来源：科技日报

科技日报记者 张梦然

美国斯坦福大学研究团队近日在《科学》（Science）杂志上发表最新成果，通用体介绍了一种名为 Biomni的生物通用生物医学AI智能体。该智能体具备自主执行多种科研任务的医学能力，涵盖从复杂数据分析到实验方案设计的智能自主执行全流程。团队通过多个案例研究验证了该工具的科研稳定性，发现其在多项任务中的任务表现已接近人类专家水平。这一突破标志着AI智能体有望成为人类研究人员的通用体得力助手，加速生物医学领域从基础理论向应用转化的生物进程。

生物医学研究的医学痛点与AI机遇

近年来，生物医学研究在疾病机制解析、智能自主执行诊断技术及治疗手段上取得了显著进展。科研然而，任务随着研究流程日益复杂、通用体数据集呈指数级膨胀、生物专业工具种类繁多以及文献增长速度惊人，医学现有知识和资源往往难以被充分挖掘和利用。

目前，对专业研究人员的需求已远超可用劳动力供给，导致大量高价值的数据和分析机会被搁置。因此，开发能够扩展专业知识边界、加速科学发现的工具已成为行业迫切需求。AI智能体的发展为重塑生物医学研究环节提供了新契机，但其前提条件是工具必须能够覆盖足够广泛且复杂的生物医学任务。

Biomni：自主规划与执行的智能引擎

Biomni 的核心优势在于其强大的自主规划能力。通过深入挖掘海量生物医学文献，Biomni 定义了一套覆盖范围广泛的学习任务体系。其底层的大型语言模型（LLM）兼任“规划引擎”，能够精准理解用户意图，并将复杂的请求拆解为一系列连贯的多步子任务。

这种机制使得 Biomni 无需依赖预设的工作流模板，即可自行组装并执行完整的科研流程，实现了从“被动响应”到“主动执行”的跨越。

性能验证：媲美专家，效率倍增

团队在多个生物医学基准测试中对 Biomni 进行了严格评估，并将其表现与人类专家进行对比。结果显示：

• 准确度匹配：Biomni 在各项任务中的准确率始终能与专家级水平持平。
• 效率显著提升：相比人类专家，Biomni 完成任务所需时间明显更短。
• 案例验证：在5个典型案例研究中，Biomni 展示了其广泛的应用能力，范围包括可穿戴传感器数据的深度分析，以及为研究人员量身定制实验协议。

定位重塑：赋能而非替代

团队特别强调，这项成果的核心价值并非宣告“AI替代人类”，而是重新定义人机协作模式。尽管 Biomni 已接入众多生物医学工具与数据库，但其目前仅覆盖了评估任务的一小部分，若干关键前沿方向尚未触及。

然而，通过自动化处理复杂且繁琐的工作流，研究人员得以从重复性劳动中解放出来，将精力集中于更具创造性的领域，如：
* 生成创新性假设
* 设计突破性实验
* 开展跨学科协作

这正是人类科学家最应投入时间与精力的核心价值所在。

总编辑圈点

AI正在深刻改变科学研究的传统范式。科研活动长期依赖科学家的经验判断和反复试错，同时持续产生大规模数据。AI之所以能在科研场景中如鱼得水，得益于其两大核心优势：
1. 胜任枯燥重复劳动：高效处理标准化、流程化的任务。
2. 擅长海量数据分析：快速从庞杂数据中提取规律与洞察。

需要明确的是，AI在科研领域的角色定位是“赋能者”而非“替代者”。它旨在成为科学家的智能助手，最终目标是将科学家从繁琐的事务性工作中解脱出来，使其能够专注于更具原创性和颠覆性的创新探索，从而推动科学边界不断拓展。