科学论文不再只是“供人阅读的文本”

这几天，人工智能领域发生了不少重大事件：

9月28日，AMD宣布以约82亿美元全股票交易收购 World Labs。

World Labs由著名计算机视觉科学家、斯坦福教授 Fei-Fei Li（李飞飞）创办。交易预计在2026年底完成，并需要监管批准。

李飞飞将成为 AMD 执行副总裁兼首席科学家。

图片源自 https://img-s-msn-com.akamaized.net

9月29日，美国总统特朗普在白宫召集多位科技行业领袖，就人工智能（AI）发展、安全与监管问题展开讨论。

会后，特朗普宣布，与会科技企业签署了一份具有“道义约束力”的AI文件，核心强调行业自律，并透露政府正在考虑成立一个由10人组成的委员会监督AI行业。

美国总统特朗普签署行政命令，要求美国联邦政府在官方通信、网站、报告和政策文件等场景中，用： Super Intelligence（SI）取代： Artificial Intelligence（AI）。

白宫给出的理由是，今天的前沿系统已经超越过去“人工智能”这个名称所暗示的能力边界。

9月30日，Anthropic发布了一项关于机器人与工作的研究。

报告指出，目前，机器人已经能够完成约四分之三的物理工作任务，这些任务约占美国工作时间的34%；但关键限制仍然是成本和工作环境，机器人目前在经济上具有竞争力的任务比例非常低。

这意味着：技术可行性已经不是唯一瓶颈，经济可行性才刚刚成为核心问题。

同样是9月30日，9月30日出现了一项非常有意思的研究方向：

Scientific Papers Can Now Become AI Agents

其核心思想是：

科学论文不再只是“供人阅读的文本”，而可以逐渐转化成能够调用数据、方法、代码和实验流程的AI Agent。

这个变化对大学和科研的意义可能非常大。

今天，我们就重点聊聊这篇文章及其对未来的影响。

这篇论文的核心主张可以用一句话概括：

科研论文的价值不应止步于“被读懂”，而应升级为“被调用”。

作者指出，计算科学论文的传播长期存在一个结构性断层：论文正文、补充材料、代码仓库和数据集分散在各处，读者必须自己把它们重新拼接成一条可执行的链路——找代码、装依赖、配环境、跑示例、判断输出是否一致。

对多数研究者而言，这条链路恰恰是方法传播中最容易卡住的环节。

于是，论文即使公开发表，方法也未必能被真正复用。

Paper2Agent 的解法是：

用多智能体系统自动分析论文及其代码库，将核心方法封装为经过自动化测试的 MCP（Model Context Protocol）服务器，再将其接入 Claude Code 等对话式 AI，使论文变成一位“虚拟通讯作者”（virtual corresponding author）——它能解释方法、复现已发表的分析、将方法迁移到用户自己的新数据，甚至与来自其他论文的 Agent 协作生成新见解。