作为业内首个多学科、系统化的AI4S工程实战宝典，“AI4S实战派”栏目立足开放生态、持续演进，致力于“手把手”带你率先跑通科学大模型，将复杂、多学科的AI模型转化为能跑、能用、能创新的生产力工具，帮助科研人员和开发者零门槛上手，加速科学新发现。

在AI正加速药物发现、天气预报、材料筛选的当下，一个更深层的问题在发酵着：AI只是在基于已有知识体系填补空缺，还是能进一步帮助人类触达未知规律和发现？

上周四晚，在《AI4S实战派》第五期直播中，香港中文大学助理教授、波动智能实验室负责人刘圣超以应用于科学智能（AI4S）的多模态与多智能体（Multi-agent）为主线，用贯通过去十年AI发展脉络的全景视角，带我们重新审视了这条赛道的来路、现状与卡点。 

今天，我们来一起温故知新（可前往“上海科学智能研究院”视频号观看课程回放）或者点击下方链接：https://aistudio.ai4s.com.cn/partner/research-plaza/research-plaza-web/sais-community/course/2049756391557611520

密度估计：生成式AI十年进化主线

在进入“多模态”、“多智能体”这些热词之前，刘圣超把整个生成式AI的发展脉络，用一根主线串了起来。这根主线，叫做密度估计（Density Estimation），通俗来说就是：AI如何估计数据的分布。

从最早的自回归（Autoregressive）和能量模型（Energy-Based Model），到GAN（Generative Adversarial Network）的对抗学习、VAE（Variational Autoencoder）的变分推断，再到DDPM（Denoising Diffusion Probabilistic Models）的扩散模型，最后到今天的Flow Matching（流匹配）框架——这些看似迥异的技术路线，其共通点是都在死磕同一个问题：如何更精准地从海量数据中，学到其背后的真实物理或化学分布？

刘圣超特别提到，2021年宋飏（时任OpenAI战略探索团队负责人）团队发现，NCSN（Noise Conditional Score Network，噪声条件分数网络）和DDPM这两个看似独立的方向，其实是同一个随机微分方程（SDE）框架的两种特例。从此，生成模型进入了一个新阶段：用微分方程的语言来统一描述数据的生成过程。

这既是一段技术编年史，也是理解现今所有科学智能主流工具（如AlphaFold 3等）的底层密码。

研究者的视角，决定AI的力量边界

懂了底层语言，入门者可以如何理解科学智能？刘圣超指出：你站在哪里，你看到的世界就不一样。

1、从科学家的视角看：AI是现有范式的加速器。 无论是药物发现（如AlphaFold 3），还是气象预测（如“伏羲”、“盘古”等）， AI在整体上扮演的是“超级计算器”，加速了传统研发管线中的某个特定环节。

2、从AI研究者的视角看：科学智能是三个叠加的技术难题——学什么（数据分布/密度估计）、怎么学（训练动力学，Training Dynamics）、学到了什么（隐空间语义解释，Latent Space Interpretation）。

3、从范式革命的视角看：曾经AI只能加速“假设检验”这一环节，如今的生成式AI带来了更大的可能性——同时承担“假设生成”和“假设检验”，从而重新定义科学发现的循环。

第三个视角，正是刘圣超如今所有工作的出发点。

隐空间中“跨界翻译”的科学多模态

要让大模型做科研，首先要解决它对物质世界的感知问题。科学领域的核心数据通常有三种形态：序列（1D，SMILES分子式、氨基酸序列等）、结构（3D，蛋白质的 Alpha Helix和晶体材料的周期性晶格等）和文本（Text，化学性质描述、蛋白质的功能注释等）。

当不同模态的数据被统一到一个框架下，科学研究的方式就开始变了。

如何让只会处理文本的大模型听懂“化学的语言”？刘圣超团队提出了一种相当优雅的思路——隐空间对齐（Latent Space Alignment）。

将复杂的化学空间映射到隐空间，再与大语言模型擅长的“文本空间”对齐，那么文本空间就具有极强的“组合性”。

比如，当你需要一个新药分子时，不需要去调复杂的物理参数，只需输入一句指令：“让这个分子更溶于水，并且降低它的穿透性。” AI就能像修图一样，自动在分子的特定区域（如卤素或羟基）进行“文本引导的分子编辑”。通过隐空间的对齐，复杂的科学问题，被成功降维成了简单的文本生成问题。

一旦化学空间的问题被转化到文本空间，很多原本非常困难的分子优化任务，就变得像填写一行Prompt一样简单。

多智能体“狂飙”，科研全面加速

如果说多模态是在拓展AI理解科学数据的能力，那么多智能体要解决的是：谁来指挥AI完成一整条科研流程。近年来，多智能体系统在各科学领域被广为应用：

1、Coscientist（CMU）是最早引入智能体概念的工作之一。它设计了一套“大脑”：能调用Google Search、运行Python脚本、读写实验文档、甚至调度自动化实验室仪器。给定一个合成目标，系统能自主完成从方案规划、条件搜索、到真实化学实验的全流程。

2、ChatPathway（刘圣超团队的工作）：零样本（Zero-shot）预测生物体内的代谢和调控通路。AI在预测出的多条路径中，有两条与同期发表的真实湿实验成果完全吻合。

3、ChatBattery（实战演示）：刘圣超团队展示了电池正极材料的优化。多个智能体各司其职，经过几轮内部对话与寻优，成功从传统的三元锂电池（NMC811）推演并优化出了新型的五元锂电池，并在实验室中完成了真实的合成与验证。完整 demo地址：https://github.com/chao1224/ChatBattery

冷静思考：大热背后的技术卡点

与此同时，刘圣超也泼了一盆冷水：当前大热的多智能体系统，其工程（Engineering）含量远大于科学（Science）含量。它们能帮助完成科研流程中便于自动化的劳动，但离“科学大发现”尚有距离。

大模型目前的卡点究竟在哪里？刘圣超用一个比喻给出了答案：大语言模型可以被视作为一个极度高效的搜索与插值算法。它非常擅长在人类现有的知识边界内“填写元素周期表上的空格”（Interpolation）。但科学发现的关键价值，在于“凸出元素周期表的边界”（Extrapolation/Discovery）。如何让AI具备探索未知边界的能力，是目前科学智能发展的核心挑战。

当大模型可以生成具有各种属性的分子，那么又要如何验证其可合成性和稳定性？缺乏快速、低成本、高精度的验证机制，是限制AI形成自主闭环的最大瓶颈。

🎉🎉🎉

感谢收看《AI4S实战派》前五期的6万小伙伴！

欢迎锁定接下来的物质科学模块课程！

在过去一个月里，在《AI4S实战派》的“Hello Universe”通识模块，来自浙江大学、复旦大学、上智院、耶鲁大学、香港中文大学的5位青年科学家，先后带领入门科学智能的社区成员初步掌握了用于科研的AI方法：

我们在方榯楷主讲的表征学习课程中，看到了AI用16维向量构建的流体宇宙；在章敏主讲的扩散模型课程中，见证了AI如何逆转熵增，在原子坐标系中精准捏出生命蛋白质的骨架；在陆路主讲的PINNs（物理信息神经网络）课程中，学会了把偏微分方程刻进神经网络的灵魂；在姜若曦主讲的层级表征和自回归模型课程中，领会了如何用“未来的影子”作锚点，在变幻莫测的湍流中精准“接龙”物理世界的下一秒；再到刘圣超主讲的多模态与多智能体课程中，看到了AI化身虚拟科学家，人机协同开启深度科研的可能。

感谢超过6万人次来自物理、化学、材料、计算机等专业的伙伴们的在线观看与真诚交流，是你们的热情与求知欲，让这个交叉融合的硬核实战营焕发出了强大生命力！

接下来，让我们开始对准领域科学的阵地。在聚焦物质科学的《AI4S实战派》第二大模块中，一线产研先锋将继续手把手带你实战：

用图神经网络精准预测分子的性质与材料的带隙；借助机器学习势函数运行千万倍加速的分子动力学模拟；通过生成式材料设计“点石成金”逆向生成新材料；系统运用前沿Skills，跑通药物研发、材料设计的流程……

单刀直入、高效上手、扎实基础，更多深度实战教学，敬请期待！