L0
信息提供与建议
Chat 级别 · 知识检索与综合
≈ 自动驾驶 L0 无自动化
核心能力
- 自然语言对话交互
- 文献检索与知识提取
- 跨领域信息整合
- 结构化综述撰写
- 实验方案建议（基于文献先验）
- 数据可视化辅助
标志性事件
🚩 里程碑
撰写高质量综述论文 · 替代科学家完成文献阅读与知识汇总
代表系统
ChatGPT, Claude, DeepSeek, Gemini · 通用大语言模型在科学对话中的应用
人类主导执行 →
↓
L1
辅助科研发现
Skill 级别 · 科学家身边的AI助手
≈ 自动驾驶 L1 辅助驾驶
核心能力
- 生物信息学自动化分析（序列比对、结构预测、组学数据处理）
- 实验条件探索与参数优化建议
- 研究结论的统计分析与交叉验证
- 多模态数据初步解读（影像、组学、结构）
- 文献假设生成与实验设计辅助
标志性事件
🚩 里程碑
科研 Agent 系统（如生物信息 Skill）投入日常使用 · AI成为科学家不可或缺的"第二大脑"
代表系统
AlphaFold 辅助结构预测 · AlphaGenome 变异效应预测 · Genos 碱基推理 · EVO2 序列生成设计 · Rosetta 蛋白设计
人类与AI协同执行 →
↓
L2
自动科研发现工作流
Workflow 级别 · 独立完成科学发现闭环
≈ 自动驾驶 L2-L3 部分自动驾驶
核心能力
- 端到端数据分析流水线（从原始数据到可发表结论）
- 实验室固定任务的自动化执行
- 多步骤科学推理与假设-验证循环
- 自主设计并执行计算机模拟实验
- 跨数据库知识图谱驱动的发现
标志性事件
🚩 里程碑
独立完成科学发现 — AI自主提出假设、设计验证、分析数据、得出结论
代表系统
Google AI Co-Scientist · Stanford Biomni · 基于 ReAct 的递归科研推理系统
AI执行 人类监督 →
↓
L3
人机协同科学发现
Lab 级别 · 人类监督与质控下的全流程自动化
≈ 自动驾驶 L4 高度自动驾驶
核心能力
- AI驱动的自动化湿实验（液体处理、细胞培养、测序文库制备）
- 实时实验数据采集与AI即时分析反馈
- 实验失败自动诊断与方案动态调整
- 从实验设计到数据产出到论文初稿的全流程覆盖
- 人类科学家仅负责方向启发与最终质控
标志性事件
🚩 里程碑
实现日常运行的 AI 自动化实验室 · 科学发现的"黑灯实验室"（Lights-out Lab）
关键要素
自动化液体工作站 + 高通量测序平台 + AI实时决策引擎 + 实验室信息管理系统(LIMS)深度集成
代表系统
涌生智能（AI for Bio 自进化实验室 · AI Agent 与实验室软硬件深度融合）
AI执行 人类质控 →
↓
L4
AI驱动的科学领域演进
Domain 级别 · 人类成为被调用的元素
≈ 自动驾驶 L5 完全自动驾驶
核心特征
- AI主导特定科学领域的研究方向与范式
- 自主生成并验证新的科学理论框架
- 人类科学家角色转变：从"研究者"到"启发者"与"验证者"
- 跨学科理论融合与创新概念涌现
- 科学知识生产的指数级加速
标志性事件
🚩 里程碑
新的科学理论框架完全由 AI 主导提出、验证并完善 · 人类仅在关键节点被"调用"
可能的形态
AI自主提出并验证新的生物学定律 · 从第一性原理重新推导进化论或中心法则的扩展 · 科学范式的机器生成
五级总览
| 级别 | 名称 | 人类角色 | AI角色 | 类比（自动驾驶） | 标志性事件 |
|---|---|---|---|---|---|
| L0 | 信息提供与建议 | 完全执行者 | 知识库 | L0 无自动化 | 撰写综述 · 替代文献阅读 |
| L1 | 辅助科研发现 | 主导者 | 数据分析助手 | L1 辅助驾驶 | 科研Agent投入日常使用 |
| L2 | 自动科研发现工作流 | 监督者 | 独立推理引擎 | L2-L3 部分自动驾驶 | 独立完成科学发现闭环 |
| L3 | 人机协同科学发现 | 质控者 | 全流程执行体 | L4 高度自动驾驶 | 日常运行的AI自动化实验室 |
| L4 | AI驱动的科学领域演进 | 被调用元素 | 领域主导者 | L5 完全自动驾驶 | AI主导新科学理论框架 |
📍 当前所处阶段
2026年 · 生命科学领域 AI 智能体能力定位
L0
L1
L2
L3
L4
▲ 已进入 L2 早期（AI Co-Scientist、Biomni 等系统实现独立科学推理） | L3 需自动化实验室集成（涌生智能等黑灯实验室探索中） | L4 尚未到来
框架意义
分级体系不仅是描述性的，更应指导研究资源的配置与评估标准的建立
🎯 能力评估基准
为AI科研工具提供统一的评估维度。当前大多数工具处于 L0-L1 之间；L2 是下一阶段的核心竞争焦点。
⚖️ 责任归属框架
随层级升高，科学发现的责任从人类向AI转移。L3-L4 需要新的科研伦理与知识产权框架。
🔬 实验平台需求
L3 需要高度自动化的湿实验平台（液体处理、自动化培养、在线测序），是"黑灯实验室"的硬件前提。
📐 科学范式演进
L4 触及科学哲学的核心问题：科学理论的发现是否可以被算法化？人类在科学知识生产中的不可替代性边界在哪？
🏗️ 基础设施投资
分级帮助企业/研究机构判断投资重点：L0-L1是纯软件层，L2需要知识图谱+推理引擎，L3需要自动化硬件。
1 / 1