书生·端砚科学发现平台升级：AI从解题走向完成整个科研课题

9月13日，2026浦江创新论坛人工智能赋能科学研究专题论坛在上海举行，上海人工智能实验室升级发布书生·端砚科学发现平台，并全面开放全栈服务。自今年7月首次发布以来，该平台在模型与Science Harness协同、可信科研证据链、真实科学验证闭环三个方向完成核心升级，AI for Science的落地形态从单任务解题转向完整科研流程。

AI角色转变：从科研访客到科研常住者

上海人工智能实验室主任周伯文在论坛上把早期AI for Science形容为科学家的访客：检索文献、分析数据、运行计算，随叫随到，却始终在科研流程之外。现在的AI已经进入问题定义、假设生成、方案设计和实验验证等环节，逐渐成为科研工作的常住成员。时间维度上的变化最为直观：传统抗体发现流程以年计算，AI与生物学协同后，关键环节可以压缩到约90天。

书生·端砚升级的核心是让模型不再只回答单点问题，而是围绕复杂科研任务执行多步骤工作流。Science Agent能够拆解任务、调用工具、组织实验，把分散的解题过程串成一条可追踪的科研流水线。

可信科研证据链：让AI结论可核验、可复现

AI辅助科研最大的质疑在于结论不可信：模型给出的推断缺少中间过程，无法复核。书生·端砚此次把贯穿全程的可信科研证据链作为升级重点，Agent执行的每一步——数据来源、工具调用、推理依据、实验参数——都沉淀为可追溯记录，让最终结论能回放到推导源头。

这一设计与科研规范直接对齐：论文需要方法、数据、复现路径，AI产出的结论同样需要。证据链机制让AI生成结果不再是黑盒，而是可审计的研究过程，这决定了AI for Science能否从辅助工具升级为正式的科研方法论。

开放全栈服务：平台化布局推动AI科研普惠

与7月版本相比，书生·端砚本次全面开放全栈服务，把模型能力、工具生态、数据管道以服务形式对外开放，降低科研团队的使用门槛。专题论坛同期发布的浦江科学之问列出十个基础科学问题，涵盖人工智能的数理基础、聚变等离子体、量子纠错等方向，AI for Science被放到基础研究突破的框架里讨论。

周伯文在演讲中提出：科学越来越需要人工智能拓展思考空间，人工智能也越来越需要科学作为真实的训练场和检验标准。双向奔赴的逻辑下，科学发现平台的角色不再只是效率工具，而是连接基础研究与产业落地的实验场。

产业观察：AI for Science进入平台化竞争阶段

书生·端砚的升级节奏（7月发布、9月全面开放）反映出国内AI for Science平台化竞争的提速。平台化的价值在于把碎片化能力整合成标准流程：模型、工具、数据、验证形成闭环，科研团队不必各自搭一套基础设施。对行业而言，未来评估AI科研平台的核心指标将从单点模型性能，转向证据链完整度、真实实验闭环率与跨学科覆盖度。

AI能否真正成为科学共同体的一员，看的是它能不能在真实实验中交付可验证的结果。书生·端砚这一轮的升级，正是朝着这个方向迈出的关键一步。