发布详情
2026 年 4 月 26 日，Sakana AI 宣布其 AI Scientist-v2 取得历史性突破：
- 首个完全 AI 生成的论文
- 通过同行评审
- 在正式学术会议上发表
这是 AI Agent 在科研领域的里程碑事件。
AI Scientist-v2 是什么
端到端科研 Agent
AI Scientist-v2 不是辅助工具，而是完整的科研 Agent：
传统科研流程：
研究者 → 提出假设 → 设计实验 → 编写代码 →
运行实验 → 分析结果 → 撰写论文 → 投稿
AI Scientist-v2：
所有步骤都由 AI 自主完成
核心组件
Agentic Tree-Search 框架：
- 提出假设：基于已有文献
- 编写代码：实现实验
- 运行实验：执行并迭代
- 分析结果：统计和洞察
- 撰写论文：从摘要到结论
整个流程自主进行。
历史性意义
首篇 AI 同行评审论文
之前 AI 也能写论文：
- 但都是辅助，研究者主导
- AI 生成的内容未通过严格审查
- 学术界普遍质疑
AI Scientist-v2 不同：
- 完全自主
- 同行评审通过
- 正式发表
学术界的震动
- 引发伦理讨论
- 论文署名问题
- AI 论文识别问题
- 学术诚信新挑战
技术细节
树搜索（Tree-Search）
AI Scientist-v2 使用树搜索探索：
根（研究方向）
/ | \
假设1 假设2 假设3
/ \ | / \
实验1 实验2 ...
/ \
结果A 结果B
- 多个假设并行探索
- 失败的分支剪枝
- 最佳分支深入研究
多智能体协作
不是单一 LLM，而是多个专门 Agent：
- 文献分析 Agent：阅读相关论文
- 假设生成 Agent：提出可测试假设
- 代码实现 Agent：编写实验代码
- 执行 Agent：运行实验
- 分析 Agent：解释结果
- 写作 Agent：撰写论文
- 审稿 Agent：自我审查
类似 OpenClaw 的多 Agent 架构。
论文研究内容
论文主题
具体论文涉及：
- 机器学习算法的优化
- 可重复的实验设计
- 统计严谨性
详情参考 Sakana AI 官方公告。
同行评审过程
- 提交到正式会议
- 双盲评审
- 评审者不知道是 AI 写的
- 通过审查
事后揭晓时引发热议。
对学术界的影响
短期
- 审稿压力增加：AI 生成论文激增
- 抄袭和原创性新挑战
- 论文质量整体波动
中期
- AI 辅助论文成为常态
- AI 自主论文进入边缘领域
- 新学术规范形成
长期
- 科研范式可能改变
- 人类研究者 vs AI 研究者协作
- 学术 IP 重新定义
对 AI Agent 行业的影响
技术能力跃升
AI Scientist-v2 证明：
- 复杂多步任务可以完成
- 创造性工作不再是禁区
- 专业领域能力超人
商业机会
衍生应用：
- 专利分析 Agent
- 市场研究 Agent
- 数据分析 Agent
- 报告写作 Agent
任何端到端知识工作都可能被 AI 替代。
Agent 设计模式
AI Scientist-v2 的设计模式可以借鉴：
# 多 Agent 树搜索协作
agents:
hypothesis-generator:
role: "生成假设"
code-writer:
role: "实现代码"
delegateTo: hypothesis-generator
experimenter:
role: "运行实验"
delegateTo: code-writer
analyzer:
role: "分析结果"
delegateTo: experimenter
writer:
role: "撰写论文"
delegateTo: analyzer
OpenClaw 的 Subagent 机制可以构建类似系统。
伦理和争议
论文署名
- AI 不是法律实体
- 谁是"作者"？
- 责任归属？
学术诚信
- 评审应否知情？
- 是否需要标注？
- 透明度要求？
抢工作
- 研究助理被替代
- 博士生工作减少
- 学术就业市场变化
论文质量
- AI 论文是否真正创新？
- 还是高质量的"重组"？
- 长期影响？
对 OpenClaw 用户的启示
构建专业 Agent
参考 AI Scientist-v2 设计：
agents:
research-assistant:
skills:
- web_search # 文献搜索
- paper-reader # 论文阅读
- code-writer # 代码编写
- exec # 实验运行
- data-analyzer # 数据分析
- latex-writer # 论文写作
standingOrders:
- "保持科学严谨"
- "记录所有假设和实验"
- "诚实报告失败结果"
自动化研究流程
OpenClaw 用户可以构建：
- 行业研究 Agent：自动生成行业报告
- 竞品分析 Agent：持续追踪竞品
- 数据分析 Agent：自主探索数据
- 专利分析 Agent：技术专利研究
真正的自主 Agent
AI Scientist-v2 启发：
- 不只是工具调用
- 完整的工作流自主
- 多步骤复杂任务
OpenClaw 的 Task Flow + Subagent + Memory-Wiki 可以实现类似系统。
Sakana AI 公司
背景
- 总部：日本东京
- 创始人：David Ha 等（曾在 Google）
- 专注：AI 进化、自主 AI 系统
创新方向
- 进化算法 + LLM
- AI 自我改进
- 群智 AI
是 AI Agent 领域值得关注的公司。
类似项目
其他 AI 科研系统
- Anthropic 的研究：Computer Use 在科研
- Google 的 AlphaProof：数学证明
- Microsoft 的 Aurora：天气预测
- DeepMind 的 AlphaFold：蛋白质结构
但 AI Scientist-v2 是首个端到端自主的。
中国相关项目
- 智源研究院
- 浙江大学等高校
- 字节跳动 Seed
未来展望
技术方向
- 更复杂领域：物理、化学、生物
- 跨学科研究：AI 主导的新领域
- 理论突破：AI 提出新理论
社会方向
- 科研民主化：人人有研究助手
- 加速发现：科研速度倍增
- 新的工作模式：人机协作
对中国研究者的意义
机遇
- 学习借鉴技术架构
- 构建中文领域版本
- 申请相关研究资助
挑战
- 算力差距
- 数据获取
- 顶级 LLM 访问
行动建议
- 关注 Sakana AI 等前沿
- 学习多 Agent 协作设计
- 利用 OpenClaw 等开源工具
总结
Sakana AI Scientist-v2 是 AI Agent 发展的重要里程碑：
- 首篇全 AI 生成同行评审论文
- 复杂知识工作的自主完成
- AI 创造性边界的突破
对 AI Agent 行业：
- 技术能力继续跃升
- 应用场景大幅扩展
- 伦理规范亟需建立
对 OpenClaw 用户：
- 学习多 Agent 协作设计
- 尝试自动化复杂工作流
- 不要低估 Agent 能力
我们正在见证 AI 不再只是工具，而是真正的研究伙伴——这是一个深刻的变化。