专家探讨AI自主科研：打通数据模型与实验闭环

9月11日下午，2026 Inclusion·外滩大会举办“AI4S：当AI学会研究，技术会实现自主进化么”论坛。来自人工智能、材料、生命科学和创新药领域的嘉宾，围绕自主研究系统、科学数据及药物材料研发，讨论AI从辅助单点任务走向科研闭环的可能性。

伦敦大学学院教授、RL China创始人汪军表示，科研本质上是提出假设、实验或推导验证、再依据结果修正认识。AI若要从“探索”走向触及未知问题的“发现”，需要建立数字模型与真实实验之间的循环。其团队已通过自学习和自演进开展900多项化学实验，并在蛋白质、小分子、芯片工艺等方向验证，还探索端侧智能体和“智能体云”。

中国科学院院士张统一指出，机器自主发现首先依赖持续产生高质量数据。材料研究应把计算模拟、算法、真实实验、生产和实时检测结合起来，形成“软基石”与“硬基石”。候选材料能否合成仍须实验检验，单一数据拟合也不能替代机理判断。

广州国家实验室研究员谢志介绍，团队整合200多万套细胞系扰动数据和约50万套人类转录组数据，探索虚拟细胞从细胞系向类器官及人体数据迁移，并在部分新适应症动物实验中初步验证。下一代系统还需融合生命机制模型、假设发现引擎、治疗设计和实验临床反馈。

启德医药秦刚以ADC及XDC研发为例，介绍iDiscovery平台如何结合患者来源类器官和自动化实验。平台日制备样品超过1000个，类器官库覆盖30多种适应症，并计划让AI根据临床需求指挥实验，形成计算设计与真实验证的“干湿闭环”，最终以患者生存期和生活质量检验效果。

深度原理张书铭表示，材料研发应由产业需求牵引，连接分子生成、性质预测、可合成性分析和实验验证。Mira平台在冷却液项目中从约230万个分子筛出近200个进入实验，历时约四个半月取得实验室成果，配方已申请专利并开展兼容性测试；团队还与欧莱雅合作优化配方稳定性和生物活性。

开物纪杨孟洋介绍，团队正连接数据、基础模型、实验室和工厂，建设材料属性预测与生成模型，并将模型、专利、数据和工具组合为智能体System 0。其Elementa数据集首批开放4000万条DFT计算数据，同时布局新能源电池、存储、散热和信息技术材料，以及高通量小试、中试验证能力。