王承志｜撰文

过去数年，我一直在 AI for Science 领域工作和创业。这几年里，我被问得最多的，是一个听起来很大的问题：机器到底什么时候能自己做科研？

问这个问题的人身份各异。有投资人，想知道自己押注的是不是一个真实存在的赛道；有科学家，想知道自己的工作还有多少年会被机器接管；有政策制定者，想知道“自主科研”这四个字要不要写进规划文件。而我发现，无论对方是谁，谈话往往会在十分钟后陷入同一种混乱：他说的是“自主实验室“，我说的是”AI 科学家“，我们都在用”自主科研“这个词，但说的根本不是同一件事。

这篇文章，我想尝试把”自主科研“这个词给出界定——它到底是什么，由哪几条路径组成，每条路径现在走到了哪里；然后再回答那个真正的问题：我们离它还有多远，以及在这个过程中，人还有什么用。

数字领域是自主性进展最快的地方。

2024 年 8 月 Sakana AI 发布的 The AI Scientist 是第一个端到端系统，单篇论文的算力成本约 15 美元（Lu et al., arXiv, 2024）；2025 年其 v2 版本生成的论文首次通过了 ICLR 研讨会级别的同行评审——尽管该论文随后因伦理考量被主动撤回（Yamada et al., arXiv, 2025）。AI Scientist 之所以能跑通全流程，是因为它的“实验”本质上是跑 Python 代码；Google DeepMind 的 FunSearch 和 AlphaEvolve 能在数学与算法领域做出真实发现，是因为它们的评估器（evaluator）是一段可以自动执行的程序，答案对错可以即时、客观、零成本地验证。

在湿实验领域，自主性“打折”不少。

2020 年利物浦大学 Cooper 团队的移动机器人化学家曾在 8 天内自主完成 688 次光催化实验（Burger et al., Nature, 2020）。2023 年，卡内基梅隆大学的 Boiko 等人推出基于 GPT-4 的 Coscientist，让大模型直接规划并调用 API 控制化学合成机器人，自主完成了 Suzuki 与 Sonogashira 偶联反应（Boiko et al., Nature, 2023）。

此时 AI 不再只是“算”，而是开始“想”，特别能在目标与动作之间建立桥梁。但具体到演示细节：多孔板在不同仪器之间的转移仍由人工完成，只是“没有人参与决策”而已。多伦多大学团队的 Organa 系统能完成溶解度、重结晶、pH 测量、电化学等长流程实验，但其设计者坦率地把"人在环中"列为系统鲁棒性的关键来源——是人在故障发生时及时纠正，而不是系统自己（Darvish et al., arXiv, 2024）。

第三条路径，AI 合作科学家，以 Google DeepMind 基于 Gemini 2.0 的多智能体系统 AI Co-Scientist 为代表（Gottweis et al., arXiv, 2025），以及 Kosmos（Mitchener et al., arXiv, 2025）、Robin（Ghareeb et al., arXiv, 2025）等系统。这条路径目前在科学家中口碑最好，因为它不承诺取代人，只承诺放大人。

而资本，已经抢先对这三条路径的整体未来下了重注，规模超出了此前二十年“实验室自动化”赛道的总和。最引人注目的标本是 Lila Sciences：这家 2023 年在 Flagship Pioneering 内部孕育、2025 年 3 月才走出隐身模式的公司，打出的口号是“科学超级智能”（Scientific Superintelligence），首轮即拿下 2 亿美元种子轮，同年 9 月又完成 2.35 亿美元的 Series A 首关，至年底累计融资 5.5 亿美元。

资本之所以愿意在“机器人科学家”还停留在 L3 甚至 L2 阶段就押下重注，逻辑并不神秘：一旦某一家真的把假说生成、实验执行、数据解释这条闭环跑通，科学本身就会第一次具备“规模效应”，而规模效应在过去的每一个行业里，都意味着指数级的资本回报。

身在行业中，我对这种“买未来”的逻辑感同身受，但也保持警惕。这五年里我见到的一个普遍现象是：客户和投资人最容易被“无人值守连续运行多少小时”这样的演示打动，但真正决定系统价值的，是它出错之后会发生什么——是静默地产出垃圾数据，还是能自己发现异常、停下来、报警。前者叫“能连续运行”，后者才接近“能自主”。这两者之间的差距，正是这个行业当前最深的认知鸿沟。

梳理近两年所有标志性进展，会发现一个规律：自主性程度与领域的“数字化程度”严格正相关，与领域的“物理实体程度”严格负相关。

在纯数字领域，验证是免费的、即时的、客观的。而一到物理世界，验证变得昂贵、缓慢、充满噪声。一个化学反应是否成功，不能靠编译器告诉你，要靠色谱、质谱、核磁告诉你，而这些仪器会漂移、会污染、会被错误校准。当前所有“AI 做出发现”的案例，几乎都存在一个未言明的前提：要么验证过程本身是数字化的，要么验证过程由人类兜底。

对 AI Scientist 的一项独立评估显示12 个研究想法中 5 个因代码错误无法执行，7 篇成稿中 4 篇包含错误或幻觉数字，评估者认为其产出"像一个应付任务赶 deadline 的本科生"（Beel et al., ACM SIGIR Forum, 2025）【原文："the quality of its manuscripts currently aligns with that of an unmotivated undergraduate student rushing to meet a deadline"】。这还是发生在验证成本最低的纯数字领域。

换句话说，当前自主科研的真实瓶颈，不在“智能”，而在“验证”。“自主科研”绝非简单把基于语言模型的 AI Scientist 和传统自动化实验室用人作为胶水粘在一起。

物理世界的麻烦存在于流程之外的无穷长尾里：不同厂商仪器的接口协议各自为政，同一台仪器在不同实验室环境下的读数基线不同，样本的个体差异、耗材的批次差异、环境的温湿度波动，都会在最意想不到的地方击穿一个看似完美的自动化流程。让一个系统连续运行 8 小时不难，难的是让它在第 800 小时遇到从未见过的异常时，仍然能做出正确的判断——而这恰恰是"自主"二字的真正含义。

自主科研不会以某一天“AI 取代科学家”的戏剧性方式到来。它更可能被拆成许多不均匀的子循环：机器先接管最可测量、最重复、最昂贵的部分；人类继续把守目标、异常与责任；随后，一部分原本依赖经验的判断被转写为可计算、可审计的规则，边界再向前移动。

如果非要预测一个时间表，我的推测大概如下：

第一阶段（1—3 年），“数字自主”阶段。纯数字领域的“科研助理”将全面普及。代码类实验的全自动化、文献综述、假设批量生成与预筛选会迅速成熟。以执行固定脚本为基础的自动化设备将更多进入实验室场景，单个研究者的人均产出可能提高数倍。这一层的冲击首先落在以"执行"为主的初级科研岗位上。

第二阶段（3—8 年），“有限自主”阶段。限定领域的自主实验室闭环将在材料、催化、合成生物学等目标函数清晰、表征自动化程度高的细分赛道规模化。其形态更接近“无人化的高通量筛选工厂”，而非通用的 AI 科学家。这些设施自主性较高，但被严格圈定在人给定的问题空间内。

第三阶段（8—15 年甚至更久），“通用自主”阶段。跨领域的、能够自主提出并验证原创性科学问题的通用自主科研。如前所述，如果科研范式要进化到通用自主阶段，需要跨越从“模式拟合”到“科学推理”，从“数字闭环”到“物理闭环”，从“可复现”到“可信任”等多个鸿沟，这些都需要依赖于语言模型、物理 AI 和垂直学科领域 AI 的多重进步。

讨论到这里，必须正面回答那个让科学家们真正焦虑的问题：如果机器能提出问题、能做实验、能写论文，人还剩下什么？

我的答案是：人剩下的，恰恰是科学里最贵的三样东西——目标、异常与责任。

第一是目标。自主实验室的目标函数必须由人来给，这不是当前技术的局限，而可能是本质。机器只会沿着给定方向高效推进，却无法自发判断哪些探索值得倾尽资源奔赴。好的科学家最宝贵的能力即在于其科学品位，如何定义好的科学问题是人类科学家的最大价值。

第二是异常。科学的进展往往诞生于异常：弗莱明发现青霉素，是因为一个“被污染”的培养皿。一个把所有异常都当作噪声滤掉的自主系统，也会把所有意外发现一并滤掉。识别“这个异常是故障还是新现象”，需要的是对整个世界模型的理解，这恰恰是目前所有系统最薄弱的一环。

第三是责任。一篇论文署名意味着作者为其真实性负责，一项实验结论进入临床指南意味着有人为其后果负责。责任无法委托给机器，只要科学仍然是一种由人组成的社会活动，“谁来负责”这个问题就必须有人类的答案。

所以更准确的说法不是“机器取代科学家”，而是科学家的工作重心持续上移：从亲手做实验，到设计实验系统；从解读数据，到设计解读数据的规则；从回答问题，到定义什么问题值得回答。每一次自主性级别的提升，替代的不是科学家，而是科学家身上那些可被标准化的部分——剩下的部分，反而变得更重要了。

值得警惕的不是“自主科研”还要很久才能到来，而是我们过早把“能连续运行”称为“能发现真理”，把“能写论文”称为“能做科学”。

所以，离自主科研还有多远？我的回答是：纯数字领域的“自主研究”，我们已经身处其中。离自主实验，只差工程化和规模化；离项目级自主科研，还差跨平台的证据与异常处理能力；离通用自主科研，则还差一整套把“为什么研究、什么算证据、谁来负责”全部解决的科学基础设施。那不是最后一公里，而是下一代科研范式本身。