2026 年 7 月 11 日,顶级学术期刊 Science 在官方网站上转发了一条在 AI 科研圈迅速发酵的进展——斯坦福团队打造的通用生物医学 AI 智能体 Biomni,在 40 分钟内自主完成了一项原本需要人类研究人员 60 小时才能走完的实验流程。这一时间差距,意味着 Biomni 把「研究人员一次实验」的时间成本从 2.5 个工作日压缩到了不足一个小时,理论上的科研效率提升接近 90 倍。

这件事的特殊之处不在于 Biomni 的模型有多强,而在于它把「自己做实验」这件事当成一种被交付的科研权限来执行。从文献检索、实验设计、代码生成、数据清洗,到可视化与最终的统计分析,这套流程几乎不需要人类实时介入——这意味着 AI 与科研的关系,正在从「辅助工具」悄悄迈向「实验执行主体」。

一、Biomni 是什么:斯坦福的通用生物医学 AI Agent

Biomni 是斯坦福大学 SNAP 实验室(Systems Neuroscience & AI)开发的开源通用生物医学人工智能智能体。它并不是一款只针对某一种实验或某一类疾病的专用 Agent,而是面向生物医学领域跨子学科的通用 Agent——这意味着 Biomni 既能处理分子层面的湿实验,也能处理基因组层面的干实验,还能处理临床数据层面的回顾性研究。

从技术路径上看,Biomni 的定位与传统的「领域专用模型」存在本质差异。传统的领域模型依赖预训练阶段就被注入的领域知识;Biomni 的核心思路是「工具房 + 推理能力」——它本身不试图把所有生物医学知识塞进模型权重,而是建了一个动态的工具与数据库集合,自主决定在每一个实验环节调用哪一个工具。

这种设计的妙处在于:科研领域不断有新工具、新数据库、新试剂问世,任何模型都不可能把新知识及时内化进权重。Biomni 通过工具调用机制,把「知识更新」这个难题转移到了工具生态本身——只要有新工具接入工具房,Biomni 就能在下一个实验中用上它。

该项目在 GitHub 上以 snap-stanford/Biomni 为名开源,采用 Apache 2.0 / 类似的开源协议,允许学界在它的基础上做二次开发。这种开源策略,也让 Biomni 在很短时间内获得了来自全球实验室的关注。

二、Science 如何评价:从「辅助工具」到「科研权限」的转移

作为全球自然科学领域最权威的学术期刊之一,《Science》对一项 AI 工作做出明确转发,在 AI 科研圈往往具有「信号意义」。《Science》官方账号在传播这条进展时,核心表达不是「模型有多聪明」,而是「工具房配得够不够齐」。

这句话背后的潜台词相当清晰:在一个真正的科研型 AI Agent 系统里,工具生态的丰富度与可用性,可能比模型本身的推理能力更决定 Agent 能不能干活。换句话说,如果 Biomni 只被接入了 10 个工具,那么它就只能在这 10 个工具的组合空间内做实验;如果工具房扩展到 1000 个工具,Biomni 可处理问题的复杂度会指数级上升。

更深一层的信号意义在于:在过去的二十年里,科研 AI 的主线叙事是「AI 能不能算出来、能不能推理」;而从 Biomni 开始,主线叙事变成了「AI 能不能真的进实验室做实验」——后者涉及的是「实验权限」的问题,而不仅是「算法能力」的问题。

可以说,这是 AI 与科研关系的一次范式切换。在此之前,AI 是研究人员手里的工具;在此之后,AI 开始拥有自己执行完整实验链条的能力——这种变化的意义,远超性能数字本身。

三、40 分钟跑完 60 小时实验:Biomni 真实跑过的工作流

Biomni 的 40 分钟/60 小时数字并不是「一次性 demo」,而是一次完整的端到端实验流程——它涉及 450 多个生物医学数据文件的处理。从它的工作流拆解,大致可以分为五个连续的阶段。

第一阶段是文献检索与问题定义。Biomni 能够基于研究目标,自主检索相关文献、总结已知结论、识别尚未被验证的研究问题,并给出本次实验的科学假设。

第二阶段是实验方案设计。基于已确定的研究问题,Biomni 自主设计实验方案,包括实验组与对照组的划分、样本量的统计推断、关键变量的控制策略、可能的偏差来源。

第三阶段是数据采集与代码生成。Biomni 自主完成数据的获取、清洗、预处理,必要时自己生成分析代码——这里的「自己写代码」并不是简单的函数补全,而是从需求出发写出一段可执行的、用于生物统计或可视化场景的完整脚本。

第四阶段是实验执行与中间过程监控。Biomni 实时观察实验流程的中间结果,识别异常值,决定是否需要调整实验参数。这种「过程级反馈」是传统一次性脚本分析做不到的。

第五阶段是结果可视化与统计分析。Biomni 自主生成可视化图表、撰写分析结论,并把整套产物组织成可被研究人员审阅的结构化输出。

这是上述五个阶段在 40 分钟内连续运行得出的结果,而对照的人类工作流——从读文献、设计方案、写代码、跑实验、做可视化——按典型节奏通常需要 60 个小时左右。差距如此巨大,主要来自三个因素:Biomni 不会疲惫、不会丢三落四、不会在多个工具切换时浪费时间;它还能并行处理数据;并且工具调用是毫秒级的响应,不像人类切换软件那样占用大量注意力。

四、自主设计 + 执行 + 分析:Biomni 是怎么「自己写代码」的

在所有关于 Biomni 的报道中,「自主设计、执行、分析」这条主线最容易被外行低估。它听起来像一句套话,但拆开后看,其实是把过去由人类不同角色分别承担的「实验科学家 + 生物统计学家 + 数据分析师 + 报告撰写人」四种角色合并成了一个连续执行的整体。

具体到「自己写代码」这件事,Biomni 的做法并不是简单的 LLM 单次生成。它的实现路径更接近一种迭代式的研究过程:Biomni 先用 LLM 写出第一版代码,然后在实际数据上运行,根据错误信息返回再次调用 LLM 修正;如果运行成功,再对结果做合理性检查,如果不合理就再次调 LLM 调整——这种循环保证了最终代码既符合语法,又能跑出有意义的输出。

这种方式跟传统「代码补全 Copilot」完全不同。Copilot 只能补全人类已经写好的代码片段,缺失时它无法自主决策;Biomni 则能基于实验目标自主开始、运行失败时自我诊断、再迭代,体现的是一种完整的闭环研究能力。

而从代码的内容范畴来看,Biomni 写出来的并不只是 Python 脚本——它同时还会写 SQL 提取生物数据库中的样本元数据,调用 R 脚本完成统计建模,调用专门的生物信息学工具处理基因组数据。这意味着 Biomni 的工具房是跨语言的、跨生态的——而不是「只能写 Python」的单一文本生成器。

五、Biomni 背后的生态:开源的科研工具箱 + Claude Sonnet 4

Biomni 选用的底层 LLM 是 Anthropic 的 Claude Sonnet 4。这并不令人意外——Claude 在长上下文(200K)、多步骤推理、代码生成和工具使用上的稳定表现,一直是 2025 年以来 AI Agent 系统的常见首选。

但 Biomni 真正的护城河,在于它构建的那套可扩展的工具生态。这套生态包含三个部分:第一是可执行的工具函数集合,目前 Biomni 已经接入 150+ 个生物医学专用工具;第二是数据湖,Biomni 检索的公共与私有数据库覆盖了大量生物医学权威仓库;第三是子智能体(Specialist Agents),用于垂直任务的深度操作。

这种设计的好处是:Biomni 的能力上限,跟工具生态的扩展速度绑定,而不完全跟模型迭代绑定。即便 LLM 在接下来几年没有本质进步,只要把更专业的工具接进工具房,Biomni 就能在新的实验场景上立竿见影地变强。这种「模型不变、能力成长」的曲线,在科研领域具备独特的价值——它意味着实验室在投入搭建 Biomni 的那一刻起,未来所有进入工具房的新功能都会自动变成他们的能力。

此外,Biomni 选择了开源路线,这对于学界相当重要。学术研究的核心是「可重复性」,而开源意味着任何实验室都能在自己的电脑上跑出同样的结果——这与闭源的 API 类 Agent 在科研上的兼容性形成鲜明对比。

六、自主实验 Agent 的下一站:Nature 的 MIRA、DeepMind 的 AI 科学家

Biomni 不是孤立事件。2026 年里,关于「AI 自主做实验」的进展呈现密集爆发态势——这是一个值得放进更大坐标系里观察的趋势。

Nature 期刊报道过一款端到端的 AI 科学家智能体 MIRA。它能够从文献检索到实验设计到数据分析全程自主完成,几乎不需要人类实时介入。Biomni 与 MIRA 的差异在于场景深度——MIRA 偏向通用科学发现,Biomni 偏向生物医学垂直场景。

谷歌 DeepMind 也在 2026 年 2 月份推出了 AI 科学家系统,核心目标是让 AI 在材料、化学、生物等学科里自主提出假说、设计实验、验证结论。这是一个对科研范式影响更深的尝试——它瞄准的不仅是「某一类实验」,而是「完整的科学发现链路」。

在中国一侧,阿里达摩院于 2026 年 6 月推出了「虚拟细胞 LingshuCell」,用生成式 AI 模拟基因敲除或药物对细胞的影响。这是 AI 与湿实验结合的另一种路径——不是让 AI 操控真实实验室的移液器,而是让它在虚拟细胞模型里预测实验结果,大幅降低真实实验的迭代成本。

把这些进展合起来看,一个清晰的方向正在浮现:AI 进入科研,不再只是「提速」,而是「重塑研究流程本身」。这意味着科研人才的需求结构、能力结构、评价结构都可能在未来 3-5 年里发生连锁变化。

七、争议与未来:科研自主性的边界在哪

Biomni 的进展也伴随严肃的争议。

第一个争议是「科研责任归属」问题。当 Biomni 自主设计并执行了一个实验,产出结果出现错误或安全风险时,责任究竟应该落在谁身上——是 Stanford SNAP 实验室的开发者、是接入工具房的工具提供方、是使用 Biomni 的研究人员、还是 Biomni 这个 AI 智能体本身?

第二个争议是「科学假设的合法性」。AI 智能体生成的研究假设,在多大程度上具备「科学新颖性」?如果 Biomni 自主提出的假设,本质上是基于已知文献的组合与重新表述,那这种「自主科研」是否真正拓宽了人类知识,还是只是更高效地重复了已知结论?

第三个争议是「研究方向的依赖性」。当学界普遍接受 AI 智能体作为研究基础设施,可能会逐步形成对 AI 推荐方向的隐性依赖——那些 AI 更容易验证、更容易计算、更容易获得正反馈的研究方向会被优先推进,而真正突破性的高风险研究反而被边缘化。

这些争议提示我们:AI 自主实验 Agent 的未来发展,绝不是单纯的工程问题,更是科研伦理、学术评价体系与科学哲学层面的深层议题。可以预见,围绕 Biomni 这类系统的科学共同体讨论,将在接下来 12-18 个月里持续升温——它影响的不仅是研究人员的工作方式,也包括人类对「科学发现」这件事的理解本身。