2000 个 AI 智能体一起读论文：32 分钟做完几个月的分析，专家 75% 更认它们的解释

生物实验室里最耗时的环节，往往不是做实验，而是读文献、对数据、提出下一个值得做的假设。OpenAI 与生物技术公司 PerturbAI 的最新合作，把这一步交给了一支由近 2000 个 AI 智能体组成的「分析团队」。

一分钟速览

• PerturbAI 与 OpenAI、斯克里普斯研究所联合开发了一套 AI 推理框架，用近 2000 个智能体并行分析复杂生物实验数据、检索文献、提出假说。
• 在分析全脑基因组图谱时，系统用 32 分钟完成数据分析与研究发现整合；公司估算，人类串行完成同样工作可能需要数月至一年。
• 在盲评中，生物学专家有 75% 的时候更偏好多智能体系统给出的解释，而不是单个智能体生成的报告。
• 分析数据来自今年 3 月公布的全脑 CRISPR 图谱，覆盖约 800 万个细胞，目前下载量已超过 4 万次。
• 相关成果已通过联合预印本和博客公布，提出的线索仍需后续实验验证。

一支会分工的「AI 研究团队」

这套系统不是让一个模型读完整堆资料，而是把任务拆给不同角色的智能体：有的分析细胞反应，有的搜索科学文献，有的把实验结果与已有生物学知识联系起来，最后汇总成一张「推理图谱」。这张图谱把基因、细胞反应、既有研究和可能的生物学机制串在一起，给科学家提供可追踪的调查线索。

多智能体分工的好处，在于每个智能体只需要处理一小块上下文，出错时也更容易定位。坏处是汇总环节容易「和稀泥」：如果最后只是把各家的结论拼在一起，得到的可能是一份看起来很全面、实际上没有重点的报告。PerturbAI 的做法是让智能体之间反复对照证据，再用专家评估来校准输出。

75% 这个数字，说明什么又不说明什么

75% 的专家偏好率，是一个很聪明的指标。它衡量的不是「AI 说得对不对」，而是「专家愿不愿意根据这份报告继续往下查」。在科研场景里，后者往往更重要：一个假设的价值，不只取决于它是否正确，还取决于它是否可验证、是否指出了下一步实验。

但也要看清边界。这个数字来自专家对报告的盲评偏好，不是研究结论的准确率；32 分钟与数月至一年的对比，是公司基于人类串行工作方式的估算，并非同期对照试验。换句话说，系统证明的是「能显著压缩分析时间，并产出专家愿意读的假设」，还没有证明「能替代实验验证」。

AI for Science 的瓶颈，正在从生成转向验证

过去两年，AI 在科研上最亮眼的进展集中在「生成」：生成蛋白质结构、生成分子、生成材料配方。但科研的真正瓶颈从来不是生成候选，而是验证候选。一个模型可以在几分钟内给出十万个假设，实验室一年却只能验证几百个。候选越多，验证越堵。

多智能体系统的价值，可能不在于「想出更多点子」，而在于「更早地筛掉不靠谱的点子」。通过把文献证据、细胞反应和机制解释放在同一张图谱上，它能让科学家在进入湿实验之前，先排除一批明显站不住脚的假设。这省下的不是阅读时间，而是昂贵的实验资源。

趋势洞察

这套框架释放了一个信号：AI 在科研中的角色，正在从「工具」变成「协作方」。工具负责执行，协作方负责提出下一步做什么。当智能体开始参与假设生成，科研的组织方式也会变：一个 PI 带几个博士后、一堆智能体的「混合实验室」，可能会比单纯扩大人力更高效。

但科研的信任机制不会因此改变。论文要同行评审，结论要实验复现，数据要可追溯。多智能体系统再快，最终也要把推理链路摊开给人类看。真正值得期待的，不是「AI 替科学家做研究」，而是「AI 把科学家从低价值的检索和整理里解放出来，让他们有更多时间做判断」。这可能是这一轮 AI for Science 最务实的一步。