时间：2026-08-24 23:15:42 来源：冰寒于水网 作者：焦点 阅读：440次

允中 发自 凹非寺量子位 | 公众号 QbitAI今年8月，篇论谷歌首座科学家Jeff Dean宣布离职，文改网易创办AI4S公司Discovery Loop。科科研科学同样是研评原理今年，OpenAI、价规践数据双基础Anthropic、则中英伟达等科技巨头相继官宣入局AI4S这一方向。国公更低国际这批“跨界”大厂玩家的司拿实验目标莫大一致：不只做科研辅助工具，而是出实成本打造能自主跑完“假设→设计实验→执行印证→迭代优化”完整科研循环的“AI科学家”。不只这些科技巨头，榜第有许多公司已经更早入场。大会订阅成立于2024年的篇论中国企业深度原理，是文改网易全球最早押注AI自主科研方向的公司之一。这一赛道背后是科科研科学一片广阔的“金矿”。一旦AI能够实现自主闭环科研，研评原理AI就能从“卖软件”升级为新材料、新药物等万亿实体产业的生产力基座国家战略层面也重视这个赛道。AI驱动科学发现已被纳入我国新一轮科技强国战略行业越热，一个问题就越绕不开：怎么评价这些“AI科学家”们到底做得好不好？旧的衡量标尺，已经不够用了长期以来，行业通用的衡量AI科研水平的标尺是HLE这类闭卷知识考试。它们本质上是只看最终答案的考卷，只看答案，不会看答案生成的过程。获得高分的这类AI科研工具，通常让它做一个实际实验就会暴露问题：它们可能可以流畅的引用文献，但无法停下来审视反思异常数据，也可能给出看似头头是道，实际上无法执行的实验方案。8月19日，一篇名为《Measuring AI Scientists: From Exams to Discovery》的论文发布，第一次为“AI进行真实科研的水平”提出了系统完整的评价范式，正式填上了这个衡量标尺的缺口。论文由中国AI4S企业深度原理（Deep Principle）联合微软研究院、斯坦福大学、FutureHouse、Edison Scientific、艾伦人工智能研究所、加州大学伯克利分校等全球顶尖产学机构共同完成。全球最大材料开源数据品种Materials Genome和库Materials Project创始人Kristin Persson、FutureHouse和Edison Scientific的创始人，近期《Nature》期刊Co-Scientist论文核心作者Andrew White、 科研智能体评测标杆ScienceWorld核心开发者Peter Jansen、2023年Nature上AI4S review的第一作者Yuanqi Du、 Terminal Bench的最后通讯作者Ludwig Schmidt等AI4S泰斗级学者奠定了框架的学术权威性；深度原理作为唯一的中国产业代表，以真实研发管线跑出来的一线经验，让这套框架具备落地的可操作性。文章中甚至出现诺贝尔化学奖得主Frances Arnold的署名，一个不以AI见长且几乎不在AI4S界出现的科学家的名字，表明科学界的“权威”对这个方向的日益重视。2026年，从科技大厂到创业公司，各类玩家纷纷入场AI科研赛道，行业竞争加剧。这一评测体系在这个时机出现，有其必然性。如何系统、完整地评价AI的科研水平论文的核心创新，是提出了发现回合（discovery episode）的评估体系。这一体系的核心逻辑是用“综合考核”的形式，全程记录AI在整个科研周期里的每一步决策，最终对整条轨迹的科学性、严谨性和有效性进行综合评分。考核方式和以前的“应试”逻辑迥然不同。围绕科研闭环的三个阶段：科研假说、方案执行、实验结果解读，这个评估体系分别建立了评判维度，最终还要进行“全流程闭环测试”，衡量AI产出真实科研发现的综合能力。△论文指出知识评测和发现评测的差别，并定义“发现回合”包含的这套体系还重新定义了失败数据的价值：失败的实验数据恰恰是训练和评估AI科研的核心资产。人类科学家能从失败中总结经验、规避弯路，AI做科研也应该学会从失败中获得经验。而且，这个考核还对AI科研结果的真实性和独立性提出了高要求，确保实验结果是“货真价实“的新发现，不是无法实证的“自宣称成果”。深度原理的MIRA，就是这套体系的现实样本在这篇标准论文发布之前，头部玩家已经在产品中跑通了闭环逻辑，深度原理的MIRA平台就是其中最典型的产业样本普通科研AI的定位是“答题工具”，科研人员给出明确问题，AI返回对应答案。MIRA的设计逻辑与普通科研AI截然不同，它搭建了覆盖“假设生成→模拟计算→实验印证→知识沉淀”的完整闭环系统，用三层架构实现真实科研团队的完整协作逻辑上层是分工协作的多智能体小队，可以统一规划和调度科研进程；中层是打通高性能计算与自动化实验室的双执行引擎，实现干湿实验室联动；底层是可沉淀、可复用的科研记忆体系，让每个品种的数据和试错结论都能留存，成为后续研究的基础。△AI Scientist Mira实际操作页面这套设计的产业价值，已经被公开基准测试印证。在化学、能源、材料综合评测Research Claw Benchmark和药物发现评测Science Agent Arena中，MIRA均位列第一，且完成单项任务的平均成本也同样处于行业最优水平（最低），同时在性能和成本两个维度形成优势。△MIRA在Research Claw Benchmark等评测中的结果△Science Agent Arena药物发现榜单：MIRA以81.1%的综合分位列第深度原理此前推出的React-OT模型，可在0.4秒内计算化学反应过渡态，奠定了平台底层的高精度计算能力。MIRA正是在这类专业模型的基础上，进一步串联起科研全流程。这一演进路径，恰是整个AI4S行业从工具到平台、从单点到闭环的缩影。作为这套评测体系的核心产业共创方，深度原理已依托MIRA与自建高通量实验平台的干湿闭环，在锂电、工业冷却液、新能源材料等赛道布局多条自研管线，由AI主导全周期科研，真实沉淀闭环数据，让平台与评测框架形成持续的互相印证与迭代。跨越干湿实验室的完整科研实践数据，是帮助AI快速掌握假设边界、规避重复试错的核心资产，展望未来也将成为下一阶段AI for Science发展的关键基础设施。结语这一标准范式的发布，是AI for Science赛道的一个里程碑节点，给所有奔跑的玩家划出了清晰的评判标尺。但检验这个新标尺的数据却不易得。只有像深度原理和Edison Scientific这些拥有化学、材料、生物全流程研发能力、并且是AI native的公司才有可能做到。过去的上半场，行业比拼的是“谁懂得更多”——大厂拼基座、拼参数、拼考试分数，用越来越难的题库，证明模型的知识厚度。这些努力奠定了AI科研的基础，但也逐渐摸到了天花板。接下来的下半场，比拼的将是“谁能真的做出东西”。今年以来，从海外大厂陆续入局，到Jeff Dean创立Discovery Loop，再到国内深度原理等企业的科研闭环实践，整个行业都在朝着“让AI真正走完从假说到发现的完整闭环”这个方向前进。如今，AI科研的评价标准越来越接近科学本身的逻辑，AI离真正成为可信科研生产力的那天，已经越来越近了。想要完整了解“发现回合”评测体系的设计细节、测试场景与量化标准，可查阅论文原文：《Measuring AI Scientists: From Exams to Discovery》https://doi.org/10.26434/chemrxiv.15007582/v1对MIRA平台感兴趣的朋友，可以在这里体验：https://mira.deepprinciple.com/chat?invite_code=CN-89K6Y3UA*本文系量子位获授权刊载，观点仅为原作者所有。

(责任编辑：娱乐)

上一篇：CBA狂野一日！宏远官宣朱杜离任，深圳续约王浩然，上海交易胡金秋被叫停|杜锋|辽篮|朱芳雨|cba|深圳市|上海市_网易订阅
下一篇：香港一80岁丈夫坠亡，66岁妻子死于屋内，2人曾因感情问题产生争执，并向家人透露过离婚的想法，香港警方：列作谋杀及自杀|坠楼_网易订阅

• 
• 
• 
• 
• 
• 
• 
•