最近，AutoResearch（自主科研）这个话题特别火。
这股热度并不是突然冒出来的。
科研本身就是一件极度消耗精力的事。文献调研、假设提出、实验设计、代码实现、结果分析、图表整理、论文写作，每一个环节都需要研究者投入大量时间和认知资源。
3月份，Andrej Karpathy 就开源过一个名为 autoresearch 的项目，让AI Agent能够在单GPU上自主进行机器学习实验循环。这个项目特别火爆，在github上已经涨到 83.7k stars。
昨天，DeepSeek研究员陈德里（DeepSeek-R1、DeepSeek-Coder、DeepSeek-MoE 架构等核心贡献者）又分享了一次新的尝试。
他开发了一个叫“Deli AutoResearch SKILL”的技能，通过CodeAgent，仅用6天就生成了一篇完整的综述论文。
论文标题：
From Copilots to Colleagues:A Survey of Autonomous Research Agents
论文地址：
https://victorchen96.github.io/auto_research_survey.pdf
据他透露，这篇论文生成过程历时6天，进行了108轮交互，而他“大脑 CPU 时间”不到 2 小时，最终产出2234行LaTeX、103条参考文献和46页内容。
- 来源：https://x.com/victor207755822/status/2059269472297623843
如果说 Karpathy 的 autoresearch 展示的是“实验闭环”，即 AI 能否在真实训练环境里自动改代码、跑实验、优化指标；
那么陈德里的 Deli AutoResearch SKILL 展示的则是“知识生产闭环”，即 AI 能否围绕一个研究主题，自主完成文献调研、结构规划、内容组织、图表生成和综述写作。
一个偏向实验自动化，一个偏向论文生产流程。
两者叠加在一起，说明 AutoResearch 的热度并不是概念炒作，而是 AI 正在进入重塑科研范式的新阶段。
01
从学术圈到工业界：
AutoResearch热潮正在国内兴起
如果把目光从卡帕西和陈德里的个人实践再往外看，会发现 AutoResearch 并不是一个孤立热点。
其实已经有一批团队，正在从不同方向把“AI 做科研”这件事往前推。
有的团队关注的是：AI 能不能像一个研究生一样，从零开始提出想法、跑实验、写论文。
比如日行迹智能 CEO 孙天祥，就是首个类 ChatGPT 中文语言模型 MOSS 的核心开发者。他打造的 FARS，更像是一座“自动科研工厂”。
2026 年 2 月，FARS 做了一场持续 228 小时的全球直播：系统从零开始自主提出 244 个假设，最终完成 100 篇学术论文，所有成果全部公开。平均算下来，大约每 2 小时 17 分钟产出一篇论文，总成本约 10.4 万美元。
项目链接：
https://analemma.ai/fars/
这个数字当然不能简单理解成“AI 已经可以批量生产高质量论文”。
它真正值得关注的地方在于：科研这件事第一次被拆成了一条可以持续运行、可以公开观察、可以计算成本的自动化流水线。
过去我们讨论 AI 科研，更多停留在概念层面。而 FARS 把问题变成了一个更具体的工程问题——给定算力、工具和智能体组织方式，AI 到底能把科研流程推进到哪一步？
西湖大学张岳团队提出的 DeepScientist，则更强调长周期科学发现。
项目链接：
https://github.com/ResearAI/DeepScientist
它不是简单让 AI 写一篇论文，而是让系统围绕一个研究目标，持续生成研究想法、筛选假设、执行实验、积累发现记忆，并最终形成完整论文。
论文中显示，DeepScientist 在 DeepReviewer 模拟评审中达到 60% simulated acceptance rate；由 3 位具备 ICLR 评审经验的研究者组成的小型 program committee 也认为，其输出在想法生成和科学贡献上具有一定价值。
这类工作说明，高校侧真正关心的已经不是“AI 能不能写论文”这个表层问题，而是 AI 能不能具备一套更接近研究者的长期能力：发现问题、提出假设、验证假设、积累经验，再进入下一轮探索。
上海人工智能实验室推出的 InternAgent，则把视野放得更宽。
项目链接：
https://github.com/InternScience/InternAgent
它试图做一个通用科学发现 Agent 底座，把想法生成、方法构建、实验规划和工具执行放进同一个闭环框架中，并在反应产率预测、分子动力学、电力功率流估计、时间序列预测、转录预测、增强子活性预测、情感分类、二维图像分类、三维点云分类、二维语义分割、三维自动驾驶、视觉语言模型微调多类任务中进行验证。
这类系统的意义在于，它不再只服务某一个单点任务，而是在探索一种更通用的科研智能体范式，不同学科任务虽然形式不同，但背后都可以被抽象为“提出问题-调用工具-执行实验-分析反馈-继续迭代”的循环。
而工业界走的则是另一条路线：把 AI Agent 接入真实实验室。
晶泰科技的方向很典型，它把 AI 模型与机器人实验平台结合，构建智能自主实验平台，让 AI 负责实验设计和决策，让机器人负责合成、检测和数据记录。官方资料显示，这类平台可以实现 7×24 小时高通量实验执行，人效提升 5 倍、数据收集能力提升 40 倍，并已经在化学合成、配方筛选、中药分析、新材料等场景落地。
来源：
https://www.xtalpi.com/approach_auto_lab/
这意味着，科研 Agent 不只是停留在屏幕里的“数字研究员”，而是开始进入真实实验环境。
英矽智能发布的 LabClaw 也是类似方向。
来源：
https://insilico.com/main_sc
它通过 5 个协作式 AI 智能体与 28 项专业技能模块，连接疾病靶点发现、化合物筛选、自动化实验执行、数据分析和报告生成等环节，试图构建一套干湿实验全链路智能闭环。更重要的是，系统在关键节点引入 Human-in-the-Loop 审批机制，保证 AI 在提高自主性的同时，仍然受到必要的科学审查和合规控制。
从这些案例可以看到，中国在 AutoResearch 上并不是简单跟随海外热点。
高校和研究机构更多在探索“AI 科学家”的长期自主发现能力；工业界则更关注如何把 AI Agent 接入自动化实验室、生物医药、新材料和生物制造流程。
这两条路线一起将科研从“人脑驱动的手工作业”，推向“人类判断+Agent 执行+实验闭环”的新工作流。
02
综述解读：
自主科研智能体到底是什么？
回到陈德里这篇综述，它最有价值的地方，不是单纯罗列了一批系统，而是为快速发展的自主科研智能体领域建立了一套分析框架。
文章将 Autonomous Research Agents 定义为：给定一个高层研究目标后，系统能够在较少甚至无需人类持续干预的情况下，独立执行科学研究的迭代循环，包括假设生成、实验设计、执行、分析和改进。
这篇综述排除了普通辅助工具，代码补全工具、文献搜索工具、对话式问答工具，本身都不算真正的自主科研智能体。因为它们只是帮助研究者完成某一步，而不是主动推进科研流程。
真正的 Research Agent，需要具备三类能力。
第一，它要能处理开放式问题。科研任务不是一道有标准答案的选择题。很多时候，问题本身都需要被重新定义。
第二，它要有新颖性要求。科研不是把已有信息重新排列，而是要提出某种超出现有知识的贡献。
第三，它要具备可验证性。一个结论不能只是听起来合理，还要能通过实验、代码、数学推导或专家评审来验证。
这也是为什么科研 Agent 比一般任务型 Agent 更难。写一段代码，可以用测试用例验证。回答一道数学题，可以对照标准答案。但判断一个研究想法有没有价值，往往需要时间、同行评议和真实领域知识。
03
从 L1 到 L5：
科研 Agent 正在走向更高自主性
这篇综述最清晰的贡献是类比自动驾驶 SAE 分级，提出了 L1 到 L5 的科研智能体自主等级体系。
表注：科研智能体自主等级分类体系。“Human Role（人类角色）”一列表示，在初始目标设定之外，人类还必须提供哪些支持或介入。
L1 是自动补全层级，以 GitHub Copilot、TabNine 等代码补全工具为代表，主要在 token 或代码行粒度上提供补全建议，人类仍完全掌控任务方向与正确性判断。
L2 是任务执行层级，以带工具调用能力的 ChatGPT、Claude 等对话式助手为代表，可以拆解明确任务、调用工具并合成信息，但关键步骤仍需要人类持续确认。
L3 是带检查点的多步自主层级，以 Claude Code、Cursor Agent 等代码智能体为代表，可以在预设检查点之间自主完成 10–100 步操作，例如浏览代码库、编辑文件、运行测试和修复错误；人类主要负责目标设定和阶段性审查。
L4 是有自我修正能力的全自主层级，以 Devin、AI Scientist、SWE-Agent 等为代表，系统接收研究目标后，可以连续运行数小时甚至数天，完成实验执行、失败恢复、策略修正和最终成果生成，人类主要负责最终结果评估。
L5 是自我驱动科研层级，指智能体不仅能执行研究任务，还能自主选择研究问题、规划长期研究议程，并在长期过程中积累和复用自身成果。
综述的判断非常克制：当前系统大多处于 L3 到 L4，L5 还没有真正实现。
阻碍 L5 的关键，不只是模型能力不够，而是长期知识积累、可靠自我评估和可扩展智能体架构仍然没有完全解决。
这点很重要。
它提醒我们，AutoResearch 虽然很火，但不能被包装成“AI 已经全面取代科学家”。
更准确的说法是，AI 已经能在部分科研流程中形成高强度执行力，但离真正自主提出长期科研议程，还有很长距离。
04
四种架构：
科研 Agent 是怎么工作的？
综述还总结了当前自主科研智能体的四类主流架构：单智能体循环、多智能体协作、层级编排和工具增强执行。
图注：自主科研智能体的四种主流架构模式。
单智能体循环，是最基础的形态。一个 Agent 反复执行“计划—行动—观察—反思”的循环。它结构简单，适合边界清晰的小任务，但面对复杂科研流程时，容易受限于上下文、错误恢复和任务复杂度。
多智能体协作，则更像一个科研小组。不同 Agent 扮演不同角色，例如文献调研员、实验设计者、代码实现者、审稿人、结果分析者。它的优势是可以相互补充和校验，缺点是沟通成本和系统复杂度更高。
层级编排架构类似“管理者-执行者”的结构，上层 Agent 负责目标规划和任务拆解，下层 Agent 负责具体执行。这样可以避免一个模型同时承担所有认知负担，也更适合长链条任务。
工具增强架构，则是让 Agent 接入真实工具。比如代码环境、浏览器、数据库、文件系统、实验平台，甚至机器人实验室。没有工具，Agent 只能“说”；接入工具后，Agent 才能“做”。
目前较先进的科研 Agent 往往不是单独采用某一种架构，而是混合使用。例如，用层级架构做规划，用工具系统做执行，用多智能体做互审，用单智能体循环完成局部推理。
这也解释了为什么 AutoResearch 会突然成熟。
它不是单个大模型能力提升的结果，而是模型、工具、记忆、检索、代码执行、评估系统和工作流编排共同成熟后的产物。
05
总结：Agent 接管的是科研重体力，
不是科学判断
陈德里这篇综述最特别的地方，在于它本身就带有一种“元实验”色彩。
文章讨论的是自主科研智能体，而文章部分内容又由 Deli AutoResearch SKILL 生成。也就是说，研究者一边分析科研 Agent 的能力边界，一边亲身测试科研 Agent 到底能走多远。
但越是这样的案例变多，越需要把话说清楚。
AutoResearch 的价值，不是让 AI 代替科学家获得灵感。
它更现实的作用，是接管科研中大量重复、繁琐、长链条的执行环节。比如查文献、搭框架、写代码、跑实验、生成图表、整理结果、生成初稿、检查引用、修改格式。
这些工作过去会严重消耗研究者的注意力。现在，Agent 可以把它们变成一个更自动化、更可追踪、更可复用的流程。
但科学判断仍然属于人——什么问题值得研究，什么结果真正重要，哪些结论经得起验证，哪些方向有长期价值，哪些边界不能突破，这些都不是简单靠 token 消耗和自动迭代就能解决的。
综述也明确指出，自主科研智能体仍面临认知循环、上下文限制、新颖性评估、可复现性、安全风险和成本等关键挑战。
所以，AutoResearch 最合理的定位不是“AI 取代研究者”。而是让研究者从大量科研重体力中释放出来，把更多精力放回真正需要人类判断的地方。
