普林斯顿团队推出Scientist World：将1000篇论文变成AI可运行的科研实验场
当大多数AI科研工具还停留在“帮人读论文、写摘要”时，普林斯顿团队把1000篇论文重新编译了一遍：它们不再只是被检索的文本，而是被拆成可调用、可组合、可验证的实验单元，放进一个名为Scientist World的AI科研实验场里。按照这一思路，AI不再只负责“提出一个想法”，而是要在论文构成的知识环境中持续运行、试错、回溯，直到把假设推到可检验的位置。
一千篇论文不再是PDF，而是可运行的实验场
Scientist World最直接的变化，是把论文从“阅读材料”变成“运行环境”。据公开设计思路，系统会对1000篇论文做结构化拆解：研究方法、实验条件、数据来源、结论边界、可复用步骤被分别抽取，再重新组织成一套AI可以调用的知识单元。对AI来说，论文不再是需要通读的长文本，而是一个个可以打开、替换变量、重新组合的“实验积木”。
这与过去AI科研工具的工作方式有明显区别。此前不少系统擅长的是文献综述和假说初筛，AI读完一批论文后给出候选方向，再由人类判断是否值得推进。Scientist World则试图把“读完之后怎么办”也纳入系统：AI可以在论文构成的实验场里先跑一遍逻辑链，检查假设与既有证据是否冲突，再决定下一步查什么、补什么实验、放弃哪条路径。
这种设计让“文献密集型研究”第一次有了被批量运行的可能。对于代谢组学、统计遗传学、材料科学、神经科学等高度依赖已有文献的领域，1000篇论文足以构成一个相当密集的知识底座。AI在这个底座上反复试探，相当于把过去需要博士生花数月完成的文献梳理与假设筛选，压缩成可重复执行的实验流程。
世界模型当“大脑”，系统自己找知识缺口
Scientist World的核心架构，延续了AI科学家系统里逐渐成型的“世界模型”思路。FutureHouse此前推出的Kosmos就把世界模型称为系统的“大脑”：它持续整合所有代理发现的信息，识别模式和知识空缺，并战略性地决定下一步调查方向。与更早的系统相比，这种架构让Kosmos能够运行的迭代次数达到现有系统的八倍。
放到Scientist World的语境里，1000篇论文就是这个世界模型的状态空间。系统不是简单地按关键词检索，而是维护一张不断更新的知识地图：哪些结论已经被多项研究支持，哪些实验条件存在矛盾，哪些空白还没有被填上。每运行一步，地图都会变化，下一步该往哪里走也随之调整。
这种“自己找缺口”的能力，是Scientist World区别于普通文献问答工具的关键。普通工具回答“论文里写了什么”，世界模型则要判断“论文里还缺什么”。当AI能够在数百次迭代中保持逻辑连贯，它才有可能把分散在1000篇论文里的线索串成一条可检验的假设链，而不是每读一篇就重新开始。
从文献检索到假设生成，闭环在数百次迭代里不跑偏
Scientist World所强调的“可运行实验场”，对应的是AI科学家领域过去一年最核心的突破：闭环。Kosmos已经被描述为首个能够真正闭环执行“文献检索－假设生成－数据分析”完整科研循环的系统，单次运行可以持续12至48小时，完成相当于人类科研团队数月才能完成的工作量，其产出的发现中有近80%经独立专家验证为准确。
在此之前，同类系统各有明显短板。Sakana的AI Scientist局限于机器学习领域；谷歌的AI co-scientist不进行实际实验；Virtual Lab虽然成功设计了SARS-CoV-2纳米抗体，但缺乏Kosmos那样的通用探索能力。Scientist World把1000篇论文变成实验场，本质上是在补“通用探索”这一环：系统不必从零开始读文献，而是直接在一个高密度的论文环境中运行假设，边检索、边生成、边验证。
当然，闭环不等于全自动。Kosmos当前版本不支持中途干预，科学家无法在运行过程中调整策略或提供反馈，只能等整个流程结束后查看结果；研究目标的措辞微调也会显著影响系统的探索方向，用户需要反复迭代提示语。Scientist World同样面临类似问题：实验场再大，AI往哪个方向跑，仍然取决于初始任务如何被定义。
两百美元一次运行，六家制药巨头主动找上门
Scientist World并非孤立出现。它背后是AI科学家系统正在快速商业化的现实。FutureHouse今年5月推出AI科学家平台后，商业需求远超预期，六家全球前十大制药公司主动联系寻求合作，大量生物技术公司请求提高使用限额。这种压力促使团队把商业化部分拆分成Edison Scientific，专注产品开发和市场服务，而FutureHouse继续承担无法获得其他资金支持的基础研究。
商业化价格也已经摆上台面。Kosmos的标准使用费用为每次运行200美元左右，对应系统12到48小时的完整研究周期；Edison Scientific承诺保留学术用户的免费额度，只对需要更高调用频率或额外功能的用户收费。如果Scientist World未来开放调用，它很可能沿用类似的“学术免费额度+重度用户付费”策略，把1000篇论文的实验场变成可计费的科研基础设施。
与此同时，多智能体协作正在成为这类系统的标准配置。斯坦福大学的Virtual Lab用GPT-4o设置两个AI角色：一个当“首席调查研究员”负责想点子，另一个当“评论家”专门提改进建议。谷歌的Co-Scientist则部署了七个专门化代理，包括监督者、生成者、反思者、排名者、演化者、邻近者和元评审者，通过辩论与竞争让质量更高的假说在迭代中胜出。Scientist World要把1000篇论文跑起来，同样离不开分工明确的代理团队：有人负责检索，有人负责质疑，有人负责把高分假设推进到下一轮。
