就在刚刚，世界上最强AI科学家正式发布！
5月20日，前谷歌CEO Eric Schmidt投资的一家非营利机构FutureHouse，发布了Robin—一款自动化AI科研多智能体系统（Agent）。
只要给定一种疾病，Robin就会自动检索文献提出疾病机制，识别相关的体外实验，并提出药候选方案。
短短的10周之内，Robin自主发现了一款治疗干性老年黄斑性变形（AMD）的潜在疗法，为广大患者带来新希望！
整个过程，AI负责所有的智力工作，包括生成了所有假设、实验选择、数据分析和图表，人类研究人员负责执行物理试验。
有科学家表示：“这是我见过最接近人工智能，并且是真正具有科学用途的工具！”
该研究预印本已上线Arxiv，Robin也将于5月27日开源，团队希望科学家们能够将其纳入其工作流程中，并且推动科研发展。
覆盖临床前科研全流程
简单而言，Robin是一个多智能体系统，它集成了4个AI科学家智能体，各有不同的功能，共同推动科学发现。
Crow（乌鸦）：通用智能体，负责跨领域知识整合与假设生成，可精准定位基因等核心研究要素。
Falcon（猎鹰）：自动化文献综述智能体，专攻深度文献综述，可接入多种科研数据库，进行系统性整合分析。
Owl（猫头鹰）：调研智能体，专注于多维度数据验证与假设评估。
Phoenix（凤凰）：实验智能体，具备自动化化学实验规划能力，推荐合适的化学实验方案，提高效率降低成本。
为了对Robin的能力进行验证，研究团队要求Robin找到一款治疗干性老年黄斑性变形（AMD）的新疗法。
这种病会随着疾病进展，导致患者视力严重下降甚至失明。当前，全球还没有干性AMD特效治疗方法。
Robin能够自动开启科学研究，即提出假设——设计试验——机制研究——反馈改进全流程。
1、初步假设
研发药物的首要目标，是要理清楚疾病的发病机制，并对症开发出相关疗法。不过干性AMD发病机制复杂，基础研究进展缓慢。
而Robin通过识别和审查151篇论文，提出了十种与dAMD相关的生物学机制，并对发病机制和相应的实验策略进行排序。
之后AI提出一种假设：通过增强视网膜色素上皮（RPE） 吞噬作用有望治疗干性AMD。
然后，AI通过筛选大量RPE吞噬和干性AMD有关的论文，提出了30种现有的候选药物，并由人类科学家在实验室中测试了其中的10款药物。
然后，Robin 使用 Finch 分析了这些实验的数据，发现 ROCK 抑制剂 Y-27632 增强了细胞中RP吞噬作用。
2、机制研究
而为了确定Y-27632 是否诱导基因表达变化，Robin提出了一个 RNA 测序实验，以研究ROCK抑制剂的转录效应。
实验由人类科学家完成，Robin 分析了数据并确定 Y-27632 上调了 ABCA1，这是 RPE 细胞中的关键脂质外排泵。
ROCK抑制剂Y-27632的RNA测序分析
3、发现潜在疗法
完成上述试验后，科学家将这些数据又上传回Robin进行分析，以生成新一轮的治疗候选药物。
基于上述实验结果，Robin提出另一款名为Ripasudil的ROCK抑制剂明显优于Y-27632。最终结果不出所料：Ripasudil的表现优于Y-27632，与DMSO对照组相比，RPE细胞吞噬作用增加了7.5倍！
Ripasudil显著增强RPE吞噬作用
于是，Robin最终确定ripasudil作为治疗干性AMD的潜在药物。这是一种已经上市的Rho激酶抑制剂，此前在日本批准用于治疗青光眼和高眼压症。
从Y-27632到ripasudil，则充分证明了Robin能够通代实验和反馈，并逐步改进治疗假设的能力。
有望颠覆科学研究！
一句话总结：Robin代表了首个完整实现的人工智能驱动的科学发现。
为了评估AI的成果，背后团队还来了多位眼科专家对上述工作进行讨论。
实际上，此前就有研究提出通过增强视网膜色素上皮（RPE） 吞噬改善干性AMD的机制并不新鲜，90%的干性AMD 患者其特征是视网膜色素上皮 (RPE) 下细胞外物质的积累。
但该研究的突破在于，此前几乎没有任何文献指出使用ROCK抑制剂有望用于治疗干性AMD。几位眼科专家表示，这个疗法非常有趣又新颖。
不过，研究团队也作出了提示。尽管这项研究令人兴奋，但是发现一种潜在疗法不等于已经治疗干性AMD，这中间还需要进行漫长的人体实验。
但是，这个实验例子足以证明了 AI 驱动的科学发现的新范式。
通过在一个集成系统中实现假设生成、实验规划和数据分析的自动化，不仅可以重塑治疗开发，而且从根本上加速科学进程，推动对自然世界的更深入了解。
值得一提的是，Robin能不止用于药物发现，还可以拓展到材料科学到气候技术等不同领域的科学研究。
那么问题来了，打造Robin背后的机构Future House究竟是何方神圣？
这家非盈利机构成立仅两年，已经获得前谷歌CEO Eric Schmidt投资。两位创始人Andrew White和Sam Rodriques，分别是化学家和生物工程师。
两位联合创始人Andrew White 和 Sam Rodriques
他们认为，当前爆炸的科学成果反而给科学家们带来了信息瓶颈。仅在PubMed上就有 3800 万篇论文，更不要说500,000+ 临床试验和数千种专业工具，让科学家们经常无从下手。
而开发 AI 科学家有望解决这个问题，通过整合大语言模型、AI生物学模型等各种前沿工具，让其具有超强的文献搜索和研究能力。
这意味着，无论是生物学实验、化学合成还是材料科学的模拟，AI科学家都能无缝嵌入到科研流程中，成为科学家的“数字助手”。
就在不久前，FutureHouse推出了一款全新的智能体Finch，它能够完全自动化进行数据驱动的生物学发现。包括文献检索、数据分析、假设生成等，有远超通用大模型的研究能力。
AI科学智能体时代，来了
毫无疑问，AI for Science已经进入了超级智能体时代。
大模型的不断发展，催生了新一代基础设施与平台体系，推动科学发现从单点模型突破转向全流程智能闭环，
这使得高复杂度、大体量的科研任务能够实现自主决策、动态优化与持续进化，也为整个行业带来了新机会。
2025年3月，生物医药知名创投平台Flagship Pioneering宣布推出一家AI for Science公司——Lila Sciences。
该公司首轮即获得2亿美元的资金，致力于构建世界上第一个科学超级智能平台，以及应用于生命、化学和材料科学的完全自主实验室。
Lila 的自主科学平台旨在通过将生成式 AI 与可通用、可扩展和自主的 AI 科学模型相结合，在人工指导下扩展和优化任何科学领域的实验。
前不久，百图生科基于其生物大模型xTrimo V3，构建了面向生命科学的AI智能体系统，覆盖信息搜集-生物洞察-智能实验的全流程，加速提升研发效率。
显然，AI科学智能体正推动科学从人类主导转向人机共生的新模式。
科研的未来，必将是人类创造力与AI的共同协作。
