姚顺雨谈腾讯AI4S：AI做科研正从专用模型走向通用智能体

AI进入科研领域后，形态正从专用模型转向通用智能体——这类智能体既能解题，也能造工具。

姚顺雨毕业于清华“姚班”和普林斯顿大学，提出过ReAct、思维树等方法，也参与过OpenAI智能体产品的研发。

在整理正文之前，先说明两点。

1、本文由潮涌AI依据姚顺雨现场演讲内容整理，保留第一人称，并做了必要的顺句和精简。

2、专名和数字按现场幻灯片与公开资料校正，补充信息以“背景补充”标出。

以下是姚顺雨演讲实录的正文部分——

AI for Science正在经历三次范式转变

很高兴来到这里，和大家聊聊AI for Science。

我们刚刚发布了Hy4模型和Hyra 2.0工具框架。今天讲到的内容，如果大家想了解更详细的细节，可以去混元的研究页面查看。

总体来看，我们正在经历三次非常快速的范式转变。它们并不是简单的替代关系，而是层层递进、并行发展。

第一阶段，是我们针对特定的科学问题打造专用模型。

第二阶段，得益于大语言模型的发展，我们拥有了能够解决问题的通用智能体。

大语言模型一路演进，到今年把事情带进了第三阶段：智能体不光会解题，还能自己造工具。当下的问题它能处理，将来的问题它也提前铺路。

回头看第一阶段，AI for Science 最常被提起的样本是 AlphaFold。它对应的是头一种范式：研究者盯住某个具体问题，专门为它搭一套神经网络，再把人类总结出的大量先验知识塞进模型结构里，距离偏差、序列进化偏差都属此类。

AlphaFold一到三代大致出现在2018年至2024年。这是AI for Science非常重要的一条路线：研究者训练一个神经网络，用它完成特定科学任务。

三代AlphaFold 的技术主线（由博主@胡奇Hooch整理）

但与此同时，另一场革命也在发生，那就是大语言模型。

大模型先完成统一，再通过缩放释放能力

大约从2017年到2022年，大语言模型完成了一系列统一和简化。

第一步是统一数据。

借助Transformer和自注意力机制，我们可以把任意类型的数据都表示成一串Token。不管是句子、图像、视频还是音频，都可以变成Token列表。

第二步是统一架构。

既然不同数据都能表示成Token列表，我们就可以用同一种架构处理它们，关键就是让不同Token之间能够进行自注意力计算。

有了Transformer这个高度统一的模型架构，下一步就是统一任务。

任务输入输出的形式原本五花八门，其实换个更通用的说法就能统起来：预测下一个Token。

这样一来，不管什么输入进来，大量任务都能归结成同一个问题——下一个该冒出哪个Token。

ReAct随后把工具调用接了进来。模型生成Token不光用于思考，也用于行动：遇到问题，它既能靠生成Token做推理，也能去调搜索、代码、终端或别家外部工具，再照着返回的结果往下走。

一个Transformer能处理多种数据，又能生成Token去思考和行动，那它就不再只是语言系统，而更接近一个能接收信息、做推理、采取行动的通用智能体。

大语言模型还有一项很关键的特性：缩放。对AI从业者来说这也许显而易见，但它仍是我眼中AI最重要的概念之一。

算力、数据、参数往上加，模型预测下一个Token的损失就会一路往下掉。

可模型能力平滑上升，不等于任务实用性也平滑上升。任务表现常常在某个时点突然变样：此前一直贴着零，跨过某道门槛后忽然就做得很好。

数学、编程、多模态理解，乃至AI for Science，这类情形在许多领域一再上演。

通用智能体已经开始解决真实科学问题

大语言模型一旦能像人一样思考和行动，我们就管它叫智能体。它能调工具，自己把问题解决掉。

用Hy4做逆向蛋白质折叠就是一个例子。蛋白质折叠是输入一串氨基酸序列、输出对应的三维空间结构；逆向折叠把问题倒过来：给出目标骨架的几何结构，设计出尽量匹配的氨基酸序列。

语言模型的路子和人的思路很像：先拿已有的生物学知识作先验，提出候选序列；再调用结构预测等工具，核对结构和目标吻合到什么程度；最后照结果反复优化方案。

起初模型表现并不好，可多轮迭代之后，到第17次提交时结果已明显改善。关键不在于某一次生成了什么，而在于它能不断提方案、调工具、读反馈，再接着改。

另一个例子是用模型分析约700万个细胞，重建小鼠胚胎的三维结构。说白了，输入是84张无序的二维切片，目标是把对应的三维胚胎重建出来。

难的地方不只是数据量大，有些数据还可能出错或损坏。模型得用编程、终端等工具，还得自己找出哪里坏了，再动手修。

最终，它在一台机器上花了大约90分钟跑完整个重建流程。对生物学家来说，这省下的时间相当可观。

数学领域同样有类似的进展。

智能体开始碰几何、群论、理论计算机科学和加法组合里的开放问题。我们自己的一个例子是和集与差集问题：智能体一遍遍提出、检查、修正想法，最后拿到最优指数，还参与了论文整理。

这些成果水准高低、分量轻重各有不同，但干活的方式是相通的：通用智能体不再只回答一个局部问题，而是在工具辅助下把研究流程往前推。

其实，如今科研的不少环节它都能帮上忙——探索问题、设计研究方案、写代码、做实验、分析结果，也能复核结果、迭代优化、撰写论文并协助投稿。

语言模型智能体在科学问题里到底表现如何，要看得更全一些，于是团队搭了一个叫TenureTrail的基准。它横跨7个研究领域，包含123项可执行研究任务，环节从问题探索、研究设计一直排到实验与数据分析、复核和迭代。前面说到的逆向蛋白质折叠，就是这123项任务里的一个。

评测下来的情况是：Hy4在开源模型里成绩最好，可开源阵营跟排在最前面的闭源模型比，还是差着一截。

科研能力像水位上涨，真正的变化是完整工作流被解锁

姚顺雨认为，这种进步方式有点反直觉。

以前做垂直领域，路子很像盖房子：你得死盯住这个问题，从地基起一层一层往上垒。

通用智能体带来的变化更像海水上涨。水位一直在平平稳稳地升，可直到它漫过你的鼻子，你才真的觉出变化来了。

编程就是个例子。

过去五到十年，模型能力其实一直在稳稳往上走。直到它逼近人类工程师的水平，大家才突然觉得剧变来了。问题是，底层能力并不是那一天才开始涨的，它一直在涨。

另一个特点是，不同领域的能力能叠加起来。

也许今天它解锁了数据分析，另一天又解锁了编码。文献检索、写作、数据分析、编程这些能力一个一个解锁之后，智能体就能把它们串起来，形成更大的任务范围和更自主的工作流。

很多能力上的渐进提升，最后解锁的不是某个孤立功能，而是一整套完整的工作流程。

下一步不是只交答案，而是留下可复用工具

第三种范式，可以看成第二种范式的延续。

通用智能体已经能像人一样解决问题，这已经看到了。再往前一步，是让它去构建软件、工具和模型，为以后解决更多问题做准备。

这里头有几个关键变化。

以前面对的是特定问题，比如某一种蛋白质的结构。现在有了通用智能体和专门的任务框架，问题可以更开放，方法也能适配不同领域。

跟计算机相关的任务，模型往往做得比较顺手，因为结果更容易验证，也更客观。你写出来的代码跑不跑得起来，模型达没达到指标，都能查。

这套框架叫Hyra 2.0，是一套Harness，也就是智能体运行框架，能支撑持续数天到数周的研究任务。

你可以把它想成一个科学实验室。

Overall层管统筹，Mission层负责拆解和推进任务，Worker层执行具体研究。多个智能体互相协作，共享研究进展、讨论进展，开发工具、整理原始证据，甚至互相评审对方的结果。

研究者拿到的不只是一个最终答案，任务过程、证据和产出也都看得见。

这样一来，它才越来越像一个能持续干活的自主研究系统。

下一步不是只交答案，而是留下可复用工具

有个很有意思的结果：Hyra 2.0能自己构建模型。

从零开始，它训练出一个新模型，名叫HyInv——一个196万参数的图神经网络，专门做逆向蛋白质折叠。这和前文用Hy4解一道逆向折叠题不是一回事：那次更像智能体调用工具去完成具体任务，这次更像AlphaFold的诞生过程，区别在于构建模型的不再全是人，模型自己也参与了进来。

质量指标上，HyInv达到了有竞争力的水准，推理还更快。现场展示的测试条件下，生成128条序列约用50.6毫秒，约为公开ProteinMPNN实现速度的57倍。需要说明的是，这个数字比较的是特定推理实现和测试条件，并不意味着整个蛋白质设计流程都提速了57倍。

速度这件事最容易验证，所以模型在加速上格外拿手。进展也不止于蛋白质设计：Hyra和Hy4还搭出了蛋白质语言模型HyPLM-Flash，分子模拟等方向同样有相应模型。

触角甚至伸到了数学。借助HyProver，并与北京大学的合作者一起推进，团队最近在两道数学问题上拿到结果：一是Petty等距点猜想的五维情形，证明每个五维实赋范空间都包含六个两两等距的点；二是Yau圆作用猜想的一个七维反例。

边界得讲清楚。Petty猜想推进的只是五维情形；Yau圆作用猜想拿到的是特定反例，单连通版本依然悬而未决。

生物、化学、数学之外，电路设计、量子纠错和工程问题也用上了Hyra和Hy4。这套方法通用性很强，许多不同的科学与工程领域都能套用。

大模型究竟多会构建基础模型？为此团队推出了FMBench，从训练数据、模型架构、训练策略等维度考察模型设计基础模型的能力，任务横跨机器学习和生命科学。

观察有三点。其一，搭模型是AI相对人类更有比较优势的领域，里头塞满了繁琐的工程活——写代码、跑实验、比结果，这些都适合交给AI。

其二，开源模型和闭源模型之间的差距仍然不小。其三，这个方向进步极快：两个月前发布的Hy4 Preview还排在榜单底部，新模型在同一评测中的得分已经差不多翻倍。

这和RSI——递归自我改进——关系很近。模型若能参与构建和改进模型，循环就可能转得更快。

技术问题多是时间问题，更难的是科学组织方式

前面列了不少有意思的AI for Science成果，但AI for Science显然才刚起步。越往后走越会发现，这里面既有科学问题，也有组织问题。

你刚看到的大部分成果都出在数字领域，因为数字领域的结果更容易验证。不少领域则卡在数据和验证上，比如一款新药走完临床试验，可能就要好几年。

这类技术挑战，我认为更多是时间问题。进步很快，数据在持续收集，实验室在搭，自动化实验室和机器人方向也有不少进展。

第二个挑战是科学品位。上面那些成果，背后都有人在定义问题、判断方向。

眼下有个争论：模型到底能不能有品位，能不能自己提出对的问题？

姚顺雨的看法是，长远看这可以做到，也能学。他提到，所谓品位，某种程度也是一种计算启发法。不过就当下而言，这些研究依然离不开大量密集的人类判断，靠人来确立品位、找出值得追的问题。

第三个挑战在于人类可理解的知识怎么继续积累。有些AI成果写出来是上百页论文，人却很难读懂，也不容易判断它跟领域里其他部分有什么关联。结果还是得靠人类数学家去解读，把结果整理成人类能理解、能接着用的知识形式。

姚顺雨认为，这些技术问题终究会逐步解决，更大的挑战恐怕在社会和组织层面。模型能力一天天变强，那么科学数据和这些能力该由谁拥有、谁能访问、谁从中受益？科学实验室该变成什么样子？如果成果是AI帮忙做出来的，科研信用和署名又该怎么算？经费和科研机构又该如何调整？在他看来，最大的挑战之一，是怎么教育学生、怎么评估学生，怎么培养下一代科学家。

过去年轻研究者是靠一份份基础工作练出来的，可很多入门级任务正在变。进步这么快，有不少事情需要重新想。

科学不属于任何一家模型公司

在腾讯，姚顺雨说他们也没法给出所有答案，但有些价值观是想坚持的。最根本的一条：科学属于科学界，也属于整个人类，不属于哪家特定公司，也不属于哪个模型提供商。

所以腾讯希望尽量让模型、工具和软件保持开放，价格也让人负担得起。按姚顺雨的说法，这是让模型和AGI的好处尽可能广地传出去的一种方式。目前腾讯开放了模型和深度研究工具框架，也有智能体产品；最近还给学生提供免费额度，让他们能用上更多智能体能力，接触到顶尖的开源模型。

腾讯内部也有不同部门一起支持科研人员，提供产品、算力或者额度这类资源。姚顺雨希望借这些协作，让科学家真正得到帮助。

最后他做了总结。很多学科在某种程度上都是垂直发展的，而大语言模型给出了一条新的进步轴线，与学科纵深相互正交。它们能在广泛的垂直领域里取得进展，把不同领域的想法和知识连起来，也能帮着搭建可复用的科学工具。

科学的纵深与通用智能，应该交织在一起，共同推进科学的下一个前沿。