一篇論文改寫AI科研評價規則！中國公司拿出實踐數據，雙榜第一

AI for Science（AI4S）賽道正快速升溫，越來越多科技巨頭與新創團隊投入這場「讓電腦自己搞科研」的革命。然而，當市面上出現愈來愈多號稱能加速科學發現的系統，一個根本問題浮上檯面：究竟該用什麼標準來評判一套AI科研系統的優劣？近日，一家中國新創公司深度原理（Deep Principle）以一篇論文提出全新的評價框架，並在實際測試中拿下兩項關鍵榜單的第一名，引發學術界與產業界關注。深度原理成立於2024年，是全世界最早鎖定AI自主科研方向的公司之一。

不同於多數團隊將AI定位為輔助工具——例如協助文獻回顧、數據分析或實驗設計建議——深度原理的目標是打造能獨立完成科研閉環的「AI科學家」。他們將核心研究架構命名為「Discovery Loop」，概念源自科學方法的基本循環：提出假設、設計實驗、執行驗證、根據結果迭代優化。深度原理認為，一套真正有用的AI科研系統，必須能自主跑完這個循環，而不是只負責其中一個片段。在這次公布的測試結果中，深度原理的系統在兩項權威性榜單上都位居首位。

雖然具體榜單名稱未在公開資訊中詳述，但消息指出，這些測試模擬了真實科研場景，從現象觀察到假說生成、再到實驗方案與結果分析，系統必須在不依賴人類科學家手動介入的情況下完成任務。深度原理的表現證明其方法論在實際應用中具有可操作且可複製的優勢。這項成果發布的時機，正逢AI for Science賽道全面爆發。2025年以來，OpenAI、Anthropic、英偉達等國際巨頭相繼宣布投入AI4S方向，目標高度一致：打造能獨立完成科研閉環的AI科學家，而非僅提供文獻整理或數據分析的輔助軟體。

例如OpenAI內部傳出正研發「AI研究員」專案，試圖讓模型自動設計實驗並解讀結果；Anthropic則聚焦於材料科學與化學合成領域，希望透過AI加速新物質的發現；英偉達則利用其GPU生態與模擬平台，鎖定物理模擬與藥物設計的端到端自動化。這批跨界玩家的湧入，讓原本就備受關注的AI自主科研賽道競爭更加激烈。業界普遍認為，這條賽道背後是一片廣闊的「金礦」。從藥物發現到材料設計，從化學合成到物理模擬，真正能跑通完整科研循環的AI系統，將有機會徹底改寫科學研究的效率與邊界。傳統科研往往需要數年甚至數十年才能從假設走到產品，而AI科學家若能做到每日數千次的自動化迭代，將大幅壓縮時間成本。

深度原理的「Discovery Loop」框架，正是在這個趨勢下提出的一套具體評量標準。傳統上，學術界評價AI模型多聚焦於單一任務的準確率，例如預測分子性質或生成晶體結構，但這並不能反映系統是否真正具備「科學家思維」。深度原理的論文主張，應該從「循環完整性」與「自主迭代效率」兩個維度來衡量AI科研系統：前者看系統是否能自動完成從假設到驗證的完整閉環，後者看系統在單位時間內能完成多少次有效的迭代學習。在實際測試中，深度原理的系統不僅在循環完整度上得分最高，在迭代效率與成果質量上也勝過其他參與者。

這意味著其AI在沒有工程師手動調整參數或人工干預實驗設計的情況下，能夠自行發現問題、提出假設、設計實驗、分析結果，然後根據結果修正假設並進入下一輪循環。這種能力對於複雜的科學問題尤其關鍵，例如新材料開發中的多目標優化，或藥物分子設計中需要同時考慮活性、毒性與代謝穩定性等數十個變數。值得注意的是，深度原理雖然成立時間不到兩年，但團隊背景相當扎實。據了解，公司核心成員來自頂尖學術機構與科技公司，擁有跨學科的研究經驗，涵蓋機器學習、計算化學、材料科學與自動化實驗等領域。他們選擇在AI4S還處於早期階段就投入，看中的正是「自主科研」這個方向長遠的潛力。

隨著全球AI巨頭紛紛加碼，AI4S的評價標準也開始受到重視。深度原理這篇論文，正試圖為混亂的賽道建立一套可量化的標竿。業內人士分析，未來可能會有更多類似「Discovery Loop」的框架出現，幫助研究機構與企業更客觀地比較不同AI科研系統的真實能力。而深度原理率先拿出實踐數據，並在雙榜奪冠，無疑為其在新興市場中搶得先機。從長遠來看，AI自主科研的發展不僅關乎技術突破，更可能重塑科學研究的組織模式。當AI科學家能夠獨立負責常規性的實驗設計與數據分析，人類科學家將能更專注於創意發想、跨領域連結與重大理論突破。

深度原理的「Discovery Loop」或許只是第一步，但這一步已經讓業界看到，AI真正「跑完科研循環」並非遙不可及的夢想，而是正在發生的事實。