在脑科学领域，始终存在一个著名的“不可能三角”悖论。

当你希望深入研究复杂的认知功能时，就必须使用与人类亲缘关系更近的动物模型。然而，模型越接近人类，实验周期就越长，投入成本也越高。周期与成本的增加，直接限制了可验证科学假设的数量。

小鼠实验通常以月为单位，猕猴实验则以年计算，而人类临床研究更是动辄跨越十年。在脑科学探索中，时间无疑是最昂贵的资源。

2026年7月17日，在WAIC科学前沿论坛上，上海人工智能实验室主任周伯文正式发布了名为「书生・端砚」的科学发现平台。针对脑科学领域，该平台开辟了一条全新的路径：利用人工智能在斑马鱼身上“预演”那些原本需要在哺乳动物身上进行的复杂实验。

斑马鱼与人类的基因同源性超过70%，其神经回路的结构与功能原理在哺乳动物中保持着高度的保守性。加之胚胎透明、发育迅速、可大规模并行实验等优势，斑马鱼已成为脑科学领域性价比极高的脊椎动物模型之一。

但传统研究面临一个根本性的困境：从鱼类到人类，横亘着巨大的认知鸿沟。鱼脑的神经活动如何映射到哺乳动物的行为决策？在斑马鱼身上验证的发现，对人类研究究竟有多大的参考价值？

「书生・端砚」给出的解决方案是，构建一个具备真实解剖学依据的虚拟斑马鱼系统。

脑神经科学家与人工智能研究者通力合作，在“书生”的助力下，成功打造了全球首个基于脊椎动物斑马鱼底层架构的自主脑科学发现平台——∑Brains-Lab，并构建了“脑—躯体—环境”全闭环数字仿真体系。这个数字大脑并非凭空想象——它首次建立了具有介观图谱约束的脊椎模式动物数字脑，其神经网络连接均建立在真实的解剖学数据之上。

实际效果如何？

数字斑马鱼大脑的行为预测准确率已超过69%；配套的AI神经科学家智能体能够自主完成数字实验，其分析结论与人类领域专家的匹配度高达75%以上。

该系统能够形成干湿一体的科研闭环：在数字世界中完成假设验证，再通过真实实验进行确认，实验数据回流优化模型。更重要的是，这一系统可以从斑马鱼逐步泛化到小鼠、猕猴，直至人脑，无需大量活体动物实验，即可自主产出全新的脑神经机理科学发现。

具体而言，可以先在数字斑马鱼上快速验证100个假设，从中筛选出最有希望的3个，再转移到更复杂的模型上进行重点攻关。这并非要替代真实实验，而是利用人工智能将试错成本压缩到原来的几十分之一。

一场关于“元认知”的深度探索

数字斑马鱼仅仅是一个起点。更值得关注的是——「书生・端砚」已在生命科学、关键材料、半导体、核聚变、量子计算、地球气象这六大领域同步落地应用。

它凭什么能够横跨六个学科？

周伯文在演讲中用一个比喻做出了解释：在中国传统语境中，“书生”并非只会死读四书五经的应试者，而是琴棋书画、六艺皆精的通才。而“端砚”则是书生产生影响力的载体。

这个比喻背后，隐藏着一个更为宏大的判断——即“元认知”的能力。周伯文将这一能力提升到了决定性的高度。元认知指的是“对认知的认知”，即你对自己知识状态的理解与调控能力。一个具备元认知能力的人，不仅能解决问题，还清楚自己知道什么、不知道什么，以及如何获取未知的信息。简而言之：你意识到自己的无知，并且知道如何将未知转化为已知。

科学领域也即将迎来元认知的时刻。周伯文指出，当前AI科研的核心短板并非知识储备不足，而是在真实科研场景中极度缺乏失败样本与负反馈。

在WAIC 2026科学前沿论坛的主旨演讲中，他公布了一组数据：过去一年半，AI编程成功率从不足5%飙升至超过88%。然而，顶尖大模型在端到端科学研究任务上的完成率，在过去18个月里始终停滞在3%左右。两者之间呈现出一冷一热的鲜明对比。

“Coding能被攻克，是因为反馈及时且边界清晰；而科学研究是开放型任务，反馈周期长、失败率高。”周伯文解释道。

他的判断是：“科学研究将是下一个Coding。” AI for Science不仅仅是通用AI的一个应用场景，更是突破AI智能上限的必经之路。

要跨越从3%到88%之间的鸿沟，使AI具备元认知能力，需要实现三个转变：从“数据驱动”转向“世界交互”，从“及时反馈”转向“长程推理”，从“模仿正确”转向“善用失败”。当这三个转变叠加时，模型便会迎来所谓的“科学元认知时刻”。

而「书生・端砚」正是为迎接这一时刻而精心设计的闭环系统。这不仅仅是工具的堆叠，更是一套通过可信验证持续重构认知的闭环体系。

一个平台，五大齿轮协同驱动

「书生・端砚」之所以能够构建完整的科学元认知闭环，其核心在于五大底层要素的深度协同与环环相扣，形成了“算力—数据—模型—智能体—自主实验”的全栈一体化基础设施。

算力层：依托DeepLink超智融合算力平台，联动全国各大超算与智算中心进行统一调度。

数据层：搭载Sciverse科学智能数据库，储备了超过2800万篇可直接用于模型训练的专业论文。

模型层：以397B参数的科学大模型Intern-S2-Preview为智能中枢，创新性地将记忆存储与推理运算拆分，使推理效率提升近四倍。仅凭397B参数，就可在分子、材料预测任务上追平此前万亿参数模型的表现。

智能体层：内置200余个跨学科专业智能体，能够自主拆解复杂的科研任务。

实验层：通过具身自动化实验硬件，完成从数字推演到实物验证的最后一公里。

这五大要素环环相扣，使得平台实现了“算力—数据—模型—智能体—自主实验”全栈要素的贯通。将这些技术术语翻译成科研人员的日常体验，意思很简单：你无需再在多个不同的工具之间来回搬运数据。平台围绕一个研究课题，可以串联起从问题定义、文献调研、假设生成、方案设计、仿真计算、实验验证、结果分析、反馈修正到成果撰写的完整链条。

干湿闭环：真正的分水岭

五大要素的全栈贯通，解决了科研工具碎片化与数据流转低效的行业痛点。但真正让「书生・端砚」与普通AI科研工具拉开差距的，是它打通了干实验与湿实验的完整闭环。

「书生・端砚」生成的虚拟筛选方案，能够被标准化地转换为自动化设备的执行指令。实验跑出来的数据，会自动回流反哺模型，形成“设定目标—模型设计—计算筛选—自动实验—结果判断—反馈再设计”的循环体系。

市面上绝大多数AI科研工具都停留在“干实验”环节——即文献检索、代码生成和计算模拟。真实科研场景对AI的需求仍存在一个巨大缺口：如何将AI的“想法”转化为真实实验的“动作”，再将实验数据“喂”回给AI。「书生・端砚」恰好填补了这个缺口。其本质是一场范式的跃迁——只有打通了湿实验，AI才算真正进入了科学发现的闭环。

安全：不是“附加项”，而是“入场券”

效率的提升必须建立在平台的可信基础之上。对于生物医药、新材料等前沿领域而言，数据安全从来不是锦上添花的附加功能，而是AI进入科研核心场景的必备“入场券”。

「书生・端砚」平台将可信从“附加项”提升为平台建设的核心前提，在安全方面构建了三道坚固防线：

全流程数据留痕。构建研究全过程的可信数据链，从数据来源、处理步骤、模型调用到科研产物与最终结论，实现全流程留痕，确保来源可靠、数据可溯、产物一致、结论有据。

多智能体交叉验证。通过多个智能体对关键假设、方法和结论进行交叉验证，有效降低单一模型的偏差和幻觉风险。

守住数据、算力、权限边界。采用本地优先、计算隔离和外网访问控制等策略，严格守住科研数据、算力和权限的边界。这使得错误能够被发现、过程能够被复核、责任能够被追溯，让AI从答案生成器真正转变为可进入科研流程的可靠研究伙伴。

开放：不建壁垒，建接口

在筑牢安全边界、守住科研底线的同时，「书生・端砚」选择了一条与封闭生态截然不同的发展路径：不构建技术壁垒，而是打造万能接口。

平台推出了科学智能上下文统一协议（SCP），能够兼容各类科研智能体、软件工具与实验硬件。其设计理念不是构建技术壁垒，而是提供万能接口，连接全球范围内的科研模型、工具、数据与算力等各类资源。这种开放协同的设计思路，使「书生・端砚」不再是孤立的工具平台，而是一个能够连接全球科研资源的生态枢纽，让全球科研资源沿着同一条科学发现链路汇聚起来。

从“神来之笔”到系统能力

架构设计的先进性，最终需要依靠真实的科研成果来验证。从单点突破到规模化产出，「书生・端砚」正在将偶然的“神来之笔”沉淀为可验证、可迭代、可规模化的系统能力。

蛋白质定向进化提供了一个真实案例。清华大学的张数一课题组花了四年时间改造一个基因调控蛋白，按照传统思路，研究主要集中在核心功能区域，进展缓慢。引入「书生・端砚」后，仅经过两轮迭代，就在一个传统上被认为无关紧要的“非功能区”锁定了一轮新的突变组合。最终，蛋白质功能较此前《自然》报道的最佳结果提升了77%，较野生型提高了50倍，而验证周期被压缩到原来的二十分之一。

请注意一个细节：关键突变出现在传统认为的“非功能区”。AI的发现，已经超出了人类的既有认知边界。周伯文对此总结道：“端砚要做的，就是把偶然的‘神来之笔’，变成可验证、可迭代、可规模化的科学发现能力。”

这并非孤例。目前，「书生・端砚」已在生命科学、关键材料、半导体、核聚变、量子计算、地球气象等核心领域落地，成为科研人员重构科学发现范式的得力助手。

在脑科学领域，除了斑马鱼数字脑，平台还建成了统一脑电与脑磁信号的大脑基础模型，实现了跨设备、跨模态、跨任务、跨被试的统一神经信号建模，相关成果已刊发于《细胞》子刊。

△统一脑电与脑磁信号的大脑基础模型

在地球科学领域，平台协助大气物理学家构建了Earth-o1大气世界模型，跳过了传统数值求解器，直接从卫星观测数据中学习地球系统的三维演化过程。在36小时的预测窗口内，其观测预报技巧超越了传统数值模式15%，并支持任意时刻、任意位置的大气状态推演。

△Earth-o1大气世界模型

在空天飞行器领域，平台联合中国航天科技集团推出了“书生·扶摇”，使飞行器概念设计具备了小时级的迭代能力——而传统流程通常按周计算。

△空天飞行器气动智能联合创新平台“书生·扶摇”

在电镀材料领域，平台联合厦门大学将原本数小时的高精度计算压缩至毫秒级，使电镀配方研发从“经验试错”转向“AI预测、实验验证”的高通量模式。

△先进封装电子电镀配方研发智能体

在量子计算领域，平台帮助物理学家打造了全球首套AI中性原子并行排布算法，将原子排布从指数级搜索压缩至常数级执行路径。仅需60毫秒即可搭建包含2024个原子的无缺陷二维和三维阵列——这项突破成功入选美国物理学会《物理》杂志2025年度全球九大物理学重大进展。

……

从脑科学到空天飞行器，从量子计算到地球科学——从水里游的到天上飞的，从微观世界到宏观宇宙——AI驱动科学发现已不再是PPT里的概念，而是已经在多个学科领域得到验证的实战能力。

今年3月，上海AI实验室发布了面向重大科学研究突破的“AGI4S珠穆朗玛计划”。「书生・端砚」正是该计划的核心落地载体。

「书生・端砚」从2025年初代书生科学发现平台（Intern-Discovery）升级而来，呈现出科研流程贯通、学科纵深加强、数据安全可控、运行可信透明四个显著特点。它确立了学科纵深、全流程贯通、原生科研产物、安全可控、可信透明、开放协同这六项设计理念。

该平台即日起开启内测，一个月后将对全球科学家开放公测，两个月后发布桌面版。

它不仅仅是一个普通的科研工具。它是一套贯通“认知、推演、行动和反馈”的全新范式——让AI从“重述已知”真正走向“产出未知”。