AI智能体：科学发现的未来，为什么AlphaFold只是起点

2024年，Google DeepMind团队取得里程碑式成就：其AlphaFold神经网络因在蛋白质结构预测领域的突破斩获诺贝尔化学奖。然而，《麻省理工科技评论》专家指出，AlphaFold并非加速科学发现的理想模型。相反，具备模仿人类研究流程能力的自主AI智能体或将成为关键。

AlphaFold依赖17万经过实验验证的蛋白质结构数据集，耗时半世纪、投入约210亿美元。而在许多科学领域，构建如此规模的数据集几乎不可能。AI智能体则无需海量数据：它们模拟迭代式研究流程，通过假设验证与环境适应实现更强通用性。

与窄化AI模型不同，AI智能体可跨领域运作，复制科学家的逻辑思维。这为医学、材料科学等数据稀缺或成本高昂领域的快速突破开辟新路径。专家认为，这种范式代表了科学AI的下一个发展方向。