督或复杂问题解决或伦理考量的干预中受益。

5级，先驱者：最高级别代表完全自主系统，在科学研究中超越人类能力。被称为人工超级智能机器人（ASIR），这些系统在所有环境中完全独立运作——虚拟、物理和实验环境，能够进行开创性研究而无需任何人类干预。它们不仅综合跨学科知识，还创新并制定全新的科学原理。

它们的工作导致前所未有的科学发现，将它们定位为AI驱动研究的前沿先驱。虽然承认由于实质性技术、伦理和实际挑战，实现5级自主性存在固有不确定性，但这一级别作为该领域的雄心勃勃的长期目标，激励着自主科学发现的持续探索和创新。

这一分级框架不仅描述了当前状态，还提供了AGS系统未来发展的路线图。当前的系统大多处于1级和2级，少数达到3级的部分功能。实现真正的4级和5级AGS系统是一个长期目标，需要在多个技术领域取得突破。

该图展示了自动化研究的历史与未来发展时间线。从最初的人类使用工具阶段，到当前的知识提供者和代理阶段，再到未来的「人类水平」和「超人类」阶段，自动化研究经历了一个漫长的演化过程。当前，我们处于从「聊天」转向「代理」的阶段，而未来十年可能看到向真正「机器人」和「人类水平」的转变。最终，可能在2030年之后，我们可能见证「超人类」水平自主科学家的出现

值得注意的是，这些时间预测具有高度的不确定性，取决于多个技术领域的进展速度，包括大模型能力、机器人技术、自主学习和环境适应性等。然而，时间线提供了一个有价值的参考框架，帮助我们理解这一领域的发展轨迹。

超越人类的科研智能

当我们考虑超级人工智能（ASI）的标准时，一个重要的观点浮现出来：科学发现能力可能是评估超级智能的最佳标准，与通常基于智商测试或语言生成能力的智能评估方法形成对比。

科学发现需要深刻的洞察力、创造性思维、复杂推理和跨领域知识整合—这些都是真正智能的标志。

科学发现能力作为超级智能标准的理由包括：