五天五夜百题马拉松加量完成直播为何受关注

在长达五天五夜的连续直播中，屏幕上代码不断滚动生成新指令，而另一侧的机械臂则昼夜不停地执行取样、反应、提纯、测试等操作，全程没有一位科研人员进入实验间。

直播间观看人数持续攀升。

乍一看，这似乎只是又一场机器人表演——机器狗巡逻、机械臂组装早已屡见不鲜。但这场直播究竟有何独特之处，值得众人关注？

干湿闭环科研直播截图

实际上，这并非简单的自动化演示，而是一次从实验设计到执行、全程无需人工干预的完整科研闭环实时验证。由上海科学智能研究院牵头、上海格物智研科技有限公司打造运营的“Golab物质科学智能研发工厂”，已成功实现国内领先的“AI计算—自动实验—数据回流—模型自进化”干湿闭环全流程，并在生物医药、能源材料、日用化工等多个领域开展了验证性应用。

据新民晚报记者了解，“计算—执行—反馈—迭代”的技术闭环，正逐渐成为全球科技企业从技术验证迈向商业落地的共同路径。无论是自动驾驶、具身智能还是科学智能领域，头部机构几乎都采用同一方法论：让AI在真实物理世界中执行任务、采集数据、反哺模型，实现持续进化。

以特斯拉为例，其依托全球数百万辆存量车构建真实路况数据闭环，今年2月上海临港AI训练中心正式投用，实现了全链路本土化闭环。全球车队每天产生约16亿帧图像数据，FSD累计行驶里程已超过100亿英里。同样，宇树科技打通了“真机采集—模型训练—真实部署”的完整闭环，今年3月开源的人形机器人真机数据集包含189万条真实场景动作轨迹数据，推动模型持续迭代。

不难理解，这套体系直击物质科学研发长期存在的核心痛点：研发周期长、试错成本高。AI虽然能预测却无法验证，能设计却无法合成，能实现单点自动化却无法串联全流程。大量科学假设因此停留在计算模拟阶段，无法进入物理世界接受检验。“Golab工厂”的突破在于，以通用的跨领域基础模型作为“大脑”，自驱动实验室作为伸向物理世界的“双手”，并构建了让二者持续相互校正、越用越强的自进化系统。

“数据回流是系统实现自进化的关键。”上智院主任研究员、格物智研算法高级专家徐丽成表示，“实验结果，包括传统研发中大量被丢弃的失败案例和负向数据，会被结构化地回流至模型端，用于验证预测的正确性，模型据此进行自我修正。”

团队带头人、上智院AI科学家、格物智研创始人曹风雷指出，该平台的目标并非取代科研人员，而是帮助他们更专注于科研本身。以往，科研人员需要耗费大量精力处理与科研不直接相关的事务，如从零搭建实验室或配置设备，成本高昂且耗时。使用这一平台后，这些环节得以大幅精简。科研人员只需集中思考“该做什么”以及“如何解决问题”，具体的执行层面则交由平台完成。

此次直播的意义在于，将整个研发链路毫无保留地置于公众视野，让技术接受真实场景的检验，也让所有人见证科研从“人力驱动”加速向“智能驱动”转型。截至7月11日21时，直播共运行135题，原规划为102题。由于在分子生成、AI训练与推理、虚拟筛选等环节均进行了不同程度的时间优化，整体进度提前完成，同时在药物设计方向增加了同类型但不同目标的题目。总体完成率达到99%，工具调用准确率为100%，工具完成度高于95%。

“整个平台在超长时间任务串行中表现出极高的稳定性。”曹风雷自豪地透露。

【延伸阅读】无需人工介入，AI自主完成实验！物质科学智能研发工厂正式落地上海

原标题：《五天五夜“百题马拉松”加量完成：这场直播为何备受关注？》