一名顶尖实验室的材料研究员，最无力的瞬间，往往不是想不出创新思路，而是AI一天能推演上百种新配方，但人工实验一年也测不完；最可惜的损耗，也不是实验本身的失败，而是随着项目结束、人员更迭，那些数据、经验、参数没能有效留存，导致下一次研究又得从零开始，重复试错。

这并非某个科研人员的个人难题，它折射出的是当前AI for Science（AI4S）赛道中一个值得关注的结构性矛盾。

人工智能的迭代速度实在太快了。模型参数不断扩容，智能体运行能力稳步提升，曾经按月交付的软件任务，如今以天、甚至小时为单位快速落地。行业里逐渐形成一种共识：沿着现有技术路径持续优化，AI的通用能力会稳步进阶。

但一组真实的行业对比数据，也提醒我们，对AI全能进化的认知，需要回归理性。

过去十八个月，AI Coding领域暴热，任务成功率从不足5%飙升至88%，代码生成、自测迭代的闭环已经跑通，赛道的增量空间正在逐步收窄。

反观核心的原创科学研究领域，技术迭代节奏则显得相对平缓。主流大模型的科研任务完成率仍在3%左右徘徊，在NatureBench涵盖的90项顶级真实科研任务中，最优智能体能超越原始论文成果的比例也仅为17.8%。

这一冷热不均的行业反差，清晰地界定了当前AI的能力边界：大模型更擅长处理那些答案固定、反馈即时的标准化任务；而面对无标准答案、问题维度模糊、验证周期漫长的原创科研场景，其适配性就相当有限了。

AI已经娴熟地掌握了高效编码、标准化解题的能力，但在未知领域的自主探索、原创科研创新上，短板依然明显。

上海AI实验室主任、首席科学家周伯文对这一现象有着更本质的洞察——他认为，核心根源在于当前大模型普遍缺失一种“科学元认知”：

它能精准调用海量已知知识，却无法识别知识的边界；

它能生成看似自洽的推演结论，却不会自主提出可证伪的科学假设；

它能基于文本做概率拟合，却无法在真实世界的反馈中修正、重构自身认知。

标准化解题与原创科研探索的核心差异，正体现在这里。

究其本质，当前AI科研的核心短板，并非知识储备不足，而是极度缺乏真实科研场景中的失败样本与负反馈。

编程场景具备秒级反馈、即时证伪的迭代特性，任务对错可以快速判定；而基础科研的试错成本高、验证周期可达数月，失败类数据公开度低，有效反馈样本极其稀缺。

模型训练大多依托于公开的成功论文成果，难以学习海量真实试错背后的底层逻辑，最终形成了“擅长模仿复用、弱于原创突破”的行业现状。

这一现状，进一步凸显了AI科研的两大核心瓶颈，制约着技术的深度落地：

一方面，大模型可以快速推演生成海量科研方案，但线下实验验证效率偏低、进度滞后，逐步形成了方案堆积、验证滞后的行业痛点；

另一方面，科研试错经验、实验数据缺乏系统化的留存渠道，导致科研工作容易陷入重复试错、低效迭代的状态。

这两大瓶颈限制了AI科研落地的上限，让多年来的AI4S技术探索，更多停留在浅层效率提升的层面，难以实现科研范式的碘伏性突破。

在WAIC 2026上，上海AI实验室发布了“书生·端砚”科学发现平台，这或许为长期存在的科研结构性矛盾，提供了一种新的思路与解决方案。

与行业内多数产品依托大模型适配科研场景、实现浅层提效的优化模式不同，“书生·端砚”将核心能力聚焦于“干湿实验闭环迭代”和“科研资产沉淀”，试图补齐AI科研缺失的真实场景反馈链路，推动AI科研应用从单点效率优化，迈向科研范式升级的全新阶段。

真正的科学智能，并非简单的文献阅读、数据计算，而是能够对接真实物理世界的反馈，沉淀出可复用、可迭代的科研资产，这也是AGI4S领域需要长期探索的核心目标。

补齐AI科研反馈滞后短板，打通数字推演与实体实验链路

当前AI科研普遍存在“推演高效、落地困难”的痛点，核心症结在于真实场景反馈机制的不完善。

大模型依托海量文本数据完成训练，擅长基于存量知识进行推演生成，短时间内即可产出大量蛋白质序列、新材料配方、量子排布等科研方案。但传统科研验证体系与之适配性不足：湿实验依赖人工操作、设备体系分散、流程繁琐，整体通量低、周期长、成本高，一次完整的科研验证往往需要数天甚至数月。

缺少真实实验校验、失败数据修正和物理世界反馈纠错，AI的各类推演结果，本质上还是基于文本数据的概率拟合，尚未完全实现对真实科学规律的精准探索与验证。

行业头部玩家也在持续探索突破：Anthropic最新发布的Claude Science，接入了60个科学数据库，可依托自然语言驱动多步骤科研流程；OpenAI推出的GeneBench-Pro，聚焦基因组学、定量生物学真实场景，专项评测AI Agent处理模糊数据、完成多阶段科研判断的综合能力。

但目前行业主流方案，大多仍局限于“读”（文献）、“算”（模型计算）的纯数字化场景，尚未完全打通数字推演到物理实验验证的完整闭环，很难支撑高价值的原创科学研究落地。

“书生·端砚”的核心突破在于构建了“读-算-做”一体化闭环，补齐了AI科研最关键的真实场景反馈链路，打通了数字推演到落地实体实验的关键环节。

依托专属的具身自主实验体系，平台打破了仿真计算与实体实验的场景壁垒，搭建起干湿自主迭代的闭环：AI自主生成科研假设 → 智能体完成多维度仿真筛选 → 自动化实验设备承接落地测试 → 实测数据实时回流迭代。

搭配多智能体协同核验系统，全流程无需人工跨平台搬运数据、手动适配格式，可实现自主运转、自动纠错。

这套运行机制，从根源上改善了AI缺乏有效反馈迭代的短板。每一次模型推演都能对接真实实验校验，每一次推演偏差均可得到及时修正，有效改善了纯模型推演脱离实操场景的问题。

落地的成果也直观印证了这套闭环的应用价值：在蛋白质工程赛道，平台将传统数天的迭代周期压缩至分钟级，验证通过率提升超过3倍，彻底告别了“AI推演、人工苦熬”的低效模式；在量子计算领域，依托极速闭环验证能力，创下了60毫秒搭建2024原子无缺陷阵列的全球新纪录，让前沿理论快速落地为可复用的技术成果。

整体而言，“书生·端砚”的核心价值，并非单纯提升计算效率，而是针对性地解决了行业普遍存在的“推演产出多、落地验证难、偏差修正慢、成果转化弱”的核心痛点，为AI科研植入了真实世界的迭代逻辑，推动模型从标准化工具，升级为可探索未知领域的科研协作载体。

反低效内卷，沉淀科研复利资产

如果说验证滞后制约了科研的即时落地效率，那么科研经验的零散流失，便是影响AI科研长期进化的核心因素，也是大模型科学探索能力增长缓慢的深层原因。

传统科研体系存在一个致命的机制短板：各类实验参数、失败案例、仿真代码、分子结构、测试数据，全部零散地存储在个人电脑、孤立设备、单次项目中，缺乏统一的归档、沉淀、复用机制。一旦遇到团队更迭、项目结题收尾，大量试错经验、核心失败数据便容易流失浪费。

文献数据、实验数据的抽取和沉淀

这也造就了科研领域低效内卷的现状：AI持续拟合公开的成功科研数据，却难以触达科研场景中占比超过90%的试错数据；前人验证过的无效方案、踩过的技术误区，后续研究仍会重复尝试；已被证伪的科研路径，模型依旧会反复推演。这导致科研工作仅有单次试错成本消耗，而无长期迭代收益，即便AI通用能力持续升级，原创科学研究成果依旧进展缓慢。

“书生·端砚”搭建的全流程科研资产结构化沉淀体系，可以有效破解科研经验流失的难题，重构科研长期迭代的底层逻辑。

平台将资产沉淀机制深度融入了“假设-仿真-实验-回流”全科研链路。所有公式图表、实验参数、运行代码、成败数据、推演日志，均会按照专业标准自动结构化归档、统一留存、全程留痕。尤其是行业长期忽略的海量失败数据、无效试错参数，均可完整留存，补足了AI科研训练中稀缺的负样本数据。

更具价值的是，平台沉淀的科研资产并非静态的存档数据，而是可复用、可迭代、可持续反哺模型的动态核心资源。跨项目、跨团队可以快速检索复现、二次调用，大幅减少重复试错的无效工作；同时，涵盖成功与失败的全量真实实验数据，可持续反哺大模型迭代优化，稳步提升AI的科研判断力与推演精准度，让模型能够依托真实试错数据总结规律、探索未知。

这是一次科研底层逻辑的优化升级：传统科研模式下，实验结束即流程收尾，失败数据大多作废闲置；而在平台赋能下，实验完成即资产沉淀，数据积累持续驱动科研进阶。每一次试错、每一组数据、每一轮推演，都不再是单一科研的成本消耗，而是支撑后续创新、驱动AI科研能力进化的核心资产，有效帮助科研工作实现复利式增长。

“书生·端砚”并非单纯升级的文献处理大模型，而是一套完整落地“假设推演—仿真计算—实体实验—数据回流”全链路的科学智能系统。目前，平台已在蛋白质工程、量子计算、脑科学、新材料研发、半导体、地球气象六大前沿科研领域落地应用，适配多场景原创科研需求。

AI赋能科研的终极价值，不是替代研究员思考，而是聚焦前沿核心创新，推动AI从标准化的算力工具，进阶为可探索未知、可持续迭代的科研协作伙伴。

正如周伯文所言，AI的使命应从“加速科研自动化”迈向“以复杂科研任务牵引高阶智能”。“书生·端砚”的技术探索与落地实践，走的正是这条路——它不是替代科学家做判断，而是帮助科学家更快地验证判断、更系统地沉淀判断，让每一次实验的反馈，都能成为下一次假设的起点。