新智元报道
程序员的桌面，这一年已经被彻底重塑了一遍。
一个Claude Code窗口，代码库、文档、测试脚本、上次的对话上下文，全封装在一个Project里。
敲一句「把登录模块的报错修了」，它自己读代码、自己改逻辑、自己跑测试。
但科研人员的桌面，却仿佛停留在上个时代。
十几个标签页，Zotero和Origin疯狂切换，通用大模型的对话框里粘着刚从PDF抠出来的Method部分。问它一个专业问题，结果仔细一看发现全是不沾边的套话。
科研界，早该拥有一个专属的智能平台了。今天，它来了。
中科闻歌正式发布磐石·智研决策平台（SciencePro），一个专为科研人打造的一站式AI科研智能平台。
实测后我们发现，它彻底重塑了我们对「AI for Science」的认知。
用了它之后，科研从曾经的「苦力活」，变成了一种纯粹的「智力活」。
如果不把它安利给还在苦海中挣扎的科研同道们，简直太遗憾了！
投之前，先让它审一遍本子
「创新评价」是SciencePro独家首发的杀手锏，也是最让我们惊艳的功能。
它覆盖全球40余个国家的3200万个科研项目信息、70万份产业研发年报，以及2.7亿篇论文与专利等专业科研数据源。
上传文件后，它会完全按照资深专家的评审逻辑，将材料层层拆解。
先进性、重复性、创新性是三大核心维度。每个维度下面还有更细的检查项，比如经费预算合不合理、跟已立项项目有没有撞车、选题是否真的踩在学术前沿上。
原本只存在于资深评审脑子里的检索方法和研判逻辑，现在被固化成了一群专属Agent。
材料一上传，这群Agent就会按这套标准把它自动拆开，逐项打分。
那我们就试试，让它审一份项目立项报告，也就是大家常说的本子。
课题是用动态共价键做自修复的二维钙钛矿钝化层。领域很拥挤，切口我们自己觉得是新的，正好看它会怎么判断。
几分钟后报告出来，按《国家自然科学基金条例》的口径分了五个维度，和正式的基金评审一个格式。
创新性那一栏，它翻出了2024年一篇动态钝化的自修复工作和一篇综述，判定我们只是把应用场景从体相挪到了二维界面，缺乏原理性突破，四条依据全带链接。然后直接驳了我们的「首次」。
不过，「湿热耦合条件下的失效时序路径图」被认定尚未见明确先例。
科学价值部分，则建议我们后续把重点收到动态共价键的可控性和界面再生效率上。
接下来，我们又顺着这个课题查了一轮资料，把它「做完」，写成一篇论文稿进行预审。
这边换成打分制，原创性、严谨性、重要性、表达质量、可复现性五个子维度各按5分打，再给一个10分制的综合分和发表建议。
我们这篇前四项都是4分，但可复现性只有2.8分，理由是缺乏可复现性支持。最后，拿到了8.0的综合评分。
除了打分之外，SciencePro也把主要问题列了出来。
并且在严谨性那一栏，还顺手搜出2025年一篇同类的热触发自修复钙钛矿工作放在旁边做对照。
另外，我们又找了一份经过脱敏处理的省级课题申报书，方向是「叶酸修饰介孔二氧化硅纳米颗粒介导阿霉素靶向递送治疗三阴性乳腺癌的研究」。
我们把文件上传给SciencePro，选择基于通用学术论文评审表，要求它对这个课题进行创新性评估。
SciencePro读取文件后，进入高强度工作状态。
20多分钟过后，一份全面的评估报告就生成了。
报告指出，这个方向重复风险低，具备较高的独创性。
与国内外基准相比，项目在载药量（95%）、靶向效率（90%）、肿瘤抑制率（85%）及生物相容性方面均展现出显著优势。
在完整报告中，还包含了所有五个维度的详细分析，包括支持证据、元数据表和战略建议。
有了这个功能，意味着你在投递任何材料前，都有手握海量数据的大牛为你深度「预审」。
它能提前排雷，精准识别潜在的创新方向，这省下的不仅是时间，更是无数科研人的心血和经费啊！
两周的文献活，几分钟干完
前面那份本子只做了简单准备，果不其然被驳了「首次」。文献功课有多重要，一下就体会到了。
然而，文献库浩如烟海，每天全球都有成千上万篇新论文发出来，人直接被信息洪流淹没。
对刚踏进一个新领域的科研人来说，这简直就是噩梦。想摸清一个全新的方向，靠人一篇篇读文献，至少也得花两三周。
举个例子，我们想切入「钙钛矿太阳能电池在极端温湿度条件下的衰减机制与封装策略」这个细分方向。
如果按老办法，那就得先去下载几十篇PDF，然后挨个看摘要做笔记，再在脑子里拼出这个方向的发展脉络。
这次，我们把整个流程都丢给SciencePro，让它梳理近五年的核心脉络，指出现有思路的局限，再生成一份引用可溯源的研究现状综述。看它要多久。
很快，SciencePro便借助1.7亿篇论文数据库和互联网，精准筛出了这个方向被引次数最高、最具代表性的数十篇文献。
有了足够的文献覆盖后，短短几分钟内，它就完成了一份详尽的研究现状综述。
在最后，它详细列出了参考文献。随机点进几个链接，全部精准跳转到了真实的论文页面，准确度极高。
ScienceHub生态+Project，装下整个课题
预审通关后，下一步便是实质性推进。这一环，磐石给出的解法是——ScienceHub+Projects。
ScienceHub是汇聚科研资产、驱动科研全流程的引擎，里面ScienceHub里预置的内容相当丰富，近300个数据集、2000多个工具、7000多项技能，以及13个专家科研智能体。
这13个智能体分别对应量子计算模拟、材料创制计算、化学分子评估、生命科学研究等方向，每一个都是围绕一条真实的学科链路搭起来的，从读文献到跑计算到分析结果，一条线走完。
用起来就像组里突然多了十几个不用睡觉的AI博后，你说要什么，它去干。
另外，里面还有辅助科研入门，和科研全流程不同环节的智能体。
工具技能这块，以前像偏微分方程求解、高熵合金催化剂设计这样的计算，不仅要装专门的软件，还得会写脚本，调半天参数。
现在你只需说清楚要算什么、条件是什么，磐石SciencePro自己会挑工具、跑计算、把结果交回来，中间不用碰一行代码。
近300个科学数据库也是同样的思路，材料的、蛋白的、光谱的，汇在一个入口，要哪个直接调，不用再一个个记网址、注册账号、学各家的查询语法。
更具想象力的是它的开放性。除了官方工具，组内跑通的数据处理流程也能直接沉淀为私有技能，甚至发布分享。
比如把一套XRD数据预处理的脚本封装成Skill，再接入组里仪器数据库封装的MCP，师弟师妹打开就能用，不用再从头学一遍。
发布出去的技能，别人可以评论、打分。哪套流程好用、哪个智能体靠谱，用的人多了，排名自然就靠前，这和程序员在GitHub上挑开源库是一个逻辑。
科研圈苦这事久矣，代码有GitHub，模型有Hugging Face。
家底有了，生态有了，接下来的问题是怎么把这些东西装进你自己的课题里。团队给出的答案，就是这次全新上线的Project功能。
开发者对这套逻辑再熟悉不过了。项目背景资料、Skill、MCP、共享记忆，要素一个不少。唯一的区别是装进去的东西变了，原来是代码仓库，现在是一个完整的科研课题。
点开大图，左右滑动查看
简单解释下，Skill是封装好的标准任务流，比如「按某期刊格式整理参考文献」，开箱即用。MCP则是让模型接入外部工具和数据库的接口协议，程序员正是靠它把Agent接入了各大系统。
一个课题的文件资源、Skill、MCP的参数配置全部在底层打通归档。好处很直接，你切换课题时，再也不用重新用大段prompt交代背景。
上次跑到了哪一步、用了什么参数、哪条技术路线走不通，系统全替你记着。沉淀上下文，正是程序员用Agent工作台最爽的一点。
课题跑到最后一步，收尾依然在同一个Project里。海报、PPT、配图均有专属智能体待命，调取前面的评审结论和计算结果，一句话就能出一版会议海报，字体对齐这种事不用再耗一个下午。
这个过程中，实验数据传到哪一批、建模跑到第几轮、哪组参数走不通，都可以自己沉淀在Project上。
顺手提一句科研头条功能。覆盖140多个学科、十亿级信源，支持自定义专题订阅。文献更新、重大突破、投稿要求自动推送，彻底告别全网人肉检索。
SciencePro死磕「对不对」
很多人可能会问：这些事，拿GPT或者Gemini难道不能做吗？
答案是：能做一部分，但科研与日常工作流（比如写个周报）有着根本的壁垒。科研一旦数据出错，就是整整一年白干。
这也是为什么在通用大模型如此内卷的今天，依然要耗巨大精力，去重构一个底层逻辑不同的科学基础大模型。因为科研的壁垒，就在于「模型到底懂不懂科学」。
作为一款真正的「科研基建」，SciencePro对传统通用模型简直是降维打击。
首先，它掌握了「科学的母语」。
基于自研科学基础大模型S1-Omni统一多模态Transformer架构，磐石不再是生硬拼凑图文，而是底层贯通，直接解析波、谱、场、遥感图像等泛科学模态。扔进一张光谱图，它提取的是物理量，而不是像素点。
其次，它拥有90PB的硬核底座。
这次，团队放弃了单纯的文本投喂，模型全量内化了数理化天地生等各个学科的90PB科学数据、1.7亿篇论文及海量研发年报。
第三，它死守「敢不敢用」的底线。
在复杂的科学长程推理中，它能做到可追溯可溯源。
在60多项专业科研任务盲测中，磐石的绝大多数指标超越了GPT和Gemini。它做到了过程可追溯、逻辑可验证，体现了AI for Science真正的新质生产力。
试想一下，在不远的将来：新材料的创制不再需要一次次烧炉子试错；生物医药的靶点筛选能在云端瞬间完成百万次对接；能源领域的复杂流体仿真，只需一句自然语言就能出结果……
SciencePro，让这一切触手可及。
「国家队」的利器，第一次向公众敞开
这次的SciencePro不仅仅是升级，更是第一次面向大众的正式开放。
不再需要账号审批，把经过实战验证的能力，封装成了手机号注册即可调用的产品，高校学者和企业研发人员第一次打开SciencePro，就可以直接上手。
SciencePro背后，是中科闻歌团队，其核心创始团队来自我国人工智能领域的「国家队」——中国科学院自动化研究所。在技术底座上，SciencePro依托中国科学院统一部署研发的磐石科学基础大模型，中科闻歌也是参与研发的团队之一。
今年6月26日它在港交所挂牌，开盘涨81%，市值190亿港元，招股书里写明募资的60%投向基础模型和核心研发。
如今，AI for science这条赛道，国内外竞争日益白热化。
海外产品，比如GPT，是用通用大模型调工具；但SciencePro则是懂科学的模型自主研发，做底层科学发现，并叠加了「操作平台加社区」。
这两条路线，谁能率先嵌入实验室的日常运转，谁就能赢下这场长跑。
而且，我们在评论区留了一个只给新智元读者的隐藏彩蛋，先到先得！
磐石SciencePro向大家全量开放，感兴趣的朋友可以戳「阅读原文」试试~
编辑：摩西 Aeneas
