深势科技推出玻尔·科学空间：将AI科学家嵌入科研全流程

深势科技正式推出桌面端科研协作平台「玻尔·科学空间」公开测试版，将面向不同学科的 AI 科学家内置进科研流程，覆盖调研、假设、验证、复现、成图与审稿等环节。研究者只需负责提问和确认，繁琐的数据检索、环境配置、参数调试与结果整理工作由平台接管。

从科学问题出发，贯通全流程

平台中的全科科研专家 SciMaster 可围绕研究问题自动检索文献与专利，理解文字、图表、分子与公式，形成结构化调研结果，并梳理研究共识、矛盾与空白，协助生成可检验的假设。若假设具备推进价值，系统还能结合可用数据与实验条件给出可执行的实验设计方案，明确研究变量、技术路线与判定方式。

在执行阶段，AI 科学家会根据研究目标拆解任务，调用对应的数据、模型、软件与算力，执行计算、模拟和数据分析，并在关键节点检查结果。研究者可在同一环境内持续推进，而不必在多个工具间反复切换。

平台已内置三套学科专用 AI，覆盖生物医学、药物研发与材料科学：

BioMaster：聚焦生物信息学。可复现论文方法、关联 GEO 等公共数据库与作者代码，完成数据获取与代码调试；支持单细胞数据全流程分析与基因变异跨库解读，整合 ClinVar、UniProt、PDB 与 AlphaFold 等多源证据，形成带来源与等级标注的结构化结果。
PharmMaster：面向药物研发。可围绕靶点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、新分子推荐及活性与 ADMET 性质评估，贯通靶点调研到分子设计的完整链路。
MatMaster：面向材料研发。研究者在对话中描述目标性能与约束，系统即可完成领域调研、候选体系设计、DFT 与分子动力学模拟及结果分析，给出值得优先验证的材料方向及其依据。

平台之所以能让 AI 完成真实科研任务，关键不在模型规模，而在于底层的科研要素连接、知识组织与执行框架：

科研要素规模化连接：Science Navigator 接入超过 2 亿篇文献与专利；DeployMaster 精选部署超过 5 万个经典科学计算工具，并与 Uni-Mol、DPA、Uni-AIMS 等自研大模型以及 Uni-FEP、Uni-Dock 等工具协同；湿实验层面 Uni-Lab-OS 已连接超过 150 个大类、1800 款仪器设备。
多模态知识理解：Uni-Parser 对文本、数学公式与表格的解析准确率均超过 98%，可识别图表、流程图、分子式与化学反应式；科学导航与大知识模型 LKM 进一步组织实体关系与研究脉络。
长程智能体执行：SciX 框架将研究目标拆解为可执行步骤并协调多类资源，在关键节点进行检查和纠错；Sandbox 提供隔离、可恢复的运行环境，累计启动约 185 万次，成功率 98.8%。

研究完成后，写作助手可根据数据与分析结果协助梳理思路、生成论文结构并输出可继续编辑的 LaTeX 内容；审查助手则对论文逻辑、引用来源、图表数据与支撑材料进行核验，提示需要进一步确认或补强的位置，使研究成果具备可追溯、经得起同行审视的证据链。

平台既适合个人研究者调用知识、数据与工具，也可成为团队组织 AI 科学家、复用研究流程与沉淀科研经验的协作环境。对科研机构与企业研发组织而言，它为连接内部数据、算力与领域经验提供统一入口，支持人类科学家与 AI 科学家在真实任务中协同。

深势科技同步发起「玻尔 107 计划」，面向全球征集具有重要科学价值的问题。入选问题将依托玻尔·科学空间及 AI 科学家能力，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。