新智元报道
新智元报道

近期,AI科研进展显著加速。Fable 5.2通过1000个智能体协同,仅用30小时即完成费马大定理的形式化;Claude在离线状态下迅速为未公开分子规划合成路线;OpenAI则推动GPT-6 Astra深入湿实验室,直接解析实验数据。
|
|
AI在科研中的角色正从单一模拟或结构预测,转向「任务协同」。智能体集群开始接管从文献检索、建模到实验执行的全流程,科学家得以聚焦于方向制定与关键判断。然而,要将大规模智能体融入日常实验,需解决人机协作、经验留存及算力仪器协同等组织层面的挑战。
在百度世界2026大会上,李彦宏指出:「AI发展的下一幕,是智能组织!」十年间,关注点已从单点技术转向承载技术的组织方式。
尽管许多机构引入了顶尖大模型,但核心产出往往停滞不前。主要原因在于算力、数据与仪器彼此隔离,缺乏连通性。这种模式下,AI仅提升了个人效率,未能实现团队整体效能的质变。
李彦宏比喻称,当前只更换了「电机」,却未重新设计「工厂」。为此,百度提出智能组织的三条核心原则:
第一,打破岗位边界。以任务为单元,未来组织主要由创造价值的Builder和建立连接的Seller构成。
第二,沉淀隐性知识。将个人经验显性化并沉淀至平台,实现随时调用与共享。
第三,设计流程闭环。通过可衡量的结果与自动循环机制,推动组织持续进化。
百度集团执行副总裁沈抖表示,这三条原则也是智能云的新标准。未来的云服务将直接服务于具体任务,支持智能体按需调度算力、模型、数据与工具。基于此,百度智能云发布了「芯云模体」一体化解决方案,涵盖底层算力(昆仑芯、百度百舸)、中层数据管理(可信数据空间)及顶层智能体服务(通用、专业、定制三类)。
新系统旨在解决科研中人员流动导致的经验断层问题。传统模式下,资深研究者的隐性经验(如调参直觉)难以传承。百度智能云医疗与教育行业总经理吴超介绍,通过数据与智能体的配合可实现经验留存:
- 通用智能体「百度搭子」记录组会共识与待办,沉淀团队记忆;
- 实验数据统一归档至数据平台,确保AI理解实验背景;
- 将独家调参准则打包为Skills,装入定制智能体(如「生信智能体」)。
例如,百图生科通过BioMap OS系统将背景知识、模型调用与实验数据整合。新成员只需调用相关智能体,即可复用前人技术资产,快速开展研究。
智能体接手实验室任务主要分为两类:

针对算法调优、特征筛选等纯数字任务,专业智能体如「百度伐谋」可大幅降低人力成本。在国家实验室的育种研究中,它通过自动筛选最优采样组合,节省了近七成的田间采集成本。在广州实验室的mRNA序列优化中,AI帮助提升了中和抗体水平或降低了药物剂量需求。对于超大组合空间,玻色量子通过接入百度智能云的「量子云枢」,利用量子计算实现了毫秒级预筛选。

为解决「干湿分离」痛点,智能体已连接移液工作站等设备,实现自动化实验流程:
- 科研人员输入目标,通用智能体迭代出实验方案;
- 智能体生成可视化「操作画布」,明确仪器操作步骤;
- 设备自动执行并回传数据,修正后续方案。
晶泰科技与鸿之微等企业也通过构建自动化流水线,将真实实验数据反哺模型,避免训练数据失真,显著提升研发迭代速度。
尽管实验室内部效率提升,但成果转化仍面临挑战。主要瓶颈在于缺乏配套的AI工程团队。百度智能云通过派遣FDE(前线部署工程师)驻场,与科学家组成「科工复合体」,填补这一鸿沟。
例如,广州实验室与百度共建的「中国数字肺」平台,由实验室定义科学问题,百度负责工程化落地。此外,百度还与中国科学院等机构共建科研语料与智算底座,并通过GBI Health医药数据集服务协助药企研判管线方向,致力于打通从实验台到产业的路径。
面对智能体并发需求的激增,百度千帆Agent Infra与百度百舸AI Infra提供了底层支撑。数据显示,过去一年百度日活智能体增长6倍,云沙箱并发量增长60倍,总调用量增长315倍。
升级后的千帆Agent Infra支持百万级沙箱并发,可在百毫秒内拉起上千个安全隔离沙箱,并为每个智能体分配唯一数字身份以确保过程可追溯。此外,百度千帆推出大模型交易平台「词元所」,优化资源调配。
在强化学习训练方面,百度百舸能在分钟级内拉起200万个训练沙箱,端到端训练吞吐量达每秒5.2万个Tokens。硬件层面,新发布的「百度天池1024卡超节点」提升了跨卡光互联带宽,配合显存与KV Cache加速柜,大幅缩短推理等待时间并提升吞吐量。
传统科研传承缓慢,而AI4S的竞争本质是全栈能力的竞争。百度智能云通过「芯云模体」方案,将算力、数据与智能体整合,使每一次试错得以留存,每一份经验可供复用。
从人工智能到智能组织,科研领域正成为这一变革的先行者。
编辑:摩西 桃子




