從斑馬魚到空天飛行器，一個AI平臺正在重寫科學發現的規則

腦科學研究有一個著名的“不可能三角”。

你想研究復雜認知功能，就得用接近人類的動物模型。越接近人類，實驗周期越長、成本越高。周期越長、成本越高，能驗證的假設就越少。

小鼠實驗按月算，獼猴實驗按年算，人類臨床研究按十年算。時間，是腦科學最昂貴的成本。

2026年7月17日，WAIC科學前沿論壇。上海人工智能實驗室主任周伯文發布了一個叫「書生?端硯」的科學發現平臺。對腦科學來說，這個平臺給出了一條新路：用AI在斑馬魚身上“預演”本該在哺乳動物身上做的實驗。

斑馬魚和人類基因同源性超過70%，神經回路結構和功能原理與哺乳動物高度保守。胚胎透明、發育快、可大規模并行實驗——它是腦科學領域性價比最高的脊椎動物模型之一。

但傳統研究有個死結：從魚到人，中間隔著巨大的認知鴻溝。魚腦的神經活動怎么映射到哺乳動物的行為決策？在魚身上驗證的發現，對人類研究有多大參考價值？

「書生?端硯」給出的答案是，構建一個有真實解剖學依據的虛擬斑馬魚系統。

觀看視頻：
https://mp.weixin.qq.com/s/x6WBr5uMLr3g7rNTKWFv4w

腦神經科學家和AI研究者在“書生”的幫助下，打造了全球首個基于脊椎動物斑馬魚底層架構的自主腦科學發現平臺∑Brains-Lab，搭建了“腦—軀體—環境”全閉環數字仿真體系。這個數字腦不是憑空捏的——

它首次建立了具有介觀圖譜約束的脊椎模式動物數字腦，神經網絡連接有真實的解剖學依據。

效果怎么樣？

數字斑馬魚大腦的行為預測準確率超過69%；配套AI神經科學家智能體自主完成數字實驗，分析結論與人類領域專家匹配度超75%。

系統可形成干濕一體科研閉環——

在數字世界里完成假設驗證，用真實實驗確認，數據回流優化模型。而且這套系統可以從斑馬魚逐步泛化到小鼠、獼猴，最終到人腦，無需大量活體動物實驗即可自主產出全新腦神經機理科學發現。

在數字斑馬魚上快速驗證100個假設，篩選出最有希望的3個，再到更復雜的模型上重點攻關。 這不是替代真實實驗，是用AI把試錯空間壓縮到原來的幾十分之一。

一場關于“元認知”的賭局

數字斑馬魚只是一個切口。

真正值得關注的是——「書生?端硯」已經在生命科學、關鍵材料、半導體、核聚變、量子、地球氣象六大領域同時落地。

憑什么能橫跨六個學科？

周伯文在演講里用了一個比喻：中國傳統語境里的“書生”不是只會四書五經的應試者，而是琴棋書畫、六藝皆精的通才。“端硯”則是書生產出影響力的載體。

但這個比喻背后，藏著一個更大的判斷——元認知的能力。

這個能力被周伯文提到了決定性的高度。

指的是“對認知的認知”——也就是你對自己知識狀態的理解和調控能力。

一個具備元認知能力的人，不僅能解決問題，還知道自己知道什么、不知道什么，以及該如何去獲取不知道的東西。說白了：你知道自己不知道，并且知道怎么去把不知道變成知道。

科學也將達到元認知的時刻。他指出，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。

WAIC 2026科學前沿論壇的主旨演講中周伯文拋了一組數據：過去一年半，AI編程成功率從不足5%飆到超過88%。但頂尖大模型在端到端科學研究任務上的完成率，過去18個月始終停留在3%左右。

一冷一熱。

“Coding能被攻克，是因為反饋及時、邊界清晰；而科學研究是開放任務，反饋周期長、失敗率高。”周伯文說。

他的判斷是：“科學研究是下一個Coding。” AI for Science不是通用AI的一個應用場景，而是突破AI智能上限的必經之路。

要跨越這3%到88%之間的鴻溝，具備元認知能力，AI需要做到三件事：從“數據驅動”到“世界交互”，從“及時反饋”到“長程推理”，從“模仿正確”到“善用失敗”。

當這三個轉變疊加，模型就會迎來所謂的 “科學元認知時刻”。

而「書生?端硯」就是為迎接這個時刻準備的閉環系統。這不止是工具堆疊，這是一套通過可信驗證持續重構認知的閉環系統。

一個平臺，五個齒輪

「書生?端硯」之所以能構建完整科學元認知閉環，核心依托五大底層要素深度協同、環環咬合，形成 “算力 — 數據 — 模型 — 智能體 — 自主實驗” 全棧一體化基礎設施。

五大層級各司其職、無縫流轉。

算力層：依托DeepLink超智融合算力平臺，聯動全國各大超算、智算中心統一調度。

數據層：搭載Sciverse科學智能數據庫，儲備超2800萬篇可直接用于模型訓練的專業論文。

模型層：以397B參數的科學大模型Intern-S2-Preview為智能中樞，創新拆分記憶存儲與推理運算，推理效率提升近四倍，僅397B參數就能在分子、材料預測任務上追平此前萬億參數模型。

智能體層：內置200余個跨學科專業智能體，能夠自主拆解復雜科研任務。

實驗層：通過具身自動化實驗硬件，完成從數字推演到實物驗證的最后一步。

五大要素環環相扣，讓平臺實現了“算力—數據—模型—智能體—自主實驗”全棧要素的貫通。

但把這些技術名詞翻譯成科研人員的日常，意思很簡單：你不需要再在多個不同的工具之間來回搬運數據了。

平臺圍繞一個研究課題，可串聯起問題定義、文獻調研、假設生成、方案設計、仿真計算、實驗驗證、結果分析、反饋修正與成果撰寫全鏈條。

干濕閉環：真正的分水嶺

五大要素的全棧貫通，解決了科研工具碎片化、數據流轉低效的行業痛點。

但真正拉開「書生?端硯」與普通AI科研工具差距的，是它打通了干濕實驗的完整閉環。

「書生?端硯」生成的虛擬篩選方案，能標準化轉換為自動化設備執行指令。實驗跑出來的數據，自動回流反哺模型。

形成“設定目標—模型設計—計算篩選—自動實驗—結果判斷—反饋再設計”的循環。

市面上絕大多數AI科研工具停在“干實驗”環節——

文獻檢索、代碼生成、計算模擬。真實科研場景對AI的需求仍有一個大缺口：把AI的“想法”變成真實實驗的“動作”，再把實驗數據“喂”回給AI。

「書生?端硯」把這個缺口堵上了。

其本質是范式的躍遷——只有打通了濕實驗，AI才算真正進入了科學發現的閉環。

觀看視頻：
https://mp.weixin.qq.com/s/x6WBr5uMLr3g7rNTKWFv4w

安全：不是“附加項”，是“入場券”

效率的提升必須建立在平臺的可信基礎之上。

對生物醫藥、新材料等前沿領域而言，數據安全從來不是錦上添花的附加功能，而是 AI 進入科研核心場景的入場券。

「書生?端硯」平臺將可信從 “附加項” 提升為平臺建設的核心前提，平臺在安全方面建了三道防線：

全流程數據留痕。 構建研究全過程的可信數據鏈，從數據來源、處理步驟、模型調用到科研產物到最終結論全流程留痕，形成來源可靠、數據可溯、產物一致、結論有據。

多智能體交叉驗證。 通過多智能體對關鍵假設、方法和結論進行交叉驗證，降低單一模型的偏差和幻覺風險。

守住數據、算力、權限邊界。通過本地優先、計算隔離和外網訪問控制，守住科研數據、算力和權限邊界，讓錯誤能夠被發現、過程能夠被復核、責任能夠被追溯，讓AI從答案生成器真正走向可以進入科研流程的可靠研究伙伴。

開放：不建壁壘，建接口

在筑牢安全邊界、守住科研底線的同時，「書生?端硯」選擇了一條與封閉生態截然不同的發展路徑：不構建技術壁壘，而做萬能接口。

平臺推出了科學智能上下文統一協議（SCP），兼容各類科研智能體、軟件工具與實驗硬件。不構建技術壁壘，而是提供萬能接口，連接全球科研模型、工具、數據、算力等各類資源。

這種開放協同的設計思路，讓「書生?端硯」不再是一個孤立的工具平臺，而是一個能夠連接全球科研模型、工具、數據與算力的生態樞紐，讓全球科研資源能夠沿著同一條科學發現鏈路匯聚起來。

從“神之一手”到系統能力

架構設計的先進性，最終要靠真實的科研成果來驗證。

從單點突破到規模化產出，「書生?端硯」正在把偶然的 “神之一手”，沉淀為可驗證、可迭代、可規模化的系統能力。

蛋白質定向進化，提供了一個真實的驗證。 清華大學的張數一課題組花了四年改造一個基因調控蛋白，按照傳統思路研究主要集中在核心功能區域，進展緩慢。「書生?端硯」引入后，僅兩輪迭代就在一個傳統上被認為無關緊要的“非功能區”鎖定了，發現了一輪新的突變組合。

蛋白質功能較此前《自然》報道的最佳結果提升77% ，較野生型提高50倍。驗證周期被壓縮到原來的二十分之一。

注意一個細節：關鍵突變出現在傳統認為的“非功能區”。AI發現的東西，超出了人類的既有認知邊界。

周伯文對此的總結很直白：“端硯要做的，就是把偶然的‘神之一手’，變成可驗證、可迭代、可規模化的科學發現能力。”

這不是孤例。「書生?端硯」已經在生命科學、關鍵材料、半導體、核聚變、量子、地球氣象等核心領域落地，成為科研人員重構科學發現范式的得力助手。

在腦科學領域，除了斑馬魚數字腦，平臺還建成了統一腦電與腦磁信號的大腦基礎模型，實現跨設備、跨模態、跨任務、跨被試的統一神經信號建模，相關成果刊發于《細胞》子刊。

△統一腦電與腦磁信號的大腦基礎模型

在地球科學領域，協助大氣物理學家構建了Earth-o1大氣世界模型，跳過了傳統數值求解器，直接從衛星觀測數據中學習地球系統的三維演化，在36小時預測窗口內，觀測預報技巧超越傳統數值模式15%，并支持任意時刻、任意位置的大氣狀態推演。

△Earth-o1大氣世界模型

在空天飛行器領域，聯合中國航天科技集團推出的“書生·扶搖”，讓飛行器概念設計具備了小時級迭代能力——而傳統流程按周計算。

△空天飛行器氣動智能聯合創新平臺“書生·扶搖”

在電鍍材料領域，聯合廈門大學將原本數小時的高精度計算壓縮至毫秒級，使電鍍配方研發從“經驗試錯”轉向“AI預測、實驗驗證”的高通量模式。

△先進封裝電子電鍍配方研發智能體

在量子計算領域，幫助物理學家打造了全球首套AI中性原子并行排布算法，將原子排布從指數級搜索壓縮至常數級執行路徑，僅60毫秒即可搭建2024個原子的無缺陷二維和三維陣列——這項突破入選美國物理學會《物理》2025年度全球九大物理學重大進展。
……

從腦科學到空天飛行器，從量子計算到地球科學——從水里游的到天上飛的，從微觀到宏觀——AI驅動科學發現已不再是PPT里的概念，而是已經在多個學科被驗證的實戰能力。

今年3月，上海AI實驗室發布了面向重大科學研究突破的 “AGI4S珠穆朗瑪計劃”。『書生?端硯』是該計劃的核心落地載體。

「書生?端硯」從2025年初代書生科學發現平臺（Intern-Discovery）升級而來，呈現出科研流程貫通、學科縱深加強、數據安全可控、運行可信透明四個特點。確立了學科縱深、全流程貫通、原生科研產物、安全可控、可信透明、開放協同六項設計理念。

平臺即日起開啟內測，一個月后對全球科學家開放公測，兩個月后發布桌面版。

它不僅僅是又一個普通的科研工具。

它是一套貫通 “認知、推演、行動和反饋”的全新范式——讓AI從 “重述已知”走向“產出未知” 。