Kosmos AI科学家震撼登场：12小时颠覆科研，GPT-6引领科学创造新纪元

【导读】OpenAI CEO奥特曼近日透露，GPT-6有望实现“AI自主创造新科学”的愿景。与此同时，一款名为Kosmos的“AI科学家”惊艳亮相，仅在12小时内就阅读了1500篇文献、执行了4.2万行代码，并生成了详尽可溯源的科研报告，在材料科学等领域提出了新颖发现。凭借持续的記憶和自主规划能力，Kosmos正从工具蜕变为真正的科研合作者；尽管受限于数据来源和可复现性，约20%的结论仍需人类最终裁决。人机协作模式或将彻底重塑科研生态，加速范式变革，未来充满无限可能。

在最新发布的YouTube访谈中，OpenAI首席执行官奥特曼分享了对未来GPT-6的展望与期待。

https://www.youtube.com/watch?v=cuSDy0Rmdks

他表示，GPT-5已经初步展现了“AI正在创造全新科学”的曙光，而GPT-6可能会将这一愿景变为现实。

这番话激发了公众的无限好奇：人工智能是否真能独立自主地开创科学新知识？

正当人们对此充满疑问之际，名为Kosmos的“AI科学家”横空出世，以震撼性的成果给出了初步答案。

https://arxiv.org/abs/2511.02824

闪电般的科研速度

一个不知疲倦的科研助手，在短短半天时间内消化了上千篇论文，编写了数万行代码，最终产出一份逻辑严谨、证据确凿的科学报告。

这正是Kosmos所实现的惊人场景。

在一次运行中，Kosmos仅用不到12小时就完成了相当于人类科学家平均6个月的研究工作量！

在这次单次运行中，Kosmos并行执行了海量任务，总计阅读了约1500篇文献并执行了约42000行代码，几乎堪比一个科研团队半年的辛勤努力。

更令人惊叹的是，Kosmos在报告中对每一项结论都清晰注明了出处，要么引用相应的代码输出，要么援引原始文献来源，确保所有推理链条都可追溯、可验证。

一个AI系统竟能以如此高效且严谨的方式完成繁重的科研工作，无疑令人叹为观止。

Kosmos的出现凸显了AI助力科研的多重优势：

• 提速：Kosmos可以持续自主运转，快速完成海量阅读和数据分析任务，极大缩短科研周期。
• 广度与深度：它能够跨越不同学科领域展开研究，并在数百个步骤中始终聚焦既定目标，保持逻辑连贯、不偏离方向。
• 透明度：每一条结论都有代码或文献作为支撑，推理过程清晰透明，便于他人审查与验证。相比人类有时依赖直觉的跳跃式思考，Kosmos的报告更像是一部“可审计”的科研日志。
• 可扩展性：随着运行时间的增加，Kosmos挖掘出有价值发现的数量也呈线性增长。投入更多计算资源就能产出更多成果，科研产出不再严格受限于人类精力。

如此显著的效率提升，预示着科研工作正迎来数量级的飞跃。

过去可能需要数月才能完成的实验、文献阅读和假设验证，如今AI在一天之内就能全面覆盖。

这种“快进式”科学带来的冲击，堪比工业革命时期机器大生产对手工劳动的颠覆性变革。

从工具到科研合作者

Kosmos并非一个被动执行指令的简单自动化工具，而更像是一位具备主动性的科研合作者。

它的使用方式非常独特：人类科学家只需提供一个开放性的研究目标和相应数据集，Kosmos便会接手并自主展开后续的完整研究流程。

在最长约12小时的运行时间里，它会持续循环以下过程：

规划若干小任务（例如对数据进行分析或检索文献库中的相关资料），并行执行这些任务，将获得的新发现更新到共享的“世界模型”中，然后基于最新知识再规划下一轮探索。

这个“世界模型”可以理解为Kosmos内部的一本结构化科研笔记，记录着所有中间结果和线索，确保它在长达200个连续行动步骤后仍然思路清晰、不偏离研究方向。

正是凭借这种持续的记忆与上下文共享能力，Kosmos才能在没有人为干预的情况下自主形成探索路径、生成并检验科研假设，完成一系列连贯的实验与分析。

相比之下，以往的科研AI工具往往只能执行预设的流水线任务，一旦步骤过多就容易失去连贯性。

Kosmos的出现标志着AI正在从科研工具进化为真正的科研伙伴。

它不再仅仅是人类的一个高级工具箱，而是在一定程度上具备了科学探究的主动性与策略思维。

正如一位评论者所言，过去的工具“只是工具”，用于完成我们交代的任务；

而现在，AI可以融入我们的推理过程，帮助我们思考新问题、发现我们自己都未察觉的模式，有时甚至会给出让我们费解的创新思路。

这种转变意味着，在实验室里，AI开始以合作者的身份与我们并肩作战。

当然，称Kosmos为“AI科学家”并不意味着它已经能够完全取代人类科学家的创造力与判断力。

它更像是一位不知疲倦的合作者，可以提出源源不断的思路并完成繁杂的验证，但依然需要人类的智慧去监督方向、判断结果的重要性。

正如数学家蒂莫西·高尔斯在亲身使用GPT-5辅助证明后所感慨的：“我们已经进入这样一个有趣时期：研究被AI大大加速了，但AI仍然需要我们。”

AI在科研中日益崛起为强大的合力，而不是要单独取代人类。

同样在Kosmos项目中，研究人员也强调人类依旧扮演着至关重要的裁判角色。

Kosmos给出的报告中，有约20%内容是不够准确或有待商榷的，“AI科学家”的洞见也需要经验丰富的研究者来甄别真伪、提炼价值。

机器的严谨与速度，加上人类的洞察与创造力，两者协同，或许才是未来科学研究的理想模式。

独立发现与首创成果

Kosmos最令人称道的一点，是它已经展现出自主产出新科研发现的潜力。

论文作者团队特意列举了Kosmos在不同行业领域中取得的七个代表性科研成果，其中有些颇具戏剧性。

神经保护

在一项神经保护机制的研究中（探究低温如何保护小鼠大脑），Kosmos分析大量代谢组学数据后指出：细胞中的“核苷酸再生通路”被显著激活，这是细胞在低温下节能的一种保护性机制。

令人惊讶的是，这一结论恰好与人类科学家的一篇未发表论文结果高度一致，而Kosmos在运行时并未接触过该论文。

也就是说，AI完全凭借数据自行得出了和人类科研者相同的洞见。

材料科学

在材料科学领域，Kosmos被赋予的目标是提高钙钛矿太阳能电池的制造效率。

它通过机器学习分析实验数据，发现了一个关键因素：原来在电池制造过程中，“热退火”步骤的环境湿度至关重要——湿度稍高就可能导致器件性能严重下降。

更绝的是，Kosmos进一步提出了一个简单定量关系：在旋涂过程中，溶剂DMF的蒸气压越高，电池的短路电流性能就呈线性下降。

这一全新的规律后来被人类研究者实验验证属实。

这意味着Kosmos不仅重复印证了已知经验，还自主提出了全新的工程指导规律。

Kosmos的七项发现中，有三项后来被证实与人类科研团队独立得出的未发表成果不谋而合——AI等于“自主重复”了那些人类尚未公开的发现；

而另外四项则是完全首次提出的原创贡献，推进了相关领域知识前沿。

例如在脑连接组学研究中，Kosmos得出不同物种神经元连结数遵循对数正态分布的规律，并提出了可能的生成机制，这与人类此前的一篇预印本结论一致且更进一步；

又如在遗传学中，它预测出一种抗心脏纤维化的关键蛋白（超氧化物歧化酶SOD2）并给出了推测的作用机制，为医学研究提供了新线索。

这些案例表明，Kosmos并非只会机械地“照葫芦画瓢”，它真的能从数据和文献中嗅探到有价值的新模式、新假说，有些甚至连人类自己都未曾意识到。

Kosmos让我们初次领略了AI作为科研“发现者”的风采。

它自主产出的新知与洞见，虽仍需人为确认，但已足以证明人工智能在创造知识方面的巨大潜力。

过去，人类科学家要阅读海量文献、尝试各种分析方法、经历无数失败，才能偶得灵光一现的发现；

而现在，一台AI或许在漫长夜晚的运算之后，就能递交一份让人眼前一亮的成果清单。

这种场景在几年前几乎难以想象，却真实地发生了。

科研的未来，挑战与遐想

尽管Kosmos取得了令人瞩目的成就，目前的AI科学家仍然有明显的局限与挑战。

第一，Kosmos并不会自行去搜集新数据。

它需要研究人员预先提供数据集，在给定资料的范围内展开分析。

如果缺乏高质量的数据，Kosmos再聪明也“巧妇难为无米之炊”。

它也无法像人类那样临机决策去开启全新的实验或爬取互联网上最新的数据——这一点在当前既是技术限制，也是出于安全与伦理的考量。

第二，Kosmos尚不能直接处理原始的图像等非结构化数据。

在本次工作中，它主要分析的是表格化的实验结果、基因序列、神经连接矩阵等结构化数据，以及论文文本。

如果研究涉及显微镜图像、医学影像等视觉信息，Kosmos还无能为力，需要借助其他图像识别AI先行处理。

这意味着它的自主发现范围目前仍局限于“读得懂”的数据类型和“看得懂”的问题。

第三，Kosmos的一些分析过程存在随机性，重复运行未必每次都得出完全相同的结果，这对科研的可复现性提出了新的要求。

它对复杂任务的表现也依赖于人类提供的初始问题设定是否清晰、一致——如果研究目标表述不明确，AI可能会发散到无关方向上去。

这些限制提醒我们，当前的AI科学家还处在早期阶段，离真正完全自主的科研革命尚有距离。

不过，展望未来，Kosmos已经让人看到了诸多令人兴奋的潜能。

可以想见，随着技术进步，下一代AI科学家或许将克服数据源的限制，拥有自主搜集和整合信息的能力。

也许将来某个AI系统接到研究任务后，会自主地去查找公开数据库、实时抓取新发表的相关数据，真正成为一名“全能”研究员。

未来的Kosmos可能会融合多模态感知能力，直接解读图像、视频等丰富的数据形式，把实验室显微镜下的所见所闻都纳入其分析范畴。

更大胆地畅想，如果将这样的AI与物理实验设备连接起来，让它指导机器人去完成实验操作，那么科学研究的整个循环——从提出假设、查询文献、设计实验、收集数据、分析验证，再到得出结论——都可能在人类几乎不干预的情况下自动闭合运行。

那将是科研范式的真正飞跃：实验室昼夜不息地产出新发现，新知识喷涌而出，人类研究者的角色也将转变为高屋建瓴的指导者和监督者，在宏观上把控方向、伦理和意义。

面对这一切，我们不禁要问：当AI在实验室里与人类肩并肩工作，甚至开始独立探索未知时，科学发现的定义是否将被改写？

或许未来最伟大的突破，将来自人类与人工智能携手共创的智慧结晶，而“科学家”一词的含义也将因此焕然一新。

Kosmos给我们带来的，不仅是科研效率的惊人提升，更是一种全新的可能性——一个人与智能机器共创知识的时代正悄然启幕。

当这一幕彻底到来之时，我们准备好拥抱这样的未来了吗？

参考资料：

https://arxiv.org/abs/2511.02824 

https://www.youtube.com/watch?v=cuSDy0Rmdks