大模型不会搞科研？哈佛 MIT 搞出了 “万能钥匙”，还能自动造工具
前言大模型吹了半天 “AI 科学家”，结果连科研的门都摸不到？Gemini、Claude 写得了诗拟得了邮件，可让它们设计新药、模拟黑洞，只会甩一句 “我只是语言模型”！
就在这 “能说不能做” 的僵局里，哈佛 MIT 突然扔出 “王炸”。
ToolUniverse 刚亮相就登上《Nature》，不仅能让 AI 玩转 600 多种专业工具，还能自动造新工具。
这哪是普通技术？简直是给 AI 科研开了 “万能钥匙”，要彻底改写玩法了！
大模型科研困境破局最近科技圈被一则消息刷屏：哈佛和 MIT 联手推出的 ToolUniverse，刚亮相就登上了《Nature》，不少人说这可能要改变 AI 搞科研的方式。
为啥大家这么激动？先说说用大模型的真实困境，现在 Gemini、Claude 这些模型，写首诗、拟个邮件都很溜，但你要是让它 “设计个新药”“模拟黑洞”，它只会回一句 “对不起，我只是语言模型”。
吹了半天 “AI 科学家”，结果这 “科学家” 连实验室的专业工具都不会用，比如生物研究的 ChEMBL 数据库、物理的模拟器，这些工具各有各的 “脾气”，接口、格式全不一样，AI 碰了就懵。
直到 ToolUniverse 出现，这个 “能说不能做” 的僵局才被打破。先看个真刀真枪的测试：研究团队让 AI（基于 Gemini-CLI）找一款更安全的降胆固醇药，结果超出预期。
AI 第一步先 “搞懂问题”：调用文献挖掘工具，发现洛伐他汀这类老药会有肌肉疼的副作用，根源是 “肝外渗透”；然后定目标：新药得药效更强，还得只在肝脏起效；
接着“组队干活”：自动调用三个工具 ——ChEMBL 数据库找 100 多种类似化合物，Boltz-2 算结合力（看药效），ADMET-AI 测渗透率（看安全性）；
最后交出结果：不仅复现了已上市的 “普伐他汀”（副作用小的那款），还找到个新化合物，结合力比老药高 30%，脑渗透率（副作用源头）降了 50%。
这不是简单的 “用工具”，而是 AI 真的在 “理解科研逻辑”，这背后全靠 ToolUniverse 的硬实力。它不是新模型，而是给 AI 搭了个 “科研基建”，核心就四件事：
第一是当 “工具商店”，把 600 多种生物、化学、物理的专业工具全收进来，贴好统一标签。AI 想找工具，就像我们在应用商店搜 APP 一样方便，不用再对着零散的工具 “大海捞针”。
还可以当 “万能翻译官”，AI 说的 “人话”（自然语言），它能转成工具懂的 “机器指令”；
工具输出的 “天书数据”（比如一堆代码），它又能译成 AI 能理解的 “结论”，比如 “结合能 - 8.2 kcal/mol”，彻底解决 “鸡同鸭讲” 的问题。
做“DIY 工厂”也不在话下，要是商店里没有需要的工具，你用 “人话” 描述需求（比如 “我要个画火山图的工具”），AI 就能自动生成新工具的代码框架，不用再等程序员开发。
不过科研不是用单个工具就行，得走流程，比如搞药要先查靶点、再筛化合物、最后测毒性，一步错步步错。ToolUniverse 能让 AI “排兵布阵”：
定好 “A 工具的输出给 B 用”，设好 “毒性超标就回头重筛”，甚至能自己优化流程，比如觉得某工具太慢就换一个，从 “用工具” 升级成 “懂科研”。
ToolUniverse 的深层价值ToolUniverse 最厉害的不是这些功能本身，而是它补了 AI 科研的 “基建短板”。现在行业里都在卷 “模型参数”，比谁的模型更 “聪明”，但这就像搞 “军备竞赛”—— 没有路，再强的 “战车” 也跑不起来。
ToolUniverse 做的就是 “修路”：它把分散在各个实验室的工具统一标准，让 AI 能真正落地到科研场景，这比单纯堆参数有用得多。
更关键的是它的 “开放生态”，科研工具本来就散在全球的小实验室里，有的是教授自己写的小脚本，有的是团队攒的分析软件，以前没法整合。
ToolUniverse 鼓励大家把这些 “独门绝技” 贡献出来，通过它实现标准化 —— 这比大厂闭门造车搞 “万能 AI” 靠谱多了，因为科研的核心是协作，不是垄断。
现在再看 ToolUniverse 登上《Nature》，就懂为什么它能刷屏了：它不是给 AI 加了个 “新技能”，而是给 AI 科研开了个 “新范式”。
以后 AI 可能真的能走进实验室，帮着找新药、算物理公式，而不是只在屏幕上 “纸上谈兵”。这场改变，才刚开头。
页:
[1]