在人工智能与科学研究交汇的前沿，一家由DeepMind校友创立的英国实验室Inherent近日发布了名为Faraday的AI智能体。这一工具的核心能力在于复现科学论文中的实验，其宣称在这一任务上的表现已超越OpenAI与Anthropic的同类产品。对于长期依赖人工验证实验结果的学术界而言，这一进展可能意味着科研流程的底层逻辑正在被重新书写。
Faraday的研发背景值得关注。Inherent的创始团队曾在DeepMind参与过多个高难度AI项目，深谙强化学习与大规模模型训练的底层机制。他们选择切入“论文复现”这一细分领域，并非偶然。科学论文的复现是学术严谨性的基石，但长期以来，由于实验条件、数据细节和代码缺失等问题，复现工作耗时且成功率低。Faraday的设计目标，正是通过自然语言理解、代码生成和模拟执行，自动解析论文中的方法部分，并尝试在虚拟环境中重建实验流程。据Inherent官方演示，该智能体能够处理包括机器学习模型训练、生物信息学分析在内的多类实验，并输出可验证的结果报告。
与OpenAI和Anthropic的通用型智能体相比，Faraday的差异化优势在于其“深度科研定向”。通用AI助手擅长对话和知识问答，但在面对论文中晦涩的公式、特定的数据集格式和复杂的依赖环境时，往往只能给出泛泛的建议。Faraday则通过内置的学术知识图谱和实验沙盒，能够更精准地定位实验关键参数，甚至自动修复代码中的常见错误。Inherent声称，在内部基准测试中，Faraday对近三年内发表的50篇高引论文的复现成功率达到了78%，而对比组中OpenAI和Anthropic的同类产品成功率均未超过50%。尽管这一数据尚未经过第三方独立验证，但已引发学术圈和投资界的广泛讨论。
从更宏观的视角看，Faraday的出现不仅是技术竞赛的缩影，更可能重塑科研创新的路径。一方面，它有望大幅降低科研人员验证他人工作的时间成本，让研究者将精力集中于新假设的提出而非重复劳动。另一方面，这也对学术出版生态提出了新要求——如果AI能自动复现实验，那么论文的“可复现性声明”将不再只是形式，而可能成为审稿流程中的硬性标准。当然，挑战同样存在：AI复现的结果是否完全可靠？当实验涉及不可控的物理条件或主观判断时，智能体能否做出合理近似？此外，过度依赖AI复现也可能导致科研人员对实验细节的忽视，从而产生新的“黑箱”风险。
Inherent团队表示，Faraday目前仍处于研究预览阶段，计划在2025年底向部分高校和科研机构开放测试。他们强调，最终目标并非取代人类科学家，而是成为实验室中的“第二双手”——快速验证想法、排除错误路径，让真正的创新得以加速。随着AI智能体从对话走向行动，从写作走向实验，科研自动化的序幕或许才刚刚拉开。而这场由DeepMind校友发起的探索，正在为整个行业树立一个值得关注的新坐标。
