Nature：首个全自动AI科学家——Robin！两小时内完成人类科学家数月工作量，发现致盲眼病新药
原标题：Nature：首个全自动AI科学家——Robin！两小时内完成人类科学家数月工作量，发现致盲眼病新药
撰文丨王聪
编辑丨王多鱼
排版丨水成文
科研牛马们，请放下手中的移液器，深呼吸。
因为你们接下来的工作，可能要被一个叫 Robin 的 AI 科学家抢走了——它只用 2 小时不到，就完成了人类科学家 4 个月的工作量。更恐怖的是，它的升级版——Kosmos，也已经发布...
2026 年 5 月 19 日，非营利研究机构 FutureHouse 在国际顶尖学术期刊 Nature 上发表了题为：A multi-agent system for automating scientific discovery 的研究论文。
该论文正式报道了全球首个能够实现全自动科学发现的多智能体 AI 系统——Robin（其于 2025 年 5 月在预印本平台发布），
该研究开发了一个多智能体系统——Robin，能够实现科学发现的“全闭环自动化”。它不仅拥有超强大脑，能在半小时内阅读并消化数百篇文献，还能自主设计实验、分析数据，甚至发现了治疗致盲眼病干性年龄相关黄斑变性（dAMD）的潜在新药并解析了作用机制。
该论文正文中的所有假设、实验方向、数据分析以及数据图表均由 Robin 完成，作为首个在迭代的“实验室-闭环”框架内自主发现并验证新型治疗候选药物的 AI 系统，Robin 为 AI 驱动的科学发现树立了新范式。
Robin：一个不知疲倦的“科研小组”
科学发现依赖于观察、假设生成、实验和数据分析的迭代过程。尽管近年来人工智能（AI）在生物学中的应用取得了进展，但目前还没有任何 AI 系统能够自动完成所有这些阶段。
以往的 AI 系统要么擅长看文献，要么擅长跑数据，很难把两者融会贯通。而 Robin 的厉害之处，在于它巧妙地将几个专精不同的 AI 智能体捏合在了一起，宛如一个分工明确的科研梦之队——
Crow（乌鸦）智能体，负责快速扫描海量文献，抓取关键信息，进行简明的文献综述，以确定实验策略和治疗候选方案；
Falcon（猎鹰）智能体，负责开展深入的文献综述，以生成全面的报告，评估每一项实验策略和治疗候选方案。
Finch（雀鸟）智能体，负责对实验数据进行自主分析，无论是复杂的流式细胞术数据，还是高通量 RNA 测序（RNA-seq）结果，它都能自主编写代码、分析数据、绘制图表，并给出严谨的统计学结论，进而获取用于假设生成的洞察。
有了这三位各司其职的智能体，Robin 真正打通了从“提出假设”到“验证假设”的任督二脉。
实战演练：挑战“视力杀手”
为了让 Robin 小试牛刀，研究团队给它下达了一个高难度指令：为干性年龄相关黄斑变性（dAMD）寻找新的治疗方案。
这是一种目前尚无有效治愈手段的致盲眼病。Robin 接手后，迅速展现了惊人的科研直觉——
第一步：锁定致病机制，通过消化数百篇眼科研究论文，Robin 敏锐地指出：dAMD 的核心问题之一，是眼底的视网膜色素上皮（RPE）细胞“罢工”了。具体来说，是它们的吞噬功能受损，导致代谢废物无法被及时清理，进而毒害了感光细胞。因此，增强 RPE 细胞的吞噬能力，就是破局关键。
第二步：大海捞针寻良药，确定了攻关方向，Robin 立刻在庞大的药物库中交叉比对，最终挑选出了一批最有希望激活 RPE 细胞吞噬能力的“老药”。
第三步：实验室见真章，人类科学家根据 Robin 提名的候选名单进行了体外细胞实验。结果令人振奋：Robin 筛选出的药物不仅命中率高，其中一款名为 Ripasudil（一种ROCK 抑制剂）的药物表现尤为惊艳。
Ripasudil 原本在临床上用于治疗青光眼，但 Robin 发现，它能强效促进 RPE 细胞的吞噬作用。此外，Robin 还发掘了一款叫做 KL001 的化合物（一种隐花色素蛋白稳定剂，可用于调节昼夜节律），这也是首次发现它能增强 RPE 细胞的吞噬功能。
顺藤摸瓜：AI 自主破解药理“黑盒”
找到好药只是第一步，搞清楚“为什么好”才是科研的终极目标。
在这方面，Robin 再次秀了一把操作。面对 Y-27632（另一种 ROCK 抑制剂）的实验数据，Robin 自主提议并设计了 RNA-seq 测序方案。在分析测序结果时，它不仅精准定位了差异表达的基因，还通过富集分析敏锐地察觉到：这类药物可能会通过重塑细胞骨架和调控细胞自噬，来加速废物的清理。
更让人惊讶的是，Robin 在数据分析中发现了一个被学界长期忽略的线索——ABCA1 基因的显著上调。ABCA1 是一种关键的脂质外排泵，与眼部健康息息相关。这一发现，为未来开发针对 dAMD 的全新靶向疗法开辟了意想不到的新方向。
科研大提速：从 900 小时压缩到 2 小时
根据论文中的估算，在该研究中，阅读并总结 800 多篇文献，并完成一套完整的“提出假设-设计实验-数据分析-机制探索-绘制图表”的科研闭环，人类专家平均需要耗费约 872-937 个小时（相当于连续工作近 4 个月）。而 Robin 完成同样工作量，仅花费不到 2 个小时。
这不仅仅是省时省力，更是科研范式的颠覆。过去，由于人类精力和脑容量的限制，许多像 Ripasudil 这样具有老药新用潜力的宝藏，往往要在文献堆里蒙尘十年之久才能被人发掘。而现在，AI 可以在不到两小时内跨越这些鸿沟。
论文链接：
https://www.nature.com/articles/s41586-026-10652-y
