AI Coding成功率88%，科研僅3%？「科研是下一個Coding」，還差關鍵一環

新智元報道

一名頂尖實驗室的材料研究員，最無力的瞬間，從來不是想不出創新思路，而是 AI 一天推演上百種新配方，人工實驗一年測不完；

最可惜的損耗，不是實驗本身的失敗，而是隨著項目結束、人員更迭導致數據、經驗、參數未能有效存留，讓下次的研究需要重復起步、反復試錯。

這并非是科研人員的個人難題，某種程度上折射出當前 AI for Science（AI4S）賽道中一個值得關注的結構性矛盾。

當下，人工智能的迭代速度加快，模型參數不斷擴容、智能體運行能力穩步提升，曾經按月交付的軟件任務，如今以天、甚至小時為單位在快速落地。

行業普遍形成一種共識：沿著現有技術路徑持續優化迭代，AI 的通用能力將保持穩步進階。

但一組真實的行業對比數據，也提示我們對 AI 全能進化的認知要回歸理性。

過去十八個月，AI Coding 領域暴熱，任務成功率從不足 5% 飆升至 88%，代碼生成、自測迭代的閉環已經跑通，賽道增量空間逐步收窄。

反觀核心的原創科學研究領域，技術迭代節奏相對平緩。

主流大模型的科研任務完成率在 3% 左右，在 NatureBench 涵蓋的 90 項頂級真實科研任務，最優智能體能超越原始論文成果的比例為 17.8%。

這一冷熱不均的行業反差，清晰界定了當前 AI 的能邊界：大模型更擅長處理答案固定、反饋即時的標準化任務，面對無標準答案、問題維度模糊、驗證周期漫長的原創科研場景適配性相對有限。

AI 已熟練掌握高效編碼、標準化解題的能力，但在未知領域的自主探索、原創科研創新上，仍存在明顯短板。

上海AI實驗室主任、首席科學家周伯文認為，這種能力差距的核心，是當前大模型普遍缺失科學元認知：

它能精準調用海量已知知識，卻無法識別知識的邊界；

能生成看似自洽的推演結論，卻不會自主提出可證偽的科學假設；

能基于文本做概率擬合，卻無法在真實世界的反饋中修正、重構自身認知。

標準化解題與原創科研探索的核心差異，正體現在這一點。

究其本質，當前 AI 科研的核心短板，并非知識儲備不足，而是極度缺乏真實科研場景的失敗樣本與負反饋。

編程場景具備秒級反饋、即時證偽的迭代特性，任務對錯可快速判定；

而基礎科研試錯成本高、驗證周期可達數月，失敗類數據公開度低、有效反饋樣本稀缺。

模型訓練大多依托公開的成功論文成果，難以學習海量真實試錯背后的底層邏輯，最終形成擅長模仿復用、弱于原創突破的行業現狀。

這一現狀，進一步凸顯了 AI 科研的兩大核心瓶頸，制約著技術深度落地：

一方面，大模型可快速推演生成海量科研方案，但線下實驗驗證效率偏低、進度滯后，逐步形成方案堆積、驗證滯后的行業痛點；

另一方面，科研試錯經驗、實驗數據缺乏系統化留存渠道，導致科研工作容易陷入重復試錯、低效迭代的狀態。

兩大瓶頸限制了 AI 科學研究的落地上限，讓多年來的 AI4S 技術探索，更多停留在淺層效率提升階段，難以實現科研范式的顛覆性突破。

WAIC 2026，上海 AI 實驗室發布了「書生·端硯」科學發現平臺，有望為長期存在的科研結構性矛盾提供一種新的思路與解決方案。

區別于行業內多數產品依托大模型適配科研場景、實現淺層提效的優化模式，「書生·端硯」以干濕實驗閉環迭代、科研資產沉淀為核心能力，補齊 AI 科研缺失的真實場景反饋鏈路，推動 AI 科研應用從單點效率優化，邁向科研范式升級的全新階段。

真正的科學智能，并非簡單的文獻閱讀、數據計算，而是能夠對接真實物理世界的反饋、沉淀可復用、可迭代的科研資產，這也是 AGI4S 領域需要長期探索的核心目標。

補齊 AI 科研反饋滯后短板
打通數字推演與實體實驗鏈路

當前 AI 科研普遍存在推演高效、落地困難的痛點，核心癥結在于真實場景反饋機制的不完善。

大模型依托海量文本數據完成訓練，擅長基于存量知識開展推演生成，短時間內即可產出大量蛋白質序列、新材料配方、量子排布等科研方案。

但傳統科研驗證體系與之適配性不足：濕實驗依賴人工操作、設備體系分散、流程繁瑣，整體通量低、周期長、成本高，一次完整的科研驗證往往需要數天甚至數月。

缺少真實實驗校驗、失敗數據修正和物理世界反饋糾錯，AI 的各類推演結果，本質上是基于文本數據的概率擬合，尚未完全實現對真實科學規律的精準探索與驗證。

行業頭部玩家也在持續探索突破：

Anthropic 最新發布的 Claude Science，接入 60 個科學數據庫，可依托自然語言驅動多步驟科研流程；

OpenAI 推出的 GeneBench-Pro，聚焦基因組學、定量生物學真實場景，專項評測 AI Agent 處理模糊數據、完成多階段科研判斷的綜合能力。

但目前行業主流方案，大多仍局限于讀（文獻）、算（模型計算）的純數字化場景，尚未完全打通數字推演到物理實驗驗證的完整閉環，很難支撐高價值的原創科學研究落地。

「書生·端硯」的核心突破在于構建了「讀-算-做」一體化閉環，補齊 AI 科研最關鍵的真實場景反饋鏈路，打通了數字推演到落地實體實驗的關鍵環節。

依托專屬的具身自主實驗體系，平臺打破了仿真計算與實體實驗的場景壁壘，搭建起干濕自主迭代的閉環：AI 自主生成科研假設 → 智能體完成多維度仿真篩選 → 自動化實驗設備承接落地測試 → 實測數據實時回流迭代。

搭配多智能體協同核驗系統，全流程無需人工跨平臺搬運數據、手動適配格式，可實現自主運轉、自動糾錯。

這套運行機制，從根源改善了 AI 缺乏有效反饋迭代的短板，讓每一次模型推演都能對接真實實驗校驗，每一次推演偏差均可得到及時修正，有效改善純模型推演脫離實操場景的問題。

落地成果直觀印證了這套閉環的應用價值：

在蛋白質工程賽道，平臺將傳統數天的迭代周期壓縮至分鐘級，驗證通過率提升超 3 倍，徹底告別「AI 推演、人工苦熬」的低效模式；

在量子計算領域，依托極速閉環驗證能力，創下 60 毫秒搭建 2024 原子無缺陷陣列的全球新紀錄，讓前沿理論快速落地為可復用的技術成果。

整體而言，「書生·端硯」的核心價值，并非單純提升計算效率，而是針對性解決行業普遍存在的推演產出多、落地驗證難、偏差修正慢、成果轉化弱的核心痛點，為 AI 科研植入真實世界的迭代邏輯，推動模型從標準化工具，升級為可探索未知領域的科研協作載體。

反低效內卷
沉淀科研復利資產

如果說驗證滯后制約了科研即時落地效率，那么科研經驗的零散流失，便是影響 AI 科研長期進化的核心因素，也是大模型科學探索能力增長緩慢的深層原因。

傳統科研體系存在致命的機制短板：各類實驗參數、失敗案例、仿真代碼、分子結構、測試數據，全部零散存儲在個人電腦、孤立設備、單次項目中，缺乏統一的歸檔、沉淀、復用機制。

一旦遇到團隊更迭、項目結題收尾，大量試錯經驗、核心失敗數據便容易流失浪費。

文獻數據、實驗數據的抽取和沉淀

這也造就了科研領域低效內卷的現狀：

AI 持續擬合公開的成功科研數據，卻難以觸達科研場景中占比超 90% 的試錯數據；

前人驗證過的無效方案、踩過的技術誤區，后續研究仍會重復嘗試；

已被證偽的科研路徑，模型依舊會反復推演。

導致科研工作僅有單次試錯成本消耗，無長期迭代收益，即便 AI 通用能力持續升級，原創科學研究成果依舊進展緩慢。

「書生·端硯」搭建的全流程科研資產結構化沉淀體系，可有效破解科研經驗流失難題，重構科研長期迭代的底層邏輯。

平臺將資產沉淀機制深度融入「假設-仿真-實驗-回流」全科研鏈路。

所有公式圖表、實驗參數、運行代碼、成敗數據、推演日志，均會按照專業標準自動結構化歸檔、統一留存、全程留痕。

尤其是行業長期忽略的海量失敗數據、無效試錯參數，均可完整留存，補足了 AI 科研訓練中稀缺的負樣本數據。

更具價值的是，平臺沉淀的科研資產并非靜態存檔數據，而是可復用、可迭代、可持續反哺模型的動態核心資源。

跨項目、跨團隊可快速檢索復現、二次調用，大幅減少重復試錯的無效工作；

同時，涵蓋成功與失敗的全量真實實驗數據，可持續反哺大模型迭代優化，穩步提升 AI 的科研判斷力與推演精準度，讓模型能夠依托真實試錯數據總結規律、探索未知。

這是一次科研底層邏輯的優化升級：

傳統科研模式下，實驗結束即流程收尾，失敗數據大多作廢閑置；

平臺賦能下，實驗完成即資產沉淀，數據積累持續驅動科研進階。

每一次試錯、每一組數據、每一輪推演，都不再是單一科研的成本消耗，而是支撐后續創新、驅動 AI 科研能力進化的核心資產，有效幫助科研工作實現復利式增長。

「書生·端硯」并非單純升級的文獻處理大模型，而是一套完整落地「假設推演—仿真計算—實體實驗—數據回流」全鏈路的科學智能系統。

目前，平臺已在蛋白質工程、量子計算、腦科學、新材料研發、半導體、地球氣象六大前沿科研領域落地應用，適配多場景原創科研需求。

AI 賦能科研的終極價值，不是替代研究員思考，而是聚焦前沿核心創新，推動AI從標準化的算力工具，進階為可探索未知、可持續迭代的科研協作伙伴。

正如周伯文所言，AI 的使命應從「加速科研自動化」邁向「以復雜科研任務牽引高階智能」。

「書生·端硯」的技術探索與落地實踐，走的正是這條路——它不是替代科學家做判斷，而是幫助科學家更快地驗證判斷、更系統地沉淀判斷，讓每一次實驗的反饋，都能成為下一次假設的起點。

參考資料：

邁入AGI科學元認知時刻，『書生·端硯』解鎖全棧科研新能力 | WAIC 2026

周伯文：AGI的下一程，迎接科學元認知時刻 | WAIC 2026