当OpenClaw不仅能帮你订机票、写邮件，还开始参与科研实验时，这意味着什么？
3月4日，在香港科技大学上海中心举办的“AI for Discovery：从范式革命到产业重构”学术峰会上，复旦大学浩清特聘教授、上海科学智能研究院院长漆远在演讲中表示，随着OpenClaw智能体的出现，具备高能动性和自主学习能力的AI Agent（智能体）正推动科研进入一个新的临界点。
在此次学会峰会上，与会人士普遍认为，人工智能正从科研流程中的辅助工具，逐渐演变为能够参与推理决策与实验闭环的“科研合伙人”，Agent引发了一场AI从过去被动记录到主动推理的科研范式革命。
在漆远看来，OpenClaw的爆火首先标志着基础模型能力的跃升，“没有大模型底层能力的持续突破，OpenClaw类智能体不可能实现当前效果”，其次OpenClaw代表了智能体架构的高能动性与强执行力，“智能体架构本身并不复杂，却能够产生非常显著的能力提升，逐渐成为类似‘外脑’的个人助手”；此外，OpenClaw也显示了智能体具备长期记忆与持续学习能力，可以在不断自我迭代中演进。
漆远认为，当AI Agent不仅能处理日常事务，还开始参与实验设计与科研流程时，科研体系可能会发生深层变化，“科学探索需要拥有高能动性的智能体，科学数据、专业知识日益庞杂，科学家需要最强外脑，辅助其创造、完成规划与执行。”
据漆远介绍，由上海科学智能研究院（以下简称“上智院”）联合复旦大学发布的“超级科研合伙人”大圣智能体凭借96%的RNA分类与设计准确率，在siRNA设计中将实验成功率提升超50%，还支撑了转化价值2000万元的新型补锂剂研发与潜在价值5亿美元的FIC类药物发现，实现科研成果的高效产业化。
事实上，一批面向科学研究的智能体正在快速推出。
此次峰会上，中国工程院外籍院士、香港科技大学首席副校长郭毅可透露，香港科大正推进“AI for Lab”计划，开发实验室智能体AINA（AI Native Arena），核心功能是能实现自主优化、主动探索、智能协作和知识进化。在这套工作流程下，人主要负责授权和决策，智能体则实现7×24小时自主运行进行实验。
郭毅可提出一个分阶段的科研生态愿景：第一阶段实现个体实验室Agent化，第二阶段形成跨团队Agent协作网络，第三阶段走向全球科研主动推理生态，使知识持续进化、认知价值最大化。
伦敦大学学院计算机科学系教授汪军介绍，他们针对科研需求上线了可以在线持续学习的智能体，该智能体可以根据科研人员的问题自主在网上寻找资料，并能够自行泛化持续进化。
在汪军看来，AI与Science的重要结合点在于：许多科学问题本质上是优化与决策问题，AI的优势在于更大的搜索空间、更快的结果反馈、可并行推理、可自动调用强化学习策略，且能在长时间运行中保持稳定输出。例如他所在的团队在与合肥中科大合作的“AI化学家”项目中，已经构建了一套多智能体协作系统，将贝叶斯优化、强化学习等方法嵌入硬件实验设备，当前第一阶段已走通；系统能够在高维参数空间中自主搜索最优解，实现从实验设计、执行、分析到优化的闭环流程，且全程无人工干预。
不过，与会专家也直言，当前AI for Science的发展仍处于起步阶段，诸多瓶颈亟待突破，成为制约其规模化落地的关键因素。漆远认为，科研智能体还需要解决一系列特殊问题，例如科学数据的高保真输入与输出、多模态科学数据对齐以及科学词元（Token）生成等，以减少信息损失并降低模型幻觉。汪军则表示，与大模型能快速反馈不同，化学实验等科研场景里Agent反馈往往更慢、成本更高。在这一条件下，如何实现有效优化与闭环，是必须跨越的门槛。