
当 AI 走进实验室:从读文献到过审稿,科研流程正在被重写
2026 年,AI 已走完从读文献、提假设、做实验到写论文、审论文的整条科研链路。本文拆解五个环节的真实进展、可信度与边界,并给研究者四条实用建议。
目录
2026 年,AI 不再只是帮科研人员查文献、改语法。从提出假设、设计实验,到写论文、审论文,“AI 科学家”已经走完了整条链路。本文拆解五个环节的真实进展、可信度和边界。
如果把时间拨回两年前,AI 在学术圈的角色大致是:帮你润色英文摘要、总结一篇 PDF、写几行画图代码。
2026 年,这个画面变了。
3 月,Sakana AI 的 The AI Scientist 登上 Nature;年中,Google DeepMind 的 Co-Scientist 和 FutureHouse 的 Robin 两篇多智能体系统论文同样发表在 Nature;9 月,瑞典查尔默斯理工大学报道了一个由 AI 自主提出假设、设计并解读酵母实验的闭环实验室;OpenAI 则公开把“全自动研究员”定为未来几年的“北极星”目标。
热闹之下,真正值得问的是:AI 到底在科研的哪些环节真正有用?哪些地方还只是演示?研究者该怎么用?
这篇文章按一项研究的生命周期,把它拆成五个环节来看。

一、读:文献调研,最先被改变的环节
文献调研是 AI 进入科研最早、也最成熟的场景。
原因很简单:这一步的输入是文本,输出也是文本,正好落在大语言模型的舒适区。今天几乎所有“AI 科学家”系统的第一步都是检索和阅读文献——Sakana 的系统会先搜索、阅读相关论文,再判断自己的想法是否新颖;FutureHouse 的 Robin 中,负责文献检索的智能体在测试中表现优于通用大模型。
但这一环也是最容易“翻车”的地方。Sakana 在自己的论文里坦承,系统会生成不准确的引用;有学者在评论中把“幻觉引用”列为 AI 科学家的头号风险之一。
实用建议:让 AI 帮你“找”和“读”,但每一条进入论文的引用,都要自己点开原文核对。
二、想:提出假设,AI 开始“有想法”
这是 2026 年变化最大的环节。
Google DeepMind 的 Co-Scientist 用的是一套“科研组会”式的多智能体设计:一组智能体提出假设,一个反思智能体像审稿人一样挑毛病,排序智能体让各个假设两两“辩论”,用类似国际象棋 Elo 的分数打出排名,再由监督智能体统筹。
它最常被引用的成果在药物重定位上:针对急性髓系白血病(AML),系统先挑出 30 个候选药物,经肿瘤专家筛选后有 5 个进入实验室验证,其中 3 个显示出一定积极效果。
另一个经常被讲到的故事是:研究者只给了 Co-Scientist 一页纸的背景,问细菌耐药性如何跨物种传播,它给出的解释与伦敦帝国理工学院团队花了近十年、当时尚未发表的研究结论一致。需要说明的是,这个案例主要来自 Eric Schmidt 在《MIT 科技评论》上的评论文章,原始细节尚未公开。
FutureHouse 的 Robin 走的是类似路线:在干性年龄相关性黄斑变性(dry AMD)上提出 30 个候选药物,测试其中排名前 5 的,有 2 个被认为有前景。

这些数字说明了一件事:AI 擅长把搜索空间从“无穷”缩小到“几十”,但从几十到真正有效,仍然要靠湿实验。
三、做:设计与执行实验,从“纸上谈兵”到闭环
能提假设,不等于能做实验。
在纯计算领域,AI 已经可以自己写代码、跑实验。Sakana 的 AI Scientist-v2 用“并行的智能体树搜索”去设计和编写实验代码,研究课题可以覆盖较宽的机器学习方向。
在物理世界,进展更慢,但有了标志性的一步。查尔默斯理工大学 Ross King 团队把酵母的基因组、代谢网络和既往研究喂给 AI,让它自己提出假设、设计实验、解读结果,再迭代——研究者强调,它不再只是“决策辅助工具”。不过官方新闻稿没有给出具体的实验数量和命中率,效果还需要等更多数据。
这里有一个常被忽略的瓶颈:验证。有评论指出,Co-Scientist 和 Robin 都没有直接用物理实验去验证自己的假设,而是依赖人类团队来做。换句话说,今天的“AI 科学家”更像一个非常勤奋的博士后,提想法很快,但离不开实验室和导师。
四、写:从数据到论文,AI 写的论文已经过审
2025 年,Sakana 用 AI Scientist-v2 生成的一篇论文投给了 ICLR 2025 的一个研讨会(workshop),拿到了 6、7、6 三个审稿分,平均 6.33,高于该研讨会人类投稿的平均录用线,也高于约 55% 的人类论文。这项工作在 2026 年 3 月发表于 Nature。
几个细节值得注意:
- 这是研讨会而不是主会,审稿标准相对宽松;
- Sakana 只说“其中一篇”达到了这个分数,没有说明一共投了多少篇;
- 论文在正式发表前被主动撤回,研究也事先获得了伦理审批,并对 AI 生成内容做了标注。
Sakana 自己列出的局限同样坦率:想法有时“幼稚或不成熟”,方法严谨性和复杂代码实现仍是难点,会出现引用错误、附录图表重复等明显失误,而且目前只能做计算实验。
五、审:AI 审稿,以及一场“军备竞赛”
当 AI 能写论文,审稿系统就被推到了前台。
Sakana 同时做了一个自动审稿人:模拟领域主席,综合五份独立审稿意见。拿它和数千条 OpenReview 上的人类审稿决定对比,平衡准确率约 69%,与人类审稿人之间的一致性相当。
Google 的研究团队则提出了 Paper Assistant Tool(PAT):一个能通读全文、检查定理推导、核对实验并指出错误的审阅智能体,已在 STOC 和 ICML 以“投稿前自查工具”的形式试点。论文作者的判断很直接:传统人工审稿已经跟不上 AI 辅助科研带来的投稿量。
问题也随之而来。一篇 2026 年 9 月的 arXiv 综述梳理了 230 份文献和机构记录,把这种局面称为“AI 论文与 AI 审稿的军备竞赛”:一边是论文产量被 AI 放大,一边是评审被自动化,中间夹着针对 AI 审稿的提示注入、操纵和各种防御政策。也有研究指出,AI 辅助的论文和审稿出现了“数量上升、质量下降”的迹象。

六、冷静看:五个尚未解决的问题
把这些进展放在一起,可以看到几个共同的短板:
- 幻觉与可复现性 :虚构引用、错误代码、难以复现的结果,在多个系统中都被报告过;
- 验证依赖人类 :最有说服力的案例,最后一步都落在人类主导的湿实验上;
- 评估自说自话 :Sakana“论文质量随模型变强而提升”的结论,是用它自己的自动审稿人打分得出的;
- “看起来对”不等于“是对的” :已有研究专门构造出“令人信服但并不可靠”的 AI 论文;
- 领域不均衡 :机器学习、计算生物学进展最快,需要大型设备和长期实验的领域仍然很难自动化。
OpenAI 的路线图也印证了这种节奏:它在 3 月表示希望 2026 年 9 月前做出一个“自主 AI 研究实习生”,完全自动化的多智能体研究系统则计划到 2028 年。“实习生”这个词本身,就说明了现阶段的定位。
七、给研究者的四条建议
1. 把 AI 用在“扩大搜索面”上。 文献综述、候选假设、参数空间探索,这些“广撒网”的工作最适合交给 AI。
2. 关键环节保留人工把关。 引用、统计分析、实验设计中的对照组,是 AI 最容易出错、后果也最严重的地方。
3. 让 AI 当你的第一个审稿人。 投稿前让 AI 挑错、查推导、找矛盾,成本低、收益高,这也是 PAT 这类工具的定位。
4. 关注所在期刊和会议的 AI 政策。 各家对 AI 写作、AI 审稿的披露要求差异很大,合规本身就是科研诚信的一部分。
写在最后
2026 年也许会被记作“AI 科学家元年”:AI 第一次完整走完了从读文献到写论文、甚至通过审稿的全过程。
但目前它最好的位置,仍然是一个不知疲倦、偶尔犯错的合作者,而不是独立的研究者。真正决定科学走向的,依然是提出好问题、设计严格验证、并为结论负责的人。
你在科研中用过哪些 AI 工具?哪一步最让你惊喜,哪一步最让你踩坑?欢迎在留言区聊聊。
参考资料:Sakana AI《The AI Scientist: Towards Fully Automated AI Research, Now Published in Nature》(2026.3.26);Gottweis 等,Co-Scientist,Nature(2026);Ghareeb 等,Robin,Nature(2026);Chalmers University / Phys.org(2026.9.30);MIT Technology Review(2026.3.20、2026.8.10);The Conversation / Phys.org(2026.5.24);EurekAlert(2026.8.19);arXiv 2609.07713、2606.28277。
相关文章

AI会做什么、不会做什么、正在取代什么:一份基于2026年证据的冷静解剖
2026 年,同一代 AI 一边推翻了一个悬而未决 80 年的数学猜想,一边在一组"五岁小孩几秒就能上手"的小

AI 当上「共同研究员」:华为医疗 AI 的真进展与真难题
斯坦福用多智能体「虚拟实验室」设计出有效纳米抗体,华为正把类似思路搬进实验室与医院:科研智能体、盘古药物模型、病理大模型、HAIP 医院 AI 平台。本文梳理进展,也追问证据、湿实验瓶颈与责任边界。

Google 让 AI 不再“写作文”:Gemini Decision 1 只做AI进化调研员一件事——做选择
不生成一个字,只给出概率。Google 新模型 Gemini Decision 1,可能是 AI Agent 时代最被低估的基础设施。
