半天干完6個月的活兒，AI科學家才是真卷王。

Kosmos，一款全程不用人類插手，自己查文獻、寫代碼、出報告、寫論文的AI科學家。

雖然卷，但不是無效內卷，最長能連續工作12小時，平均一次研究能讀完1500篇論文，寫出4.2萬行分析代碼，而且全程可追溯，這下告別瞎編數據了。沒準兒真能投頂會了

并且，79%的研究結果都能被人類科學家復現。

不僅科研質量高吧，它還不偏科，已經在代謝組學、神經科學、材料科學等領域搞出7個真發現了，其中還包含了人類未發表的成果，結論數據還都匹配上了。

博士們，你們顫抖了嗎？（doge）

先來看看Kosmos的科研能力到底如何。

12小時查1500篇文獻+寫4.2萬行代碼

在神經保護代謝組學領域，Kosmos成功復現了一項還未公開的發現。

它基于小鼠大腦代謝組學數據集，圍繞“低溫保護大腦的代謝機制”這一研究目標展開分析。

先用通路富集分析（下圖c）發現，低溫組和常溫組比，差異最明顯的代謝通路是核苷酸代謝；再用熱圖（下圖d）分析核苷酸的前體物質和產物變化，發現低溫下前體物質減少、產物增加，這符合核苷酸補救途徑（一種節省能量的代謝方式）激活的特征；

為了確認不是其他途徑，它又分析了從頭合成途徑的物質關聯（下圖e），發現前體和產物沒明顯關聯，排除了這種可能；最后用柱狀圖（下圖b）直觀展示了低溫組里嘌呤、嘧啶類補救產物的含量確實升高了。

最關鍵的是結果驗證，下圖g把Kosmos分析的前15種關鍵代謝物變化和人類原本沒發表的分析結果做了對比，兩者的log10倍變化值幾乎完全重合（R2=0.998）。

這相當于是Kosmos不僅自己找到了“低溫通過激活核苷酸補救途徑保護大腦”的結論，連具體代謝物的變化趨勢都和人類研究一模一樣，完美復現了這項未公開的發現。

之前確實也有AI科學家，像Transformer作者之一Llion Jones的創業公司Sakana AI，發布他們的The AI Scientist時，出場自帶了自己的10篇學術論文，引起不小討論。

但它的十篇研究都聚焦于AI模型領域，不得不說有點偏科了。

還有之前的Robin系統，只專注于藥物研發，無法跨學科開展研究，而且它單次研究僅能生成約4000行代碼，還在上下文銜接方面頻繁出現問題。

現在，Kosmos突破了這些限制，把跨學科和續航拉到了新高度。

而秘訣呢，就是它的結構化世界模型，就相當于給負責數據分析和查文獻的AI工具配了一個共享的大腦，這樣，兩個模塊就能實時同步信息。

Kosmos的工作原理也并不復雜，本質上就是一套「循環迭代+信息共享」的全自動流程，科學家只需要給它兩個核心指令：

• 一個開放的研究目標
• 對應的數據集

它就會立刻開啟數據分析和文獻搜索的雙軌模式。直到寫完論文整個過程，都完全不需要人類插手。

每一輪，數據分析AI會自動寫代碼處理數據、挖掘變量關系，文獻搜索AI則根據分析結果精準查找相關論文驗證思路，然后通過共享大腦整合信息，確定下一步方向。

這套循環最多能跑200多輪，直到Kosmos覺得研究目標完成了，就會自動把所有的發現整理成科研報告，并且每句話都標上對應的代碼或文獻來源，對瞎編數據say bye bye～

這套流程下來，Kosmos最長能連續工作12小時，平均一次研究能讀完1500篇論文，寫出4.2萬行分析代碼（是Robin的9.8倍）。

有人類科學家評估后發現，它20輪的研究成果就相當于人類團隊6個月的工作量，而且研究輪次越多，有價值的發現也越多，真不搞無效內卷。

除了復現人類沒公開的研究，還發現了新規律，比如鈣鈦礦太陽能電池的死亡開關（高溫、濕度等環境因素導致的效率快速衰減）是退火時的濕度；心肌纖維化的保護蛋白是SOD2；甚至發明了新的科研分析方法——用分段回歸找阿爾茨海默病的蛋白變化臨界點。

不過，Kosmos也有不足之處。一個是可能把統計顯著但科學意義不大的結果作為研究重點，并且在解讀數據時經常使用絕對化表述；還有就是處理超過5GB的數據集時效率下降等。

團隊介紹

來自Edison Scientific的技術人員Ludovico Mitchener和Michaela Hinks主導了Kosmos項目。

Mitchener擁有帝國理工學院計算（人工智能與機器學習）碩士學位，在倫敦大學學院獲得自然科學碩士學位，還曾在帝國理工學院參與犯罪心理學AI項目。

作為一名偶爾參與投資的天使投資人，Mitchener還入選過福布斯科學領域30歲以下精英榜單。

Michaela Hinks獲得了斯坦福大學生物工程系的博士學位，曾在X實習。

她在讀博期間，研究出了一種能快速、批量檢測的技術。用這種技術，能在細胞里直接觀察到多個蛋白質是不是同時附著在同一段DNA上，以及它們具體附著的情況。之后，她還把這項技術用在了人工合成的基因上，驗證人類細胞里基因轉錄過程背后的基本規律和原理。

Edison Scientific是由FutureHouse拆分出來的一個全新的子公司，FutureHouse致力于開發AI Agent以實現生物學及其它復雜科學領域的研究自動化，是一個非盈利性組織。

之前，FutureHouse發布了Kosmos的前身Robin，今年5月份，Robin發現用于臨床治療青光眼的ROCK抑制劑Ripasudil，對于可以致盲的眼部疾病干性年齡相關性黃斑變性（dAMD）具有潛在治療效果，獲得了不少醫學專家的認可。

Edison Scientific由Sam Rodriques擔任CEO，他是一名物理學家和生物工程師，曾發明了用于空間和時間轉錄組學、腦圖譜繪制、基因治療和納米制造的技術。

在創立FutureHous之前，他曾在弗朗西斯·克里克研究所短暫運營過一個學術實驗室。

Andrew White是Edison Scientific的技術負責人，他是一位在LLMs、化學、可解釋AI、統計力學和化學工程領域擁有超50篇同行評審出版物、書籍的研究員，并曾獲得包括美國國家科學基金會（NSF）和美國國立衛生研究院（NIH）頒發的青年研究員獎在內的多項獎項。

Andrew White還擔任超過30份期刊的同行評審以及多個國家級和私人資助機構的評審，并擔任美國國家科學院化學科學圓桌會議成員。

論文地址：https://arxiv.org/abs/2511.02824