大多数"AI 做科研"的演示,看一眼就泄气:给个题,它解了,然后呢?没有然后。题解完即焚,下一回从头再来。
腾讯混元 Hyra 2.0 有意思的地方,是它明显不想当那个"解题的学霸"。它想当"造教具的老师傅"。
这个系统的思路是把自动化科研从"直接解题"翻转为"由 agent 研发和升级科学工具、工作流、软件"。它用 Overall、Mission、Worker 三层分工——顶层拆解目标,中层派任务,底层动手干,而且直接接进了企业微信、计算平台和代码仓库这些真实研发环境,不是关在笔记本里跑玩具。
已经亮出来的成果挺实在:蛋白质设计、量子码、处理器相关方向都已经跑出具体进展,整套 Harness 也开源在 GitHub 上。
我看重的是最后这一点。判断一个科研 Agent 是不是真有用,别看它这周发了几篇,看它造出来的工具,下个月另一个 agent 跑起来还用不用得上。能复用的工具链,才是科研自动化的真门槛。
所以这条不热闹,但值得记一笔:国内大厂里有人开始把"AI 科研"从刷榜叙事挪到工程叙事了。这一步比又多解一百道题值钱。