姚顺雨指出腾讯AI4S的「大战略」

AI进入科研，正在从专用模型，变成能解题、能造工具的通用智能体。

2026年11月7日，腾讯首席AI科学家姚顺雨在2026未来科学大奖周科学峰会上，分享了他对AI for Science三次范式迁移的判断，以及混元团队的最新实践。

姚顺雨毕业于清华“姚班”和普林斯顿大学，曾提出ReAct、思维树等方法，也参与过OpenAI智能体产品的研发。

整理之前，简单交代两件事。

1、本文由潮涌AI根据姚顺雨现场演讲内容整理，保留第一人称，做了必要顺句和精简。

2、专名和数字按现场幻灯片与公开资料校正，补充信息以“背景补充”标出。

以下为姚顺雨演讲实录的正文部分——

AI for Science正在经历三次范式转变

很高兴来到这里，和大家聊聊AI for Science。

我们刚刚发布了Hy4模型和Hyra 2.0工具框架。今天讲到的大部分内容，如果大家想了解更多细节，可以到混元的研究页面查看。

总的来说，我们正在经历三次非常快速的范式转变。它们之间不是简单的替代关系，而是层层递进、并行发展。

第一阶段，是我们为特定的科学问题打造专用模型。

第二阶段，得益于大语言模型的发展，我们有了能够解决问题的通用智能体。

到了今年，随着大语言模型继续发展，我们进入第三阶段：智能体不只能解题，还能创建工具。它既解决当下的问题，也为未来的问题做准备。

从第一阶段来看，提到AI for Science，最经典的例子就是AlphaFold。它代表了第一种范式：人类研究者面对一个特定问题，为这个问题设计神经网络，再把大量人类归纳出来的先验知识放进模型架构里，比如距离偏差或者序列进化偏差。

AlphaFold一到三代大致出现在2018年至2024年。这是AI for Science非常重要的一条路线：研究者训练一个神经网络，用它完成特定科学任务。

三代AlphaFold 的技术主线（由博主@胡奇Hooch整理）

但与此同时，另一场革命也在发生，那就是大语言模型。

大模型先完成统一，再通过缩放释放能力

大约从2017年到2022年，大语言模型完成了一系列统一和简化。

第一步是统一数据。

借助Transformer和自注意力机制，我们可以把任意类型的数据都表示成一串Token。不管是句子、图像、视频还是音频，都可以变成Token列表。

第二步是统一架构。

既然不同数据都能表示成Token列表，我们就可以用同一种架构处理它们，关键就是让不同Token之间能够进行自注意力计算。

有了Transformer这个高度统一的模型架构，下一步就是统一任务。

任务的输入和输出原本有很多种形式，但我们可以用更通用的方式定义它：预测下一个Token。

于是，任意输入进来，很多任务都可以被转换成同一个问题——接下来应该出现哪个Token。

再往后，ReAct把工具调用补进了这个过程。模型生成Token，不只是为了思考，也可以为了行动。面对一个问题，它可以通过生成Token进行推理，也可以调用搜索、代码、终端或者其他外部工具，再根据工具返回的结果继续行动。

如果你有一个能处理多种数据的Transformer，它还能生成Token来思考和行动，那么，它就不只是一个语言系统，而开始像一个能够接收信息、推理并采取行动的通用智能体。

大语言模型另一个非常重要的特性，是缩放。

对AI从业者来说，这件事可能很直观，但我仍然觉得它是AI最重要的概念之一。

投入更多算力、更多数据、更多参数，模型预测下一个Token的损失就会持续下降。

但模型能力平滑提升，不意味着任务实用性也会平滑提升。任务表现往往会在某个时点突然变化：之前一直接近零，越过某个门槛后，突然变得很好。

这种情况在很多领域反复出现，比如数学、编程、多模态理解，也包括AI for Science。

通用智能体已经开始解决真实科学问题

一旦有了能够像人一样思考和行动的大语言模型，我们就把它称为智能体。它可以调用工具，自主解决问题。

一个例子，是我们用Hy4做逆向蛋白质折叠。

蛋白质折叠是输入一串氨基酸序列，输出对应的三维空间结构；逆向折叠则把问题反过来：给出目标骨架的几何结构，设计出尽可能匹配的氨基酸序列。

语言模型的做法和人的思路很相似。

它先利用已有的生物学知识和先验，提出候选序列；再调用结构预测等工具，检查结构与目标的匹配程度；最后根据结果不断优化方案。

一开始，模型的表现并不好，但经过多轮迭代，到第17次提交时，结果已经有了明显提升。这里重要的不是一次生成了什么，而是它能不断提出方案、调用工具、读取反馈，再继续修正。

另一个例子，是我们用模型分析约700万个细胞，重建小鼠胚胎的三维结构。

简单说，输入是84张无序的二维切片，目标是重建出对应的三维胚胎。

难点不只是数据量大，其中一些数据还可能存在错误或损坏。模型需要使用编程和终端等工具，也要发现哪里出了错，再动手修复。

最后，它用一台机器，大约90分钟完成了整个重建流程。对生物学家来说，这能节省大量时间。

数学领域也出现了类似进展。

智能体开始处理几何、群论、理论计算机科学和加法组合中的开放问题。我们自己的一个例子，是和集与差集问题：智能体反复提出、检查和修正想法，最终得到最优指数，并参与整理论文。

这些成果的水准和重要性可能有高有低，但工作形式是相似的：通用智能体不再只回答一个局部问题，而是在工具帮助下，把研究流程向前推进。

事实上，它现在已经能在科学研究的许多环节提供帮助。它可以探索问题、设计研究方案、写代码、做实验、分析结果，也可以复核结果、迭代优化、撰写论文和协助投稿。

为了更全面地了解语言模型智能体在科学问题上的表现，我们设计了一个名为TenureTrail的基准，覆盖7个研究领域、123项可执行研究任务，涉及问题探索、研究设计、实验与数据分析、复核和迭代等环节。前面提到的逆向蛋白质折叠，就是其中一项任务。

从评测结果看，Hy4是其中表现最好的开源模型，但开源模型与最前面的闭源模型之间仍然存在差距。

科研能力像水位上涨，真正的变化是完整工作流被解锁

我认为，这是一种有些反直觉的进步方式。

过去做一个垂直领域，很像盖房子。你必须聚焦在这个问题上，从地基开始，一层一层往上建。

通用智能体带来的变化，更像海水上涨。水位一直在平稳上升，但直到它漫过你的鼻子，你才会真正感到变化发生了。

编程就是一个例子。

过去五到十年，模型能力其实一直在平稳提升。直到它接近人类工程师的水平，人们才突然觉得，剧变发生了。但底层能力并不是那一天才开始提升的，而是一直在提升。

另一个特点是，不同领域的能力可以叠加。

也许今天它解锁了数据分析，另一天又解锁了编码。随着文献检索、写作、数据分析、编程等能力逐一解锁，智能体就能把这些部分连接起来，形成更大的任务范围和更自主的工作流。

很多能力上的渐进提升，最终解锁的不是一个孤立功能，而是一整套完整工作流程。

下一步不是只交答案，而是留下可复用工具

第三种范式，可以看作第二种范式的延续。

我们已经看到，通用智能体可以像人类一样解决问题。再往前一步，就是让它构建软件、工具和模型，为以后解决更多问题做准备。

这里有几个关键变化。

以前我们面对的是特定问题，比如某一种蛋白质的结构。现在，有了通用智能体和专门的任务框架，问题可以更加开放，方法也能适配不同领域。

尤其是与计算机相关的任务，模型往往比较容易做好，因为结果更容易验证，也更客观。你写出的代码能不能运行，模型能不能达到指标，都可以检查。

这套框架叫Hyra 2.0。它是一套支持持续数天到数周研究任务的Harness，也就是智能体运行框架。

你可以把它想象成一个科学实验室。

Overall层负责统筹，Mission层拆解和推进任务，Worker层执行具体研究。多个智能体彼此协作、共享工作进展、讨论进展，开发工具、整理原始证据，甚至互相评审结果。

研究者不只拿到一个最终答案，还可以看到任务过程、证据和产出。

这样，它才越来越像一个能够持续工作的自主研究系统。

下一步不是只交答案，而是留下可复用工具

一个很有意思的结果是，Hyra 2.0可以自己构建模型。

它从零训练出了一个叫HyInv的新模型。这是一个拥有196万参数的图神经网络，用于逆向蛋白质折叠。

这个例子和前面用Hy4解决一次逆向折叠问题不一样。前面更像智能体调用工具，解决一个具体任务；这里则更像AlphaFold的创造过程，只是不再完全由人类来构建模型，而是让模型参与构建模型。

HyInv在质量指标上达到了有竞争力的水平，推理速度也更快。

现场展示的测试条件下，它生成128条序列用时约50.6毫秒，约为公开ProteinMPNN实现速度的57倍。（背景补充：这一数字比较的是特定推理实现和测试条件，不代表整个蛋白质设计流程都快了57倍。）

模型也很擅长做加速，因为速度快慢很容易验证。

进展不只发生在蛋白质设计上。我们还用Hyra和Hy4构建了蛋白质语言模型HyPLM-Flash，在分子模拟等方向也有相关模型。

它甚至延伸到了数学领域。

在HyProver的帮助下，并与北京大学的合作者共同推进，我们最近在两项数学问题上取得了结果：一项是Petty等距点猜想的五维情形，证明每个五维实赋范空间都包含六个两两等距的点；另一项是Yau圆作用猜想的一个七维反例。

这里要把边界说清楚。

Petty猜想被推进的是五维情形；Yau圆作用猜想得到的是特定反例，单连通版本仍然开放。

超越生物、化学和数学，我们也用Hyra和Hy4处理电路设计、量子纠错和工程问题。这套方法非常通用，可以用于许多不同的科学与工程领域。

为了评估大模型到底有多擅长构建基础模型，我们还推出了FMBench，从训练数据、模型架构和训练策略等方面，考察模型设计基础模型的能力，任务覆盖机器学习和生命科学。

这里有三点观察。

第一，搭建模型是AI相比人类具有比较优势的领域，因为它包含大量繁琐的工程工作。你需要写代码、运行实验、比较结果，这些都很适合AI来做。

第二，开源模型和闭源模型之间仍然存在较大差距。

第三，这个方向的改进速度非常快。两个月前发布的Hy4 Preview还在榜单底部，而我们的新模型在同样评测中的得分已经大约翻倍。

这也和RSI，也就是递归自我改进的概念密切相关。如果一个模型能够参与构建和改进模型，就可能形成更快的循环。

技术问题多是时间问题，更难的是科学组织方式

刚才我列举了不少有意思的AI for Science成果，但显然，AI for Science才刚刚开始。

越往后发展，我们越会发现，这里既有科学问题，也有组织问题。

你刚才看到的大部分成果都出现在数字领域，因为数字领域的结果更容易验证。但在很多领域，数据和验证仍然不够。比如一款新药要走完临床试验，可能就需要好几年。

我认为，这类技术挑战更多是时间问题。我们进步很快，大家也在持续收集数据、搭建实验室，自动化实验室和机器人方向都有很多进展。

第二个挑战是科学品位。

上面提到的成果，背后都有人类在定义问题、判断方向。

现在有一种争论：模型能不能具备品位，能不能提出正确的问题？

从长期看，我认为这是可能的，也是可以学习的。我们所谓的品位，某种程度上也是一种计算启发法。但就现在而言，这些研究仍然需要大量密集的人类判断，来确立品位、找到值得追寻的问题。

第三个挑战，是人类可理解的知识如何继续积累。

一些AI成果产出了上百页论文，但人很难理解和阅读，也不容易判断它和这个领域的其他部分有什么联系。我们仍然需要人类数学家解读结果，把它们整理成人类可以理解、可以接续使用的知识形式。

我认为，这些技术问题最终都能逐步解决，更大的挑战可能来自社会和组织层面。

模型能力每天都在增强，那么谁应该拥有、访问并从科学数据和这些能力中受益？科学实验室应该变成什么样？如果AI帮你取得了一项成果，科研信用和署名该怎么界定？经费和科研机构又该怎么调整？

而我觉得最大的挑战之一，是我们怎么教育和评估学生，怎么培养下一代科学家。

过去，年轻研究者通过一份份基础工作接受训练，但很多入门级任务正在发生变化。面对这么快的进步，我们有很多事情需要重新思考。

科学不属于任何一家模型公司

在腾讯，我想我们也没法给出所有答案，但有一些价值观，是我们希望坚持的。

最根本的一点，是科学属于科学界，也属于整个人类。它不属于任何特定公司或模型提供商。

所以，我们希望尽可能让模型、工具和软件保持开放，并且价格可负担。这是让模型和AGI的益处尽可能广泛传播的一种方式。

我们开放了模型和深度研究工具框架，也有智能体产品。最近，我们还为学生提供免费额度，让他们可以使用更多智能体能力，接触顶尖开源模型。

腾讯内部也有不同部门一起支持科研人员，提供产品、算力或额度等资源。我们希望通过这些协作，让科学家真正获得帮助。

最后总结一下。

很多学科在某种程度上都是垂直发展的，但大语言模型提供了一条新的、与学科纵深相互正交的进步轴线。它们能够在广泛的垂直领域中取得进展，连接不同领域的想法和知识，也能帮助构建可复用的科学工具。

科学的纵深与通用智能，应该交织在一起，共同推进科学的下一个前沿。