人工智能正在加速进入科研工作的各个环节。

从论文和专利检索，到科研项目评价，再到专业计算和研究任务执行，AI正在从单纯的信息辅助工具，逐渐向科研决策和专业工作流程延伸。

9月17日，中科闻歌正式发布SciencePro磐石·智研决策平台，将AI决策能力进一步拓展至科研领域。

据介绍，该平台依托在中国科学院统一部署下研发的磐石科学基础大模型，融合创新评价、ScienceHub以及科研智能体广场等核心能力，试图打通科研研判、资源调用和专业任务执行等环节。

AI进入科研决策场景

传统科研工作涉及大量信息搜集和分析。

科研人员不仅需要查阅论文、专利和项目资料，还需要根据不同评价标准进行比较分析，并调用数据库、计算软件等工具完成研究。

SciencePro针对这些环节进行了整合。

平台将科研数据、评价标准和AI智能体结合，通过多智能体协作完成信息检索、数据分析和评价等任务，并生成结构化报告。

不过，AI在其中主要承担信息处理和分析辅助角色，最终的科研评价与决策仍由科研人员以及评审专家负责。

3200万条项目数据支撑创新评价

创新评价是SciencePro的重要功能之一。

据介绍，平台目前覆盖3200万条科研项目信息、70万份产业研发年报以及2.7亿条论文与专利数据，同时汇聚近百条评价标准。

面对规模庞大的科研信息，单纯依靠人工检索和整理往往需要投入大量时间。

SciencePro通过多智能体协同，对相关信息进行检索、归纳和分析，再形成结构化结果，为科研人员开展项目研判和创新评价提供辅助。

这种模式的核心变化，在于将原本分散的信息处理工作集中到统一的平台中。

ScienceHub连接300多个专业数据库

科研工作不仅需要数据，还需要专业工具。

SciencePro中的ScienceHub目前集成超过300个专业数据库、2000余个科研工具以及7000余个科研技能模块。

科研人员可以根据具体研究任务调用相关文献、数据和计算工具。

对于重复性较高的研究流程，用户还可以将自己的研究方法封装成技能模块，并进行分享和复用。

这使科研工具的使用方式从单纯“寻找工具”，进一步转向按照研究任务组织资源。

对于需要频繁处理不同数据来源和专业软件的科研人员而言，统一的资源调用平台可以减少在不同系统之间切换的成本。

13个科研智能体覆盖多个专业方向

除了数据和工具之外，专业任务执行也是SciencePro重点布局的功能。

平台推出科研智能体广场，目前提供13个面向科研全流程和不同专业学科的专家智能体。

这些智能体覆盖量子计算模拟、材料创制计算、化学分子评估、生命科学研究等方向。

与通用聊天机器人相比，专业科研智能体更强调特定领域的任务能力。

用户可以根据研究需求选择对应智能体，将部分专业分析、计算或研究辅助工作交给AI完成。

这也意味着科研AI正在从“回答问题”进一步向“参与具体研究任务”发展。

从单点工具走向科研工作流

SciencePro的一个重要特点，是将科研工作中的多个环节放在同一平台中。

过去，科研人员可能需要分别使用论文数据库、项目评价系统、专业计算软件以及不同AI工具。

如今，通过数据库、工具、技能模块和智能体之间的组合，科研人员可以按照具体任务调用不同资源。

从信息检索开始，到数据分析、评价研判，再到专业任务执行，AI由此成为科研工作流程中的辅助环节。

这种工作方式也符合当前AI应用从单一功能向复杂任务协同发展的趋势。

AI辅助决策仍需要专业人员把关

科研领域对数据准确性和结论可靠性有较高要求。

SciencePro虽然能够利用大模型和多智能体处理大量信息，但平台并没有将AI输出直接等同于最终科研结论。

按照平台介绍，在创新评价等环节，AI负责信息检索、分析和报告生成，最终评价和决策仍由科研人员和专家完成。

这一机制也体现出科研AI应用的一项重要原则：人工智能可以提高信息处理效率，但专业判断仍需要依靠科研人员的知识、经验和审核。

尤其是在科研项目评价、成果判断等专业场景中，AI输出仍需要经过人工核验。

三种服务模式满足不同机构需求

在产品服务方面，SciencePro提供个人订阅、机构SaaS以及本地化部署三种模式。

个人用户可以选择免费版或Plus会员，用于日常科研以及更加深入的研究任务。

机构SaaS则面向科研团队提供专属平台及配套服务，适合多人协同使用。

对于对数据环境和部署方式有特殊要求的机构，平台还提供本地化部署方案，可以在机构自身环境中运行，并根据实际需求配置相应功能模块。

不同部署模式也意味着科研AI正在从个人工具向团队和机构级基础设施延伸。

科研AI进入专业化发展阶段

从科研数据到专业工具，再到智能体，SciencePro展示了科研人工智能应用的一种新路径。

平台通过连接大量数据库、工具和技能模块，让AI不仅承担信息检索和问答任务，也开始参与科研分析和专业任务执行。

与此同时，科研人员仍然承担最终评价和决策责任。

未来，随着科学基础模型、专业数据库以及科研智能体进一步发展，AI可能在文献分析、实验设计、数据处理、科研评价等更多环节发挥辅助作用。

对于科研机构和科研人员而言，真正值得关注的也不只是AI能否“回答一个问题”，而是能否融入完整科研流程，在保证专业性和可靠性的基础上，帮助研究人员提高效率。

SciencePro此次发布，正是科研AI从通用辅助向专业化、工作流化方向发展的一个新案例。