科研 Agent 开始接上实验设备：上海 AI 实验室在 WAIC 发布“书生·端砚”

哇哦AI

上海人工智能实验室官网当前展示 Intern-S2-Preview 与科学发现平台 Intern-Discovery。 来源：上海人工智能实验室

让 AI 帮忙查论文并不新鲜，难的是它提出一个方向之后，能不能继续调用专业工具、读取实验数据，再把结果送进真实设备验证。

7 月 17 日，上海人工智能实验室在 WAIC 2026 科学前沿论坛发布科学发现平台“书生·端砚”。新华社报道显示，这个平台覆盖从提出假设到实验验证的科研流程。AI for Science 正从“会回答”走向“能参与完整任务”。

它不只读论文，还要把假设送进验证环节
“书生·端砚”的核心不是再做一个科研聊天框。公开介绍显示，它会连接科学大模型、专业分析工具、实验数据和具身自动化设备，让任务在同一条流程中继续往下走。

研究人员可以先提出问题，平台再组织模型与工具生成候选假设、调用数据进行分析，并把部分任务交给实验设备。对科研团队来说，真正省时间的地方不是写出一段答案，而是减少在不同软件、数据源和实验步骤之间反复搬运。

这也意味着平台必须把每一步留下记录。一个结论用了哪份数据、调用了什么模型、实验条件如何变化，都比最终那段看起来流畅的文字更重要。

同时发布的新模型，重点放在科学推理
本次论坛还发布了书生科学大模型 Intern-S2-Preview。上海 AI 实验室官网把它描述为尺寸更小、科学能力更强，并突出科学智能体能力。

量子位报道显示，新模型参数规模为 397B，目标是在分子设计、材料结构生成等科学任务中提高推理和工具协作能力。参数规模和榜单只能说明模型在特定测试中的表现，真正进入实验室后，还要面对数据质量、专业边界与设备误差。

把模型与“端砚”平台放在一起看更有意义：模型负责理解和推理，平台负责连接工具、数据与实验设备，两者共同决定科研任务能否闭环。

谁会先用上：有数据、有工具链的科研团队
这类平台最适合已经拥有专业数据、计算工具和实验流程的团队。药物、材料、化学等领域都有大量结构化任务，模型更容易在明确约束下协助筛选候选方向。

它暂时不会让普通人点一下按钮就完成科学发现。专业数据能否接入、实验设备是否兼容、不同机构怎样管理权限，都会影响实际使用。

对小团队而言，值得关注的是平台未来会不会开放更清楚的体验入口、标准接口和可复用工作流。只有接入成本降下来，科学智能体才可能从少数大型实验室走向更多研究者。

WAIC 之后，要看实验结果能不能重复
科研场景最怕“演示时很聪明，换一批数据就失灵”。后续评价“端砚”，不能只看模型回答得像不像专家，还要看实验建议被采用的比例、失败如何回传，以及同一流程能否被其他团队重复。

平台还需要处理数据授权、模型幻觉、工具调用错误和实验安全。越接近真实设备，一次错误操作的成本就越高，因此人工复核不会消失。

如果这些基础工作能走通，AI 在科研中的角色可能不再只是论文助手，而是一个能调工具、跑流程、留下证据链的协作成员。

想继续了解
• 上海人工智能实验室官网
• 新华社：上海 AI 实验室发布科学发现平台“书生·端砚”
• 量子位：上海 AI Lab 发布科学智能体新基座
• WAIC 2026 官方展商名录