斯坦福AI Agent登Science：能自己做实验、写方案、诊断罕见病

今天AI圈发生了一件事，我觉得值得单独拿出来说。

7月9日，斯坦福大学Jure Leskovec课题组在Science上发表了一篇论文，介绍了一个叫Biomni的AI Agent。它不是又一个"会回答医学问题的聊天机器人"——它能自主执行生物医学研究任务，从基因分析到设计湿实验方案，全程不需要人类干预。

这个可能会改变科学研究的方式。

Biomni到底能做什么

传统的生物信息学工具，是你输入指令，它输出结果。Biomni不一样——你描述一个研究问题，它自己想办法解决。它会检索合适的工具、规划分析流程、编写并执行代码、根据中间结果迭代调整，最后给出结论。

论文展示了10个已验证的任务领域：因果基因排序、药物重定位、罕见病诊断、微生物组分析、分子克隆方案设计、蛋白质稳定性优化、可穿戴设备数据分析、多组学调控网络推断，甚至能编排实验室机器人干活。

最震撼的是，Biomni设计的分子克隆方案在真实实验室验证通过了——菌落成功生长，Sanger测序确认插入正确。这不是纸上谈兵。

和人类专家正面PK

论文直接把Biomni和人类专家做了对比。在单细胞RNA-seq注释、罕见病诊断、GWAS因果基因检测、分子克隆方案设计这四项任务上，Biomni的准确率与专家级科学家相当，但速度快得多。

在分子克隆任务中，Biomni的准确率高于实习生水平，而耗时远少于人工。

还有一个细节很有意思：研究团队用强化学习训练了一个32B参数的小模型Biomni-R0，在生物医学任务上居然超过了它的"老师"Claude-Sonnet-4。这说明在专业领域，中等模型加针对性训练，能打败更大的通用模型。

为什么这个Agent不一样

大多数AI在科研里的角色是"问答机"——你问它什么东西，它回答。Biomni是从"回答问题"跨越到了"执行研究"。

举个例子：用户要求Biomni设计把靶向人B2M基因的sgRNA克隆到lentiCRISPR v2质粒的方案。Biomni自动完成了质粒分析、sgRNA设计、寡核苷酸合成、Golden Gate组装、细菌转化、菌落筛选，最后还画出了质粒图谱。整个过程不需要人告诉它每一步该怎么做。

它还自主分析了1027名参与者的Fitbit心率数据，识别了COVID-19期间的生理偏移；整合AlphaFold-2和ThermoMPNN，迭代优化蛋白质热稳定性，三轮后提出了三个稳定化突变。

意味着什么

第一，AI Agent正在从"通用聊天"走向"专业执行"。GPT-5.6很强，但Biomni证明了在垂直领域深度优化后，一个32B的模型就能超越通用大模型。

第二，科学研究的方法论可能被重构。过去博士生花三个月做的实验方案设计，AI几分钟完成且经过湿实验验证，这个冲击是实实在在的。

第三，"AI会替代科学家吗"这种问题很无聊。Biomni更像是科学家手里的超级工具——它不会替代人，但会替代不会用AI的人。

Science能发这篇论文本身就说明问题。这不是一篇arXiv预印本，是经过了同行评审的顶级期刊认证。AI Agent驱动的科学研究，已经进入了严肃学术讨论的中心。