在人工智能与科学研究交汇的前沿，一家由DeepMind前核心成员创立的英国实验室Inherent今日正式发布了其最新研发成果——AI智能体Faraday。这款智能体的核心能力聚焦于科学论文实验的自动化复现，其宣称的性能表现已超越Anthropic和OpenAI推出的同类产品。这一消息迅速在科技与学术圈层引发热议，被视为AI从“辅助分析”迈向“主动实验”的关键转折点。
Faraday的诞生源于一个长期困扰科研界的痛点：论文复现难。据统计，全球范围内超过70%的已发表科学实验难以被其他团队独立复现，这不仅浪费了大量研究资源，也严重拖慢了创新节奏。Inherent团队将大型语言模型与结构化实验推理引擎相结合，使Faraday能够解析论文中的方法学描述，自动生成实验步骤，并模拟或执行关键操作流程。在内部基准测试中，Faraday对生物医学和材料科学领域最新论文的复现成功率达到了82%，而Anthropic的Claude for Science和OpenAI的GPT-4 Research分别仅为61%和58%。这一数据若经第三方验证属实，将意味着AI在科研严谨性上首次显著超越人类平均水平。
从技术架构来看，Faraday的创新之处在于其“双回路验证机制”。第一回路负责从论文文本中提取变量、条件和预期结果，构建可执行的实验逻辑树；第二回路则通过模拟环境或真实实验室接口（如自动化移液工作站）执行操作，并将实际输出与论文声称的结果进行比对。当出现偏差时，Faraday会自主提出假设性修正，而非简单报错。这种设计使得它不仅能“照搬”实验，还能在复现过程中发现原始论文的潜在错误或遗漏条件，为科研人员提供额外的审阅价值。Inherent CEO兼联合创始人Dr. Elena Vasquez在发布会上强调：“我们不是在做一个更聪明的聊天机器人，而是在打造一个真正理解科学方法论的数字同事。”
业界对这一发布反应积极但审慎。斯坦福大学研究基础设施中心主任Mark Thompson评论称，Faraday的潜力在于将科研人员从繁琐的验证性工作中解放出来，让他们专注于假设生成和跨学科创新。然而，也有学者指出，复现成功率的定义本身存在模糊性——部分论文的“不可复现”源于设备差异或生物样本的天然变异性，AI能否真正理解这些隐性因素仍是未知数。此外，Faraday目前主要支持文本描述完整的论文，对于依赖专有数据或未公开代码的研究，其表现尚待观察。
从产业影响看，Faraday的发布可能加速科学发现工具的竞争格局重塑。Inherent已宣布与三家欧洲顶尖大学实验室和两家制药企业达成试点合作，计划在2025年第四季度开放API接口。如果该智能体能够稳定运行，它有望成为科研基础设施中的标准组件，类似GitHub之于代码开发。同时，这也对Anthropic和OpenAI构成直接压力，促使它们在下一轮模型迭代中强化科学推理能力。对于整个AI行业而言，Faraday证明了垂直领域深度优化比通用模型微调更能解决实际问题，这或许会引导更多创业公司放弃“大而全”路线，转而深耕特定学科。
当然，Faraday的长期价值最终取决于它能否在真实世界的复杂环境中持续证明自己。科学复现只是创新链条的第一步，真正的突破仍需人类直觉与AI计算力的协同。但无论如何，Inherent已经迈出了大胆的一步——它让“AI驱动的科学发现”从概念验证走向了可部署的工具。未来数月，随着更多第三方评测结果出炉，我们将能更清晰地判断，这位DeepMind校友带来的“法拉第”是否真的点亮了科研自动化的第一盏明灯。
