深势科技发布玻尔·科学空间，让AI科学家跑完科研全流程

深势科技正式发布桌面端AI科研平台「玻尔·科学空间（公开测试版）」，将面向不同学科的AI科学家直接内置到科研流程之中，尝试把科学家从「搜索、整理、验证、复现和沟通」等体力活中解放出来。在该平台上，研究者只需负责提问与确认，调研、假设、验证、复现、成图、审稿等环节由AI接管。

覆盖科研全流程的核心能力

玻尔·科学空间向下连接本地与云端的科学数据、计算和实验资源，向上提供可对话的AI科学家角色。在调研阶段，全科科研专家SciMaster可自动检索文献与专利，理解论文中的文字、图表、分子和公式，并形成结构化调研结果，梳理研究共识、矛盾与空白，协助提出可检验的研究假设。当假设具备推进价值时，系统还能生成包含研究变量、技术路线与结果判定方式的实验设计方案。

在执行阶段，AI科学家会根据研究目标自动拆解任务，调用数据、模型、软件与算力资源，执行计算、模拟和数据分析，并在关键节点检查结果。平台已内置面向不同学科的AI专家：

• BioMaster：负责生物信息学分析，支持论文分析复现（关联GEO等公共数据与作者代码，完成数据获取、环境执行与结果核查）、单细胞数据分析（围绕同一问题组织RNA velocity等流程与科研绘图）、基因变异解读（跨ClinVar、UniProt、PDB、AlphaFold等数据源完成实体对齐与证据核验）。
• PharmMaster：贯通药物研发链路，以ITK靶点抑制剂为例，可完成专利与竞争格局分析、SAR解读、起点分子筛选、共晶结构解析、逆合成拆解、新分子推荐以及活性与ADMET性质评估。
• MatMaster：从性能目标出发组织材料设计与模拟，以高温介电薄膜为例，根据工作温度与材料约束完成领域调研、候选体系设计与DFT/分子动力学验证。

在成果输出阶段，写作助手可根据研究数据协助梳理思路、组织论文结构并输出LaTeX格式内容；审查助手则围绕论文逻辑、引用来源、图表数据与支撑材料进行核验。

底层技术支撑

平台之所以能执行真实科研任务，依赖于一套规模化、Agent-ready的科研要素与编排框架：

• Science Navigator连接超过 2 亿篇文献与专利，供AI持续检索证据；
• DeployMaster精选部署超 5 万个经典科学计算工具，并与深势自研的「深势·宇知」大模型（DPA、Uni-Mol、Uni-AIMS等）及计算工具（Uni-FEP、Uni-Dock等）形成配合；
• Uni-Lab-OS连接超 150 个大类、1800 款仪器设备，用于湿实验环节的数据与样品整合；
• Uni-Parser对文本、数学公式、表格三类结构化内容的解析准确率均超过 98%，并可识别图表、流程图、分子式与化学反应式等视觉信息；
• SciX智能体框架负责将研究目标拆解为可执行步骤，在任务受阻时具备自动诊断与矫正能力；Sandbox提供隔离与可恢复运行环境，在累计约 185 万次启动统计中创建成功率达 98.8%。

此外，平台引入EvoMaster智能体的自学习与自进化机制，使经过验证的方法可沉淀为可复用工作流，随使用积累逐步贴合团队需求。

面向个人与组织，并发起「玻尔107计划」

玻尔·科学空间既可作为科研人员统一调用知识、数据与工具的工作台，也可成为科研团队复用研究流程、沉淀科研经验的协作环境。对科研人员，它减少跨数据库检索与环境配置的时间；对课题组与研发团队，它使关键方法、参数与过程形成可追溯记录；对科研机构与企业研发组织，它提供连接内部数据、计算资源与领域经验的统一环境。

与此同时，深势科技发起「玻尔107计划」，面向全球科研人员征集具有重要科学价值与探索潜力的问题，入选项目将依托玻尔·科学空间获得从调研、假设推演、计算模拟到结果验证的全流程支持，推动有价值的问题从提出走向持续探索。