『书生·端砚』全面开放全栈服务，“算、证、验”三合一，筑牢科学智能底座 | 2026浦江创新论坛

9月13日，在2026浦江创新论坛（第十九届）人工智能赋能科学研究专题论坛上，上海人工智能实验室（上海AI实验室）升级发布书生·端砚科学发现平台，并全面开放其全栈服务。继今年7月发布后，书生·端砚进行了多项核心能力的升级：面向复杂科研任务的模型与Science Harness协同、贯穿全程的可信科研证据链，以及连接真实科学验证闭环，旨在推动AI科研从单任务执行走向可持续、可核验、可复现的完整科研过程。

书生·端砚将接入最新推出的书生科学多模态大模型S2、书生物理世界模型W0，前者提供科学专业、长程科研及智能体能力，并通过创新架构设计为长周期科研任务提供支撑；后者通过原生力触、双工协同等创新突破，为大模型的数字化能力进入物理世界提供关键支撑，进而为科学智能从方案推演走向真实实验打开全新路径。

会上，上海AI实验室联合上海同步辐射光源、中国散裂中子源、原子制造大装置、电合成新技术研究所，将自主科研闭环延伸至大科学装置与中试平台。科研人员可借助大科学装置的独特实验条件与精密探测能力，探究常规实验条件下难以揭示的科学机理；通过中试平台开展概念验证与中试放大，推动科研成果走向产业应用。同时，书生·端砚将以人工智能赋能方案研究、实验设计、运行控制与数据分析，服务大科学装置和中试平台的智能化升级。

作为面向重要复杂科研任务的可信科研执行平台，书生·端砚通过连接科学大模型、专业智能体、实验装置与具身自动化设备，提供覆盖从“假设提出”到“实验验证”完整科研流程的全栈能力，现已在生命科学、关键材料、半导体、核聚变、量子、地球气象等六大核心科研领域落地。其中在蛋白质、新材料等前沿研究中，书生·端砚完成了干湿实验闭环，实现了科学发现全流程端到端验证。

书生·端砚现已推出本地客户端及科研模型“墨点计划”（Token Plan）。测试期间，每位用户每月可获免费Token，用于调用多元模型与相关科研服务，欢迎广大科研工作者踊跃试用。

· 网页端：https://discovery.intern-ai.org.cn/chat

· 客户端（点击文末“阅读原文”可跳转下载）：https://discovery-home.intern-ai.org.cn/home/

· Token Plan详情：https://discovery.intern-ai.org.cn/token-plan/home?tabIndex=0

书生·端砚自主科学发现合作发布

从解一道题到完成一个课题

书生·端砚面向真实科研过程，连接算力、数据、模型、智能体、科学工具与实验设施，贯通科学问题定义、方案规划、资源编排、计算分析、实验验证和认知迭代，使模型能力能够进入完整课题，而非停留在文献问答或单点工具调用。

目前，书生·端砚已在生命科学、关键材料、半导体、核聚变、量子和地球气象等方向开展应用，并在蛋白质进化、新材料研发等真实任务中完成计算设计与实验验证闭环。书生·端砚由此从“帮助科研人员完成一项任务”的AI工具，进一步发展为能够承载复杂、长期科研过程的工作平台。

本次升级重点回应AI进入科研深水区后的三个关键问题：

· 面对复杂、长期的科研任务，AI如何保持研究状态并持续推进？

· 面对模型生成的结果，如何核查证据、复核过程并复现结论？

· 面对真实科学问题，如何将计算方案送入实验系统，并依据反馈调整研究路径？

长程：模型动脑，Harness动手

科学发现很少由一次推理完成，往往需要经历多轮检索、计算、试验、否证与重新规划。模型不仅要具备科学推理、假设生成和策略判断能力，还要在较长周期内保持研究上下文，协调不同资源，并根据新证据及时修正路径。

书生·端砚以模型与Science Harness协同驱动复杂科研任务。模型侧负责科学推理、假设生成、策略判断与知识组织；Science Harness侧负责研究状态保持、跨轮次上下文管理、异构资源编排、多角色协同、实验反馈接收与任务重规划。

当新的计算结果、实验数据或专家意见进入系统后，Science Harness将其写入当前研究状态，模型据此重新评估假设、调整策略并生成下一轮任务。研究过程中形成的有效路径、失败记录和关键决策也被持续沉淀，避免任务因上下文中断而反复从头开始。

这使AI科研从“一次调用、一次交付”走向“围绕长期目标持续推进”：不仅完成局部任务，还能在新证据出现后及时改变行动。

可信：给答案，给来路，给复现

可信科研，不只是给出答案，更要给出答案的来路、证据与复现路径。为此，书生·端砚构建可信科研证据链，围绕“交付对齐、独立核验、执行复现”三个环节，让科学结论可检查、可复核、可交付。

平台将文献、数据、代码、工具调用、计算结果与实验记录，组织为一条完整证据链，让研究过程从输入到输出的关键环节相互关联、有迹可循。在证据链之上，平台引入评审智能体，对AI生成的研究结果进行独立核验，围绕需求完成度、正确性、证据与来源、可复现性、产物质量、工具执行、历史审查七个维度逐维独立核验。核验结果按结论分级输出，让每一条结论的质量状态清晰可见。

在执行复现方面，平台完整保留关键参数、工具版本、实验条件与执行日志，支持在相同条件下复跑，并依据完整过程记录对结果进行复核。

由此，AI输出的不再是一个孤立的“答案”，而是一条从来源、过程到结果完整连接起来的证据链。

闭环：把计算送进真实实验室

证据链回答的是“结论依据什么”，真实实验闭环进一步回答“结论能否经受科学检验”。

科研发现最终不能停留在数字空间，一个新的科学结论是否成立，最终仍需要进入真实实验环境，通过实验结果获得验证，并接受真实世界的反馈。

为此，书生·端砚进一步建设分布式自主实验网络操作系统，将分散在不同实验室、不同设备上的实验资源连接起来，并按照科研任务进行统一组织和协同调度，让AI提出的研究方案能够真正从数字空间进入实验现场。

在这一过程中，平台通过统一物理层协议连接不同类型的实验设备，并统一任务语义、状态反馈与执行约束；通过跨实验室协同编排，根据科研任务灵活组合实验资源。同时，平台通过安全控制与异常恢复机制，保障真实实验过程中的权限管理、环境隔离与异常处置，并将实验结果、失败记录、阴性数据和异常信息持续回流到科研流程中。

这意味着，AI不再只是利用已有数据进行推理，也不再停留在“给出一个看起来合理的方案”，而是能够调用真实科研资源、执行真实实验，并根据实验结果重新调整研究路径。

科研智能由此从会想、会算，进一步走向能实验、能验证、能根据真实结果继续探索。而当实验结果、失败路径和专家判断能够持续回流，物理世界就不再只是验证AI结论的“终点”，而成为驱动下一轮科学发现的反馈源。

从单点能力到完整系统，形成科学发现的平台化支撑

从产品全景看，书生·端砚已形成贯穿模型、引擎、领域与工作台的四层体系。底层由科学模型和世界模型分别支撑复杂科研任务推理与实验环境操作；中间层以Science Harness组织长程任务，以可信科研证据链保障结论可核验、过程可复现，并通过真实实验验证连接实验设备与真实反馈；领域层面持续汇聚生命科学、物质科学、地球科学等专业模型、数据集、方法和Skill；面向用户，则通过云端Web工作台与本地桌面工作台，承载从研究资源启动、科学问题定义、AI联合研究、实验验证到成果发布的完整流程。科研Token Plan贯穿其中，统一组织多元模型和算力资源，为科研任务提供持续、按需的智能服务。

至此，书生·端砚形成从底层科学模型、科研AI引擎和领域能力，到统一工作台与资源服务的完整产品体系。