OpenScience 发布开源研究智能体，实验室自动化的钱还在往里涌

仓库把 OpenScience 称作“一个带着工作台的研究智能体”。按项目 README 的说法，你用日常语言给它一个目标，它就去规划、找证据、跑代码和实验，最后交回用户可以核查的结果。

它以桌面应用、浏览器工作区或终端命令的形式运行，跑在用户自己的机器上，读写用户自己的文件。项目页面对它不是什么写得很直白。README 写道：“它是为研究中那些实打实的活儿、但不属于点子的部分而建的：拉取和清洗数据、复现一个结论、扫描一个参数、起草方法部分、核对一条参考文献。”“点子和判断留给你。”这些设计看起来是在回应一个具体的担心：做科学的智能体很难被审计。

每一轮都会显示智能体想了什么、搜了什么、跑了什么、写了什么。

它提供 Shell、Python 和 R 内核，还有带明确读写授权的文件系统，以及供笔记本跑不动的任务使用的远程算力。内置技能覆盖生物、化学、物理、机器学习和数据工程，并接入了 ChEMBL、UniProt、PubMed 和 arXiv。用户自带 API 密钥、运行本地模型，或者付费使用名为 Ace 的托管方案。

融资名单越拉越长

OpenScience 不是一次孤立的发布。据 Business Wire 报道，10 月 29 日 Opentrons 宣布完成 4000万 美元 E 轮融资，由 Avego 领投，用于扩展 AI 驱动的实验室自动化。Genetic Engineering and Biotechnology News 在 10 月 30 日把同一轮融资报道为投向机器人、软件和数据基础设施的钱。Robotics & Automation News 在 10 月 30 日跟进，hi-Tech.ua 在 11 月 2 日报道说，这家公司希望为实验室机器人带来 GitHub 式的协作。

资金也在流向企业 IT 的安全与运维一侧。

Tech.eu 在 11 月 3 日报道，总部位于米兰的 CyberKord 完成 270万 欧元 pre-seed 融资，由 360 Capital 领投，Plus Partners、Addendum Capital 和 Vento 参投。这家公司由 Alessandro Maggio、Dragos Tanasa 和 Cosimo Michelagnoli 于 2026 年创立，用 AI 和客户基础设施的数字孪生来分析问题、模拟修复并加以实施。它不是实验室公司。但卖的是同一套说法：把手工活从流程里拿掉，让软件先跑一遍。

而本周最大的信号来自一家软件厂商：它一边裁员，一边把自动化列为原因。SUSE 首席执行官 Dirk-Peter van Leeuwen 在一封内部邮件中告诉员工，公司将裁掉全球 1900 名员工中的约 10%。The Register 在周一率先报道，heise online 在 11 月 2 日跟进。据 heise 引述，他写道：“自动化和 AI 正在从根本上改变软件公司的运作方式。”受影响员工原定在周三前得到通知，一对一面谈从下周初开始。

论文实际说明了什么

技术文献比融资标题谨慎得多。

10 月 30 日，Jae-Hyun Baek 带领的研究者在 arXiv 上发表论文，描述了一条由 LLM 引导的流水线，用来发现纠缠辅助量子纠错码族。这条流水线把程序演化与精确评估、Lean 中的形式化证明检查以及经过认证的不存在性检验结合起来。它填补了存档表格中的 54 个空缺，发布了 115 条经过验证的编码记录。作者还做了对照比较：经过验证集筛选的迭代程序，在未见过的码长上，于留出执行中分别有 46.1% 和 31.6% 成功，而独立生成的程序分别是 19.5% 和 3.1%。

同一天提交的第二篇 arXiv 论文由 Akshat Jani、Sakhinana Sagar Srinivas 和 Venkataramana Runkana 撰写，问的是智能体能否可靠地写工程仿真规格。在 120 条与模板相关的请求上，他们的完整工作流在首轮规格与决策结果上达到 98.3% 正确，而带 schema 辅助的单次尝试是 92.5%，纯模型方案是 82.5%。在 42 条需要澄清或拒绝的请求中，这套工作流没有做出任何错误的“就绪”判断。在 12 次从用户输入到结果的实测中，有 9 次同时完成了规格、执行、导出和数值参照，即 75%。

“我们的目标是考察在训练数据量被刻意限制时，不同的量子学习方法表现如何，”佛罗里达大西洋大学的 Arslan Munir 对 HPCwire 说。

HPCwire 在 11 月 2 日报道，Munir 的团队在数据有限的肺癌预测上测试了量子机器学习。D-Wave 的退火机用于量子支持向量机，在模拟中达到 94.31% 的准确率，在硬件上是 91.90%。数据集起初有 309 条记录，用合成样本扩充并平衡到 540 个样本。研究者称这些合成样本并不代表新招募的患者。

硬件也在同步推进。Semiengineering 在 11 月 2 日报道，IBM 的研究者在一篇 arXiv 论文中展示了两块 120 量子比特的 Nighthawk R1 超导处理器之间的四个长距离耦合器。IBM 自己关于 magic state cultivation 的 arXiv 工作指向同一个方向。

怀疑该放在哪里

最能说明演示与部署之间差距的，是 Claude 和那位禽流感研究者的事。

Science News 在 10 月 26 日报道，Anthropic 称一名研究者用 Claude 规划研究并分析涉及高致病性禽流感的数据，其中包括寻找可能帮助病毒适应哺乳动物的突变。Anthropic 在 2026 年 5 月以规避访问限制为由封禁了该账号。乔治梅森大学的 Gregory Koblentz 对 Science News 说，“没有证据表明这项研究与生物武器的研发有任何关联”，威斯康星大学麦迪逊分校的 Thomas Friedrich 则表示，公司的说法表明该模型“并未实质性地增加科学能力”。

这是这类工具现在都要面对的检验。自动化能压缩研究中枯燥的部分，而这个开源工作台让它的每一步都可被检查，这一点比大多数工具都强。但更快的循环不等于更好的问题。SUSE 的那封邮件是个提醒：为这些工具掏钱的那套理由，已经在让人丢掉工作。