在科研领域，AI的应用正逐渐从设想变为现实。近期，科研圈热议的SciMaster「AI科学助手」引起了广泛关注，它号称全球首个真正意义的通用科研智能体，在世界人工智能大会WAIC上由上海交通大学、深势科技与上海算法创新院联合发布，发布后异常火爆，邀请码甚至被炒到近千元。

SciMaster：科研流程的“降维打击”

宏观趋势下的产物

当前AI领域正从基于海量数据和算力的“炼丹”阶段，转向将强大AI能力转化为应用，即从技术质变走向应用量变。此前虽有自动研究模型诞生，但实用的AI科研助手一直缺失，SciMaster填补了这一空白。它集成了顶尖的思维链（CoT）能力，能自动搜索分析文献、搞理论计算、做实验、写论文以及与人协作进行科研，超出了此前AI大模型工具的范畴，极大提升了科研效率，对科研人员来说是科研流程的“降维打击”。

全流程的科研能力

 • 读：以拥有1.7亿科研文献的玻尔科研空间站为支撑，当用户提问时，SciMaster会从文献库中找信息，自动拆分成子任务执行，生成完整可靠的研究报告。它还会结合互联网信息，提供更全面、时效性更强的结果，且大模型幻觉趋近于零，每个论断都可追溯到源文献。

 • 算：对拆分的子问题分别调用工具并行执行，若涉及计算，除搜索、内容整合外，还会调用各类AI for Science的计算工具。

 • 做：若需求涉及实验验证，可调用Uni - Lab提供的MCP服务，连接自动化实验室系统进行湿实验，数据会返回到科研报告中。

 • 写：核心模块之一InfoMaster会根据收集的信息与文献内容生成深度调研报告，支持一键导出PDF和链接分享。

人机协作机制

SciMaster具有独特的人机协作机制，在其进行深度思考、规划任务时，用户可点击暂停，在“深度思考”框内修改任务逻辑、内容，实时指挥AI调整策略，让SciMaster更准确地响应需求，有望成为未来人与AI共同科学探索的范式。

SciMaster的诞生与技术架构

论文介绍

上海交大、深势科技在本月初的一篇论文中介绍了SciMaster的工作流程、机制和能力，该论文在社交平台上引发关注。论文重点关注SciMaster智能体所使用的基础架构X - Master。

X - Master的工作原理

X - Master是深势科技开发的工具增强型推理智能体。给定用户查询，它会开始思考过程，通过生成Python代码片段实现工具调用等与环境的交互，执行结果附加到上下文中，丰富其理解并为后续思考提供信息。AI自动使用Python代码表示交互意图，使功能具备通用性、准确性和较高兼容性，增强了科研智能体的指令遵循能力。

分散 - 堆叠工作流程

X - Master采用“分散 - 堆叠”的智能体工作流程，扮演不同角色提高解答质量，包括求解器生成初始解答、批评器细化解答、重写器综合解答生成新解答、选择器挑选最佳解答。该工作流程在Humanity's Last Exam(HLE)基准上创造了新的SOTA记录，得分达到32.1%，超过了OpenAI和谷歌的Deep Research，成为首个突破HLE 30%大关的方案。基于X - Master配置，大模型能基于灵活的内部推理和工具使用模拟人类问题解决方式，在具有挑战性的基准上达到极高性能，无需大量再训练即可增强LLM能力。

SciMaster的实际表现

通用助手与深度调研功能

在玻尔科研空间站中打开SciMaster，有通用助手和深度调研两大预置能力。通用助手适用于科研日常一般问题查询，深度调研则是具备Deep Research能力的“科研专家”，能对科学问题评估分析，拆分成子任务，调用多种检索方式收集资料，最终交付翔实可靠的调研报告。

实际任务测试

 • 科普问题：对于“为什么细胞是球形的？”这一科普问题，SciMaster进行深度思考，确定工具，编写并执行Python脚本，若结果不理想会修正或更换关键词搜索。它从物理和生物学角度解释细胞为球形的优势，还指出并非所有细胞都趋于球形，答案完整透明，还提供分享功能。

 • 争议问题：对于“转基因食物是否有害健康？”问题，SciMaster先初步了解，不盲信互联网信息，进行专业检索后得出通过安全评价的转基因食品与传统食品同等安全、无证据表明危害人类健康的结论，并能进一步深入解答相关概念及争议现状。

 • 专业综述报告：在“为CRISPR基因编辑写一份综述报告”任务中，SciMaster分析问题深度和广度提升，工作语言切换成英语避免专业文献翻译问题，制定详细计划，按照分散 - 堆叠的智能体工作流程，由多个智能体扮演不同角色探索优化，最终生成内容详细、参考资料丰富且支持下载PDF的报告。

SciMaster的价值与AI for Science的未来

SciMaster的价值

实测显示SciMaster强大、可靠、透明。它能在半小时内完成人类研究者需数小时乃至数天完成的深度调研课题，有效抑制大语言模型的幻觉问题，提供的关键信息有据可查，还将思考过程开放给用户，是科研工作者不知疲倦、知识渊博的助手。

AI for Science的趋势

用AI搞科研已成为现实，除SciMaster外，马斯克的Grok 4也展示了科学探索能力，AI在生命科学、医药、新材料等垂直领域不断涌现新技术。国内在AI for Science赛道投入早、布局快，领先身位。SciMaster是宏大系列研究的开篇，未来将覆盖更广泛科学知识诉求，开发通用科研AI智能体，一个由AI驱动、人人皆可参与的科研新时代或许不远了。