AI正在出现一个值得认真观察的转折：它不再满足于把已有资料整理成答案，而是开始尝试提出问题、设计实验，再根据新证据修改自己的判断。PhAI Labs发布的Discovery Foundation Models技术报告，把这种方向明确称为面向科学发现的通用模型系统。其核心系统DFM能够识别研究问题、构造科学表征、提出假设并安排验证，GALILEO已经在治疗肽设计中完成五轮实验闭环。这个案例的意义不在于宣称机器已经取代科学家，而在于科学研究第一次被拆解成了一套可以由智能体持续推进的工作过程。
过去的AI科研工具大多集中在单点环节：查论文、总结资料、预测结构或生成实验方案。新一代系统试图把这些环节连接起来，并且让实验结果真正改变下一轮决策。模型如果只是输出一份看起来专业的报告，价值仍然接近高级搜索；只有当它能面对失败、调整假设、记录证据并提出可复现实验，才可能成为研究团队的基础设施。
科学发现变成闭环
DFM所描述的流程，首先是把自然语言中的研究目标转换为可操作的问题。研究人员提出一个方向后，系统需要识别关键变量，选择适合的表征方式，再决定哪些假设值得优先验证。这一步并不等于让模型自由发挥，而是要求它把模糊目标拆成可以测量、比较和复核的中间步骤。
GALILEO在治疗肽设计中的五轮实验尤其能说明问题。每一轮实验都会产生新的证据，证据可能支持原来的判断，也可能暴露出候选方案的缺陷。系统必须据此重新排列搜索方向，而不是继续用更漂亮的语言包装同一个答案。对生物医药而言，这种迭代能力比一次性生成大量候选分子更重要，因为真正昂贵的环节往往是实验验证、失败分析和下一轮取舍。
自主探索不等于盲目试错
Aether AI发布的RSIAgent框架，把另一条路线推到了台前：不更新模型参数，也可以通过自主探索新环境积累经验。框架让开源模型在任务执行中不断试错、总结和复用经验，在OSWorld 2.0和Agents' Last Exam等测试中取得了高于部分闭源模型的成绩。它强调的不是继续把模型做大，而是Scale Experience，也就是扩大可利用的任务经历。
这对科学智能体有直接启发。实验室环境里，模型不可能提前见过所有仪器状态、数据异常和操作限制。一个能够保留“哪种策略在什么条件下失败”的系统，比只会记忆标准流程的模型更接近研究助手。不过，自主探索必须被边界约束：实验权限、数据写入、设备控制和成本上限都要可追踪。没有审计和人工确认，所谓自我提升可能只是把错误路径重复得更快。
从密文到复杂问题
Claude独立破译370年前密文的案例，展示了通用模型在持久搜索任务上的另一种潜力。研究者让Claude Fable 5.1在无人类干预的情况下工作44分钟，消耗17.6万Token，破解了英国学者1653年留下的64位数字双行密码，随后又处理了更长、更复杂的一组密文。
这类任务的难点并不是背诵知识，而是长期保持候选假设、反复试验并排除错误路径。传统聊天模式往往在几轮对话后丢失上下文，研究型智能体则需要把中间结果、失败原因和下一步计划保存下来。类似能力可以迁移到文献考证、代码分析、材料筛选和历史档案整理，但最终结论仍须交给领域专家复核，尤其要警惕模型把偶然吻合误判成真正规律。
模型训练也在寻找新信号
Meta与华盛顿大学提出的字节级蒸馏方法，说明模型能力提升不只来自更大的参数规模。研究团队把教师模型的Token概率分布转换为256种字节取值进行蒸馏，End-Of-Token方案让下游准确率上限达到52.4%，比传统Token蒸馏高出4个百分点，同时把存储量压缩到约五分之一。
这条路线的代价是计算量增加约30.94%，恰好说明AI系统不存在脱离约束的免费提升。训练阶段多花的计算，可能换来部署阶段更小的模型和更低的存储压力；但如果企业只看单次推理价格，就可能忽略训练、缓存、带宽和运维的总账。对需要长期运行的科研或企业智能体来说，模型质量、上下文长度、调用次数和失败重试必须放在同一个成本模型里评估。
算力要接住研究洪流
IDC预测全球活跃Agent到2030年将从2860万个增长到22.16亿个，Agent工作流的Token消耗通常是聊天机器人的5到30倍。单个模型变强并不会自动解决这个问题，因为研究型任务会连续调用检索、代码、数据库和实验工具，还要保留大量中间状态。计算底座必须同时处理并发、长上下文、任务队列和数据安全，系统瓶颈也会从显卡峰值转向整体调度效率。
企业在部署这类系统时，可以先把任务拆成可衡量的阶段：问题定义、资料检索、方案生成、实验执行、结果验证和报告交付。对于需要稳定网络、弹性算力和隔离环境的团队，速维云这类云服务器平台可以承载模型服务、向量检索、任务队列与日志系统，具体配置仍应按模型大小、并发量和数据合规要求选择。关键不是把所有工作都交给云端，而是让每一次调用都有权限边界、成本记录和失败后的恢复路径。
这也是AI科学发现真正走向生产的前提。模型可以负责提出候选方向，工具可以负责计算和实验，基础设施负责保存证据、控制权限和复现结果。三者缺一不可，任何一个环节只追求演示效果，最终都会在真实研究流程里暴露问题。
科学家仍然掌握方向
AI进入科研并不意味着科学方法被自动化取代。研究者仍然需要决定什么问题值得研究，哪些指标能够代表真实进展，以及一个看似漂亮的结果是否具有因果解释。尤其在医疗、材料和生物实验中，数据偏差、样本不足和实验条件变化都可能让模型产生过度自信。
更现实的分工是：人类负责价值判断、研究设计和关键审批，AI负责扩大搜索范围、执行重复工作和持续整理证据。未来优秀的科研系统，不会只用“发现了多少个结论”来证明自己，而会同时展示假设来源、实验过程、失败记录和可复核材料。能够接受质疑、允许回滚并留下完整证据链的AI，才有机会从工具升级为可靠的研究伙伴。
从治疗肽设计到古老密文，从自主探索到字节级蒸馏，今天的共同信号已经很清楚：AI竞争正在从生成一段内容，转向完成一条可验证的知识生产链。谁能把问题、行动、反馈和责任连接起来，谁就更接近下一阶段的真正生产力。
