随便问 AI 一个问题，它几秒就答上来。让它去发现一件没人找到过的东西，它多半只能摊手。上海有一间实验室，正在为第二种情形做系统。
周伯文（Zhou Bowen）是上海人工智能实验室（Shanghai Artificial Intelligence Laboratory）主任兼首席科学家。在 2026 年 7 月中旬于上海举办的 2026 世界人工智能大会（WAIC）上，他带领的实验室发布"书生·端砚（Shusheng·Duanyan）"科学发现平台，试图把"提出假说"到"真实实验"的闭环打通。
已经核验的几个事实
- "书生·端砚"于 2026 年 7 月 17 日在 WAIC 发布，是 2025 年"书生"科学发现平台的升级版。
- 它连接科学大模型、专业智能体、实验数据与具身自动化设备，覆盖六大领域：生命科学、关键材料、半导体、核聚变、量子、地球气象。
- 同期，实验室于 2026 年 3 月启动 AGI4S 珠穆朗玛计划；在 WAIC 上还将基座模型 Intern-S2-Preview-397B 升级，并发布"书安"AI 安全基座平台。
- 周伯文的核心判断：AI 编程任务成功率在约 18 个月内从不足 5% 升到超过 88%，而端到端科学发现基准（Allen Institute 的 N2N）在同一窗口里仍卡在约 3%——所以科学而非聊天，才是对智能的真正考验。
给科学家的一方"砚台"
名字有讲究。"书生"让人想到古代通才学者，"端砚"是磨墨成文的砚台。周伯文的说法是，平台应当成为科学家研磨想法的器具——把假说提出、仿真推演、自动化实验、结果验证连成一条回路。
实验室称，该系统在蛋白质与新材料研究中已跑通"干湿闭环"：模型给出设计，专业智能体调度自动化设备，实验执行，数据回流再优化下一轮。作为实验室援引的一例，清华大学张数一团队曾用四年改造一个基因调控蛋白；接入平台后，仅两轮迭代就找出一组新的突变组合，实验室称其表现较此前《自然》报道的最佳结果提升 77%、较野生型高约 50 倍。
为什么科学是最难的问题
周伯文用一个"冷热"对比来概括。热的一面是 AI 编程：目标明确、反馈即时、边界清晰，约一年半就把任务成功率从 5% 推到 88%。冷的一面是发现：开放问题没有标准答案，反馈以月计，失败是常态，还须与物理世界持续交互。
他的结论很直接：科学发现是"下一个编程"，AI for Science 不是 AI 的应用，而是突破智能上限的终极考题。要跨过去，模型须从被动观察走向主动干预，从即时反馈走向长程推理，从模仿成功走向善用失败——这三重转变叠加，他称为"科学元认知时刻"。
一种刻意的研究姿态
周伯文还借 WAIC 讲台提出了"AI 治理如登山"的看法：发展与安全不是拔河，而是同一段攀登，每向上一步都要踩稳安全。这既是个技术立场，也是个定位宣言——实验室在主张，真正定义前沿 AI 的，是设定研究议程的机构，而不只是产品。
据脑机网（BrainNet）首席科学家李锚观察，从"答题"转向"发现"，正是中国实验室试图从跟随转为定议程的地方，而这类平台是这种意图最清晰的信号。
诚实的局限
本文依据实验室官方发布、新华社与科技日报对 WAIC 2026 的报道，未独立验证周伯文援引的内部基准。清华蛋白质案例作为实验室自身援引的示例呈现，并非独立复现结果，77% 与 50 倍两个数字应视作实验室主张，而非已确认测量。平台"领先"或"首个"之类表述是实验室自身口径，跨学科的外部广泛验证仍需时间。基座模型与安全平台细节来自发布材料。
普通人现在能做什么
- 如果你做科研，留意该平台的公开测试——实验室称 WAIC 后约两个月内向全球科学家开放，先用一个边界清晰、仪器齐备的小问题去试，别一上来就攻大问题。
- 若你管理或资助研发，"干湿闭环"这个模式最值得抄：把模型接到自动化设备上，让数据自动回流。
- 对普通读者，要点是：中国 AI 最有趣的竞赛正从聊天机器人转向能真正做实验的工具，而上海一间有官方背景的实验室，正把声誉押在这张牌上。