科学家只管提问题，AI负责跑实验：深势科技把科研全流程搬进桌面
内容提要
深势科技发布玻尔·科学空间，为科研人员与AI科学家协同工作提供桌面环境。它整合文献、计算工具和实验资源，内置BioMaster、PharmMaster等专家，自动完成调研、假设验证、数据分析和论文写作。研究者只需提问和确认，AI接管繁琐工作，提升科研效率，并推出“玻尔107计划”征集重要科学问题。
延伸解读
科研流程的“体力活”被AI接管
文章指出，科学家大量时间消耗在文献检索、数据整理、环境配置等琐碎环节，而非核心思考。玻尔·科学空间试图通过AI科学家接管这些“体力活”，让研究者专注于提问和确认。这反映了AI在科研领域的应用趋势：从辅助分析走向全流程自动化，但实际效果仍需验证。
AI科学家的能力边界
玻尔·科学空间内置BioMaster、PharmMaster等专家，覆盖生物、医药、材料等领域，能自动完成调研、假设验证、数据分析等任务。但文章也强调，AI的结论需要研究者检查依据和结果，且“科学训练场”机制依赖人类反馈来进化。这表明AI并非取代科学家，而是作为协作工具，其可靠性依赖于人类监督。
“玻尔107计划”的意义与挑战
该计划面向全球征集重要科学问题，并提供AI科研支持，旨在推动有价值的问题从提出到验证。这体现了深势科技希望将AI能力应用于更广泛科研场景的愿景。然而，计划的实际影响力取决于问题筛选标准、AI执行复杂任务的能力，以及科研社区的参与度，目前尚处于早期阶段。
Q&A
深势科技发布的玻尔·科学空间是什么？
玻尔·科学空间是深势科技发布的桌面端科研环境，专为科研人员与AI科学家协同工作而设计。它整合了文献、计算工具和实验资源，内置多个AI学科专家，支持从调研、假设验证到论文写作的完整科研流程。
玻尔·科学空间如何帮助科研人员节省时间？
玻尔·科学空间通过AI科学家自动完成文献检索、数据分析、实验设计、代码调试等繁琐任务，研究者只需提问和确认，从而将更多时间用于提出问题和理解机制。
玻尔·科学空间内置了哪些AI学科专家？
玻尔·科学空间内置了SciMaster（全科）、BioMaster（生物信息）、PharmMaster（药物研发）、MatMaster（材料科学）等AI学科专家，分别支持不同领域的科研任务。
BioMaster在生物信息学研究中能完成哪些典型任务？
BioMaster可以完成论文分析复现（关联公共数据与代码）、单细胞数据分析（组织数据处理与可视化）、基因变异解读（跨数据库进行证据核验）等任务。
PharmMaster在药物研发中如何工作？
PharmMaster以ITK靶点抑制剂为例，可以完成靶点调研、专利分析、作用机制研究、构效关系分析、分子设计和成药性评估等环节，形成由同一目标驱动的研发工作流。
玻尔·科学空间如何确保AI执行科研任务的可靠性？
玻尔·科学空间通过SciX智能体框架将任务拆解为可执行步骤，并在关键节点检查校验，遇到问题可自动诊断矫正；同时Sandbox提供隔离环境，任务创建成功率达98.8%。
玻尔·科学空间如何连接科研资源？
玻尔·科学空间通过Science Navigator连接超过2亿篇文献与专利，DeployMaster部署超5万个科学计算工具，Uni-Lab-OS连接超150大类、1800款仪器设备，实现知识、计算和实验资源的整合。
玻尔·科学空间如何支持论文写作和审查？
玻尔·科学空间提供写作助手，根据研究数据组织论文结构并输出LaTeX；审查助手则核验论文逻辑、引用来源和图表数据，提示需要补强的地方。
什么是“玻尔107计划”？
“玻尔107计划”是深势科技发起的全球科研问题征集活动，面向科研人员征集重要科学问题，并为入选问题提供从调研到验证的科研支持，推动有价值的问题得到探索。
玻尔·科学空间如何实现协同进化？
玻尔·科学空间通过记录科学家的修正、计算结果和实验数据，形成“科学训练场”，借助EvoMaster智能体的自学习机制，沉淀可复用的工作流，使平台越来越懂用户。
