上海一群青年，造了个学术版OpenClaw量子位

搞科研，如今也能解锁 “龙虾（OpenClaw）式” 高效玩法！向学术版 “龙虾” 抛出一个专业科研问题，它便能联动海量资源、并行迭代方案，将原本耗时半月的工作压缩至短时间内完成 —— 这不是想象，而是上海科学智能研究院（上智院）联合复旦大学最新发布的系统级高能动性科研智能体 “大圣” 的真实能力。

作为面向科学探索的智能体，大圣以 “护送科学家攻克科研难题” 为核心使命，覆盖生命健康、地球科学、物质科学等全域领域，实现了 “上天入体” 的跨场景突破，正推动科研范式从 “苦行僧式” 向 “高能动协同式” 变革。

一、全域科研能力：上天入体的 “七十二变”

大圣的科研能力早已突破单一领域限制，在多学科场景中展现出 “上天入体” 的全域覆盖力，真正做到 “一个智能体搞定全流程科研”。

（一）生命科学：干湿闭环破解实验痛点

生命科学研究长期受 “干湿分离” 困扰 —— 计算机模拟的干实验结果，在湿实验中往往验证困难、效率低下。大圣通过 “智能设计 + 自动化实验” 的闭环模式，彻底解决这一痛点。

上智院生命科学方向 AI 科学家郭昕现场发起三连问：“AGT 靶点的机制是什么？请帮我设计 20 条 siRNA 序列（需从文献总结规律）？用 Huh7 细胞系设计实验？” AGT 作为治疗原发性高血压的明星靶点，siRNA 药物设计对精准度和验证效率要求极高。

大圣迅速回应靶点机制，基于文献提炼 GC 含量等关键规律并生成序列，点击 “AI 费米卡片” 后，直接联动自驱动生命实验室。现场连线显示，设备自检完成后，机械臂 16 分钟内完成 96 个样本的脂质体介导转染操作，效率较传统手工实验提升 3-4 倍。实验数据自动回传，形成 “设计 - 执行 - 反馈 - 优化” 的完整干湿闭环，大幅提升 siRNA 设计成功率。

（二）基座模型：多模态对齐突破数据壁垒

科学数据的模态复杂性（如 RNA 序列、分子结构、气象场数据）是 AI 科研的核心障碍。上智院共性技术部主任研究员谭志羽展示了大圣的多模态处理能力：输入 RNA 二级结构数据并提问 “How would you categorize this RNA contact map in terms of RNA families?”，模型不仅精准分类，还输出细节解析；后续要求设计识别癌变细胞的 Toehold Switch RNA 序列，大圣直接理解多源科学条件，跳过繁琐文本转换，输出可直接用于实验的高性能序列。

当需要更换 Trigger 重新设计时，模型在同一上下文中原封继承此前 Linker 信息，实现真正的多模态对齐与生成，彻底打破 “科学数据需转文本才能处理” 的局限。

（三）地球科学：星上计算实现 “上天” 探索

大圣的科研触角已延伸至太空。基于伏羲气象大模型的积累，上智院联合复旦大学、之江实验室完成 “空地数据互联 — 伏羲模型上天 — 星上计算” 的闭环链路验证。针对太空科学计算复杂度高、难以部署的痛点，团队对伏羲大模型进行轻量化改造，使其提速 8 倍，成功送入太空。

目前该模型已在轨稳定运行一个月，完成地面数据上传、星上计算推理、核心数据回传的完整闭环。下一步团队计划发射更多卫星星座，补齐全球气象观测短板，提供更低时延、更精准的天气预报服务。

（四）人文科学：苏格拉底式思辨赋能教育

在人文社科领域，大圣摒弃死板的知识灌输，以苏格拉底式思辨推动深度学习。上智院研究员王雯莉演示的中华文化通识教育案例中，面对学生提问，大圣会编排高效教学 workflow，串联起思辨环节，重点培养独立思考能力，展现出跨学科的适配力。

二、硬核技术架构：大圣的 “炼成之道”

大圣的高能动性，源于底层 AI 架构的彻底重构。作为上智院 “星河启智科学智能开放平台”（汇聚 400 余个科学模型、22PB 级数据、5 亿篇文献专利）的升级成果，其核心技术突破体现在四大维度：

（一）大脑：神珍多模态科学基础模型

针对科学数据模态复杂的痛点，团队打造神珍科学多模态基础模型，走出第三条研发路径 —— 既不同于学科专用模型的 “跨模态不可复用”，也区别于文本统一式模型的 “信息失真”，实现原生多科学模态输入与生成。

每个科学模态配备专用 Tokenizer，生成高保真 Science Token，输出数据可直接作为输入，具备自反思能力，支撑长周期科研思考。该模型在文本科学推理上达到业界 SOTA 水平，RNA 理解与生成能力与专用模型持平，成为大圣理解科学语言的核心基石。

（二）记忆：多分支群体记忆架构

科研的多路径探索的过程中，单线程记忆易导致记忆混乱、失败经验丢弃、非共识观点被忽略。上智院工程师沈砾捷将 Git 版本管理思想引入智能体设计，打造多分支群体记忆架构：

以海量文献为主体认知主干，多个科研分身并行探索时，各分支拥有独立记忆与数据存储，实现信息隔离；成功经验与失败教训经审核后，均回流至主体认知并同步至全网，让每一次探索都成为 “成长养分”。目前该架构已落地于超宽禁带半导体研发项目，支撑十余个专业智能体协同工作。