人工智能正逐步走进科学研究的核心，而斯坦福医学院的一项新研究则更进一步：他们打造了一支由AI驱动的“虚拟科研团队”，不仅能自主提出假设、分工协作、进行科学讨论，还能在短短几天内完成复杂的疫苗设计任务。这项创新性的尝试或将为生物医学研究带来前所未有的效率革命。
“虚拟实验室”如何运作？
这项研究由斯坦福大学生物医学数据科学副教授James Zou领导，研究团队开发出一个模拟真实实验室架构的“虚拟实验室”，其中包括一个AI担任的“首席科学家”（Principal Investigator, PI）和多个AI子角色，分别代表不同的学科专长。
当人类研究者提供一个科学问题后，AI PI会自动判断项目所需的专业知识，组建包括免疫学、计算生物学、机器学习等方向的“虚拟合作者”，并设定一位AI“批评者”（critic agent），专门指出潜在漏洞、质疑方案并提出建设性意见。
与传统实验室不同，AI实验室运行高效、全天在线。研究讨论可以在数秒钟内完成，而且可以并行进行数百场会议。Zou在一次学术会议中打趣道：“我刚喝完早咖啡，他们已经开了几百场组会。”
在几天内设计出新型新冠疫苗方案
为了测试这套AI系统的能力，Zou团队为虚拟实验室设定了一项现实挑战：为SARS-CoV-2病毒（引发新冠肺炎的病毒）设计一种新型疫苗方案。AI团队经过协商，选择放弃传统的抗体路径，转而聚焦于“纳米抗体”（nanobody）——这是一种更小、更稳定的抗体片段。
AI科学家给出的理由是：纳米抗体分子更小，结构更简单，这使得在计算建模时更容易精准预测其与病毒蛋白的结合方式。研究人员将AI生成的纳米抗体结构导入现实实验中，结果令人惊喜：不仅结构稳定、可行，而且对新冠病毒突变株的结合能力强于现有实验室抗体。
更令人鼓舞的是，这些纳米抗体还能同时结合2019年原始武汉毒株和当前流行毒株，具备开发广谱疫苗的潜力。Zou表示，他们正将这些实验数据反馈至AI系统中，以进一步优化分子设计。
不只是语言模型，而是“能合作的AI科学家”
这项研究背后的技术核心，是大型语言模型（Large Language Models, LLMs）的“智能代理化”升级。Zou指出，人们往往误认为这些模型只是聊天机器人，但实际上它们已经可以调用工具、访问数据库、彼此协作、并以人类语言进行深度交流。研究中，AI系统能模拟科学家从问题提出、文献调研、逻辑推理、交叉质疑到提出解决方案的全过程。
Zou强调：“我不想限制他们的创造力。我希望AI科学家能够提出我们人类想不到的新点子。”
尽管AI具备高度自主性，但每一步交流、讨论和决策过程都会被记录，供人类科学家随时审阅与干预。整个虚拟实验室的干预频率不到1%，多数时候几乎不需要人为介入。
下一步：重新分析已有研究、扩展科研应用
除了疫苗开发，Zou团队还希望将虚拟科学家应用于更广泛的生物医学研究领域。团队已开始开发数据分析型AI代理，能重新审视和挖掘既有文献数据中被人类忽略的线索。
“生物和医学领域的数据复杂度极高，我们才刚刚触及表面。”Zou说，“AI代理已经展示出发现新知识的潜力，这真的令人兴奋。”
该研究成果于2025年7月29日发表在《自然》（Nature）期刊，由Zou与Chan Zuckerberg Biohub研究员John Pak共同担任资深作者，斯坦福大学计算机科学研究生Kyle Swanson为第一作者。
