就在剛剛，世界上最強AI科學家正式發布！

5月20日，前谷歌CEO Eric Schmidt投資的一家非營利機構FutureHouse，發布了Robin—一款自動化AI科研多智能體系統（Agent）。

只要給定一種疾病，Robin就會自動檢索文獻提出疾病機制，識別相關的體外實驗，并提出藥候選方案。

短短的10周之內，Robin自主發現了一款治療干性老年黃斑性變形（AMD）的潛在療法，為廣大患者帶來新希望！

整個過程，AI負責所有的智力工作，包括生成了所有假設、實驗選擇、數據分析和圖表，人類研究人員負責執行物理試驗。

有科學家表示：“這是我見過最接近人工智能，并且是真正具有科學用途的工具！”

該研究預印本已上線Arxiv，Robin也將于5月27日開源，團隊希望科學家們能夠將其納入其工作流程中，并且推動科研發展。

盡管當前AI無法完全代替科學家，但它的進化速度已經遠超人們的想象。

覆蓋臨床前科研全流程

簡單而言，Robin是一個多智能體系統，它集成了4個AI科學家智能體，各有不同的功能，共同推動科學發現。

Crow

（烏鴉

通用智能體，負責

跨領域知識整合與假設生成，可精準定位基因等核心研究要素。

Falcon

（獵鷹）

自動化文獻綜述智能體

專攻深度文獻綜述，可接入多種科研數據庫，

進行系統性整合分析。

Owl

（貓頭鷹）

調研智能體

，專注于多維度數據驗證與假設評估。

Phoenix

（鳳凰）

實驗智能體

具備自動化化學實驗規劃能力

推薦合適的化學實驗方案

，提高效率降低成本。

Robin智能體系統

為了對Robin的能力進行驗證，研究團隊要求Robin找到一款治療干性老年黃斑性變形（AMD）的新療法。

這種病會隨著疾病進展，導致患者視力嚴重下降甚至失明。當前，全球還沒有干性AMD特效治療方法。

Robin能夠自動開啟科學研究，即提出假設——設計試驗——機制研究——反饋改進全流程。

1、初步假設

研發藥物的首要目標，是要理清楚疾病的發病機制，并對癥開發出相關療法。不過干性AMD發病機制復雜，基礎研究進展緩慢。

而Robin通過識別和審查151篇論文，提出了十種與dAMD相關的生物學機制，并對發病機制和相應的實驗策略進行排序。

之后AI提出一種假設：通過增強視網膜色素上皮（RPE） 吞噬作用有望治療干性AMD。

然后，AI通過篩選大量RPE吞噬和干性AMD有關的論文，提出了30種現有的候選藥物，并由人類科學家在實驗室中測試了其中的10款藥物。

然后，Robin 使用 Finch 分析了這些實驗的數據，發現 ROCK 抑制劑 Y-27632 增強了細胞中RP吞噬作用。

2、機制研究

而為了確定Y-27632 是否誘導基因表達變化，Robin提出了一個 RNA 測序實驗，以研究ROCK抑制劑的轉錄效應。

實驗由人類科學家完成，Robin 分析了數據并確定 Y-27632 上調了 ABCA1，這是 RPE 細胞中的關鍵脂質外排泵。

ROCK抑制劑Y-27632的RNA測序分析

3、發現潛在療法

完成上述試驗后，科學家將這些數據又上傳回Robin進行分析，以生成新一輪的治療候選藥物。

基于上述實驗結果，Robin提出另一款名為Ripasudil的ROCK抑制劑明顯優于Y-27632。最終結果不出所料：Ripasudil的表現優于Y-27632，與DMSO對照組相比，RPE細胞吞噬作用增加了7.5倍！

Ripasudil顯著增強RPE吞噬作用

于是，Robin最終確定ripasudil作為治療干性AMD的潛在藥物。這是一種已經上市的Rho激酶抑制劑，此前在日本批準用于治療青光眼和高眼壓癥。

從Y-27632到ripasudil，則充分證明了Robin能夠通代實驗和反饋，并逐步改進治療假設的能力。

有望顛覆科學研究！

一句話總結：Robin代表了首個完整實現的人工智能驅動的科學發現。

為了評估AI的成果，背后團隊還來了多位眼科專家對上述工作進行討論。

實際上，此前就有研究提出通過增強視網膜色素上皮（RPE） 吞噬改善干性AMD的機制并不新鮮，90%的干性AMD 患者其特征是視網膜色素上皮 (RPE) 下細胞外物質的積累。

但該研究的突破在于，此前幾乎沒有任何文獻指出使用ROCK抑制劑有望用于治療干性AMD。幾位眼科專家表示，這個療法非常有趣又新穎。

不過，研究團隊也作出了提示。盡管這項研究令人興奮，但是發現一種潛在療法不等于已經治療干性AMD，這中間還需要進行漫長的人體實驗。

但是，這個實驗例子足以證明了AI驅動的科學發現的新范式。

通過在一個集成系統中實現假設生成、實驗規劃和數據分析的自動化，不僅可以重塑治療開發，而且從根本上加速科學進程，推動對自然世界的更深入了解。

值得一提的是，Robin能不止用于藥物發現，還可以拓展到材料科學到氣候技術等不同領域的科學研究。

那么問題來了，打造Robin背后的機構Future House究竟是何方神圣？

這家非盈利機構成立僅兩年，已經獲得前谷歌CEO Eric Schmidt投資。兩位創始人Andrew White和Sam Rodriques，分別是化學家和生物工程師。

兩位聯合創始人Andrew White 和 Sam Rodriques

他們認為，當前爆炸的科學成果反而給科學家們帶來了信息瓶頸。僅在PubMed上就有 3800 萬篇論文，更不要說500,000+ 臨床試驗和數千種專業工具，讓科學家們經常無從下手。

而開發 AI 科學家有望解決這個問題，通過整合大語言模型、AI生物學模型等各種前沿工具，讓其具有超強的文獻搜索和研究能力。

這意味著，無論是生物學實驗、化學合成還是材料科學的模擬，AI科學家都能無縫嵌入到科研流程中，成為科學家的“數字助手”。

就在不久前，FutureHouse推出了一款全新的智能體Finch，它能夠完全自動化進行數據驅動的生物學發現。包括文獻檢索、數據分析、假設生成等，有遠超通用大模型的研究能力。

AI科學智能體時代，來了

毫無疑問，AI for Science已經進入了超級智能體時代。

大模型的不斷發展，催生了新一代基礎設施與平臺體系，推動科學發現從單點模型突破轉向全流程智能閉環，

這使得高復雜度、大體量的科研任務能夠實現自主決策、動態優化與持續進化，也為整個行業帶來了新機會。

2025年3月，生物醫藥知名創投平臺Flagship Pioneering宣布推出一家AI for Science公司——Lila Sciences。

該公司首輪即獲得2億美元的資金，致力于構建世界上第一個科學超級智能平臺，以及應用于生命、化學和材料科學的完全自主實驗室。

Lila 的自主科學平臺旨在通過將生成式 AI 與可通用、可擴展和自主的 AI 科學模型相結合，在人工指導下擴展和優化任何科學領域的實驗。

前不久，百圖生科基于其生物大模型xTrimo V3，構建了面向生命科學的AI智能體系統，覆蓋信息搜集-生物洞察-智能實驗的全流程，加速提升研發效率。

顯然，AI科學智能體正推動科學從人類主導轉向人機共生的新模式。

科研的未來，必將是人類創造力與AI的共同協作。

—The End—