评审、假说与实验设计、实验实施到论文生成的全流程科研闭环。其兴起建立在近年大模型能力 博士级知识问答能力）。 当前研究以面向特定科研环节的部分式AIRA为主，如文献调研与评审环节已有 AutoSurvey与DeepReview等系统；也出现了面向计算机领域的完全式AIRA探索，如 Sakana AI在 2025年发布的“AIScientist-v2”可自动完成从提出研究思路、设计实验，到编写代码、 进行实验乃至撰写论文的全过程，其自动生成的论文已被计算机顶级会议ICLR 2025接收。在 需要真实物理实验的学科，探索主要体现在三个方向：面向特定实验的自动化实验室（如加州 大学伯克利分校A-Lab 连续自主运行17天，发现41种新材料）、人形或类人机器人进行实验， 以及“AI主脑+人类代理”的人机协作范式（2023年，西湖大学进行了“AI主脑科学家”研 米抗体、人类完成合成与验证）。 AIRA的重要性在于AI能够进行大规模、不间断的研究，有望显著提升创新速度并带来成 据电子化方法与平台，制定统一数据标准与规范；②面向各科研环节开发对应的AIRA系统； ③推动分立的部分式系统协同整合与自动化流程编排，迈向覆盖科研闭环的完全式AIRA; ④突破以统计拟合为主的训练范式，引人因果推理与新型模型架构以增强创新能力；5在自然 科学等需真实实验的领域实现完全式AIRA。 度、美国等国家。其中，中国公开的核心专利占全球总公开量的约75%，展现了中国对这个领 但在平均被引数上，武汉大学、中国石油天然气股份有限公司位居前列，体现了其较高的专利