夜雨聆风一份基因编辑方案，摆在斯坦福一间实验室的操作台上。
靶点是人类B2M基因，工具是一段sgRNA，目的载体是lentiCRISPR v2 Blast。研究员照着方案完成酶切、连接、转化，挑出菌落，送去测序。
几天后，结果回来，插入序列和设计方案严丝合缝，完美匹配。
写这份方案的，没读过博士，也从没踏进过一次实验室。它是一段代码，一次自然语言提问，背后是一个叫Biomni的系统。
2026年7月9日，《Science》正式刊出了它的论文，题目是《Autonomous biomedical research with an artificial intelligence agent》，DOI号10.1126/science.adz4351。作者名单跨了斯坦福、Genentech、Arc Institute、华盛顿大学、UCSF、普林斯顿等一长串机构，一作是Kexin Huang，资深作者是Jure Leskovec。
官宣时刻：一张工具环状图里的野心
论文发表当天，《Science》官方账号发帖宣布：研究者开发出一套能自动化生物医学研究工作流的通用AI智能体。配图是几十个工具和数据库名字连成的环状图，AlphaFold DB、Scanpy、OpenTarget、gnomAD……中心留白，边缘排满已经装备好的工具，像是在暗示：任何一个科学问题，都能从这里长出对应的解法。
"The authors say their results point toward a future in which AI agents work alongside human researchers to accelerate biomedical discovery from basic research to translation."
「作者称，其结果指向一个AI智能体与人类研究者并肩工作、从基础研究到转化加速生物医学发现的未来。」
▲ @ScienceMagazine 官方账号宣布论文发表，配图为跨领域工具与数据库环状图，采集时约254赞、71转发、3.3万浏览。
这条推文下面，第一个转发的账号，正是论文的一作本人。
挡路的，从来是体力活
资深作者Jure Leskovec给出了一个判断，几乎能当整篇论文的题眼：
"The hurdle in biomedical science is not intelligence or ideas; it is mechanics. It's this laborious stuff that slows innovation. Biomni can do this work in minutes."
「生物医学科研的障碍，从来轮不到智力或想法背锅，真正拖慢创新脚步的，是这些机械劳动。Biomni可以把这类工作压缩到几分钟。」
设想一位青年PI的一天：早上是患者对同款靶向药响应迥异的测序数据；下午是敲除载体换不换骨架、引物谁设计；傍晚是一堆单细胞矩阵，问注释和差异表达怎么跑才不出错。
这些任务分属临床基因组学、分子克隆、单细胞生物学，却挤在同一张日历表上。每换一个任务，都要重开十几个网页标签，翻旧代码，担心版本对不上。知识越堆越多，真正推进发现的速度，反而被这堆机械劳动摁住了。
木匠与工具：它到底是什么
Leskovec打了一个比方，变成了这次报道里被引用最多的说法：
"If you think of an agent as a carpenter, a carpenter without tools is just a carpenter who can talk. With Biomni, we give the carpenter a set of tools so it can build."
「把智能体想象成一个木匠：没有工具的木匠，只会说话。给这个木匠一套工具，他才能真正动手盖房子。」
▲ Stanford Report 用「co-scientist（共同科学家）」定义Biomni，报道配发Kexin Huang与Jure Leskovec的人像。
厘清三个词，就能看懂这个比方。大语言模型很会说、会总结，却默认打不开ClinVar查变异，也跑不动scanpy做聚类；工具、软件、数据库才是生物学家真正干活的家伙，AlphaFold的结构库、DiffDock、PDB、各种组学矩阵；智能体要做的，是在目标驱动下把两者接起来：选工具、执行、看结果、再规划，一个闭环。
Biomni的做法，是先花力气建一套环境，再让智能体在里面工作。团队用一个专门的挖掘智能体，从约2500篇bioRxiv论文里提炼常用工具、数据库和实验方案，人工核验后装进系统，这就是Biomni-E1：约150个专用工具、105个生信软件包、59个数据库，覆盖bioRxiv划定的全部25个生物医学子领域。官网首页把这三个数字放到最大字号。
在这套环境上跑的，是Biomni-A1：用大模型做工具检索与选择，用可执行代码当成统一的动作接口，再根据执行结果不断修正计划。团队把这套过程称作映射生物医学的action space（行动空间）。
▲ 官网首页大字标出150 tools · 59 databases · 105 software，机构标识包括Stanford、Genentech、Arc Institute、UCSF、Princeton、UW。
没有模板，只有一场自己开的分析会
很多打着「AI工作流」旗号的产品，本质是把专家走过的路径钉成固定表单：点一下「罕见病诊断」，系统按部就班往下跑。这类模板在培训场景里有用，却接不住研究前线的问题，数据是脏的，目标是开放的，用户要的常常只是「找一个说得通的假设」。
论文强调的是dynamically composing workflows without predefined templates，动态组合工作流，不靠预定义模板。系统要自己理解问题的科学含义，检索相关工具与数据，生成可执行计划，用代码把异构步骤粘起来，再根据报错和中间结果调整方案。预印本记录的真实任务轨迹，平均落在6到24步之间。
用户扔进去一个问题，系统在后台开了一场小型分析会，还顺手把会议记录、代码和图表全部留了下来。
四十分钟，和六十小时
一位用户曾一次性上传超过450个文件，连续血糖监测、饮食记录、日常活动数据，来自30个人，格式各不相同。他只问了一句：分析这些数据，找一些说得通的有趣假设。
Biomni用大约40分钟清洗、统一格式、生成可视化，还指出了一个模式：进食之后体温会明显上升，平均升幅约2.19°C，个体差异很大；后续分析里，睡眠的规律性看起来比单纯的睡眠时长更值得关注。
Leskovec给这份工作估了个价：一个人手工做，至少要60个小时。
这不算论文里最惊人的数字，却是最容易让普通人瞬间理解的一幕，一件原本要占掉一整周工作日程的任务，被压进了一顿午饭的时间。
从萌芽项目，到万人协作
一作Kexin Huang在自己的账号上发了一条长帖，回顾这段路：
"It's surreal to look back. We started the Biomni project in early 2024, when agentic AI was still nascent. It is exciting to see tens of thousands of biologists collaborating with agents every day to accelerate science."
「回望起来有种不真实感。我们2024年初启动Biomni时，智能体AI还处于萌芽阶段。如今每天有数万生物学家在和智能体协作加速科学，这件事让人振奋。」
▲ 一作@KexinHuang5的宣布帖，互动数据反而高于期刊官方账号，采集时约607赞、132转发、6.4万浏览。
斯坦福官方公布的数字是：原型系统已经被超过1万个实验室使用，是目前用户规模最大的AI「共同科学家」系统。这条帖子的热度盖过了期刊官方账号本身，作者本人的社交网络，成了这次扩散的主引擎。
心脏病学家Eric Topol转发时只留了一句感叹：
"Impressively broad range of life science research getting done autonomously with agentic AI to accelerate discovery."
「令人印象深刻：借助智能体AI，生命科学中大范围的研究任务已经可以自主完成，用来加速发现。」
紧接着的续帖里，Topol列出一串能力清单：药物重定位、罕见病诊断、单细胞注释、因果基因鉴定、分子克隆、蛋白稳定性优化、湿实验设计与编排。精准肿瘤学界的Vivek Subbiah转发时只写了一个词：「Wow！」
▲ 心脏病学家Eric Topol的转发，采集时约352赞、80转发、4.9万浏览。
基准表里的数字，哪些能信
Biomni在LAB-Bench数据库问答任务上拿到74.4%的正确率，人类专家均值是74.7%；在序列推理任务上拿到81.9%，反超人类专家的78.8%。在极难的Humanity's Last Exam生物医学子集上，Biomni拿到17.3%，接近裸大模型6.0%的三倍。
八个真实风格的零样本任务，变异优先级排序、GWAS因果基因、CRISPR筛选设计、罕见病诊断、药物重定位、单细胞注释、微生物组关联、患者基因优先级，平均相对裸大模型提升约402%，相对普通编程智能体提升约43%。
这些数字值得多看一眼再下结论。「接近人类专家」不等于「已经是专家」：抽样方式和数据切分都会影响外推的可信度。更稳妥的表述是，在可以自动打分的数据库问答与序列问答上，Biomni达到了和专家相当的准确率，用时却短得多。这个结论，比任何单一百分比都更接近事实。
回到操作台：从对话框到培养皿
回到开头那份克隆方案。团队设计了10个开放式克隆任务，覆盖Golden Gate、Gibson、Gateway、限制性酶切等不同策略，找人盲评打分。Biomni的准确度和完整度接近资深研究人员，明显高于刚入门的研究生，用时却少得多。
真正让这件事从跑分成绩变成可以当真的证据，是那一次真实操作：把靶向人B2M基因的sgRNA克隆进lentiCRISPR v2 Blast载体，按方案完成转化、挑菌、Sanger测序，插入序列，完美匹配。
论文里还有一个多组学案例：约33.6万个细胞核的人类胚胎关节发育数据，Biomni跑通一条约10步的分析流水线，复现了已知的骨生成调控基因（如RUNX2），还标出AUTS2、ZFHX3、PBX1等几个在多个细胞谱系里活性偏高的转录因子，作为可以拿去验证的新假设，全程约5小时。
克隆案例的证据等级最高，协议被真实执行，还有测序结果背书。多组学案例更像是提出问题，答案要留给湿实验去回答。
期刊认证，不等于凭空出现
论文发表当天，另一条引用转发给这股热闹浇了一盆冷水：
"Biomni was on arXiv 13 months ago. Biomni was on GitHub 11 months ago. Phylo, the company built on Biomni, raised $13.5M and launched 5 months ago. Or, I guess, you could read about it in Science Magazine today."
「Biomni 13个月前就挂上了arXiv，11个月前上了GitHub，基于它的公司Phylo 5个月前融了1350万美元并发布上线。当然，你也可以选择今天才在《Science》上读到它。」
▲ @SynBio1的引用转发，提醒读者《Science》的发表日期不等于这项技术的起点。
这条提醒说得没错。预印本2025年5月挂上bioRxiv，GitHub仓库开源近一年，星标积累到约3300、fork约600。今天的《Science》，更像一枚迟到的合法性印章，把一个早已在开发者圈流转的系统，正式推到主流科研界面前。
谁能在错误变成事实之前叫停实验
赞叹声浪背后，冷静甚至尖锐的声音同样存在。一条评论直接把风险摆到了台面上：
"The distance between 'works alongside researchers' and 'hallucinates a protein that doesn't exist' is roughly one press release."
「从『与研究者并肩工作』到『幻觉出一个不存在的蛋白质』，中间大概只隔了一篇新闻通稿的距离。」
▲ @ByShovelINC的短评，在一片赞叹声中显得格外扎眼。
另一条质疑，把问题问到了权限层面：
"Biomni turns a biomedical prompt into plans, tool calls, executable code and wet-lab protocols. That is not merely 'AI reasoning.' It is delegated research authority. The benchmark can score the answer. Who can stop the experiment before the agent's error becomes biology?"
「Biomni把一句提问变成计划、工具调用、可执行代码和湿实验方案。这已经算不上普通的『AI推理』，而是一种被委托出去的研究权限。基准测试能给答案打分，可谁能在智能体的错误变成生物学事实之前，叫停一场正在进行的实验？」
GitHub项目页上，团队自己写了一条安全提示：Biomni目前以完整系统权限执行大模型生成的代码，生产环境务必用隔离沙箱运行，因为智能体能访问文件、网络和系统命令，团队心里清楚，这套系统的风险边界在哪。
机器不会抢走的那部分
面对「AI会不会取代科学家」的追问，Huang和Leskovec给出的答案很一致。Huang说：
"This is not about machines taking over science, but more about machines becoming a powerful new partner to augment human researchers. With Biomni, scientists have a fast and tireless collaborator that empowers them to focus on the important work of science."
「这无关机器接管科学，而是机器成为强大的新伙伴，去增强人类研究者。有了Biomni，科学家多了一个高速、不知疲倦的合作者，可以把精力放回科学里真正重要的事情上。」
机器擅长高速综合与模式识别，选择走哪条科学路线，仍然要靠人类的经验和判断。轨迹和引用被完整保留，好处是让每一步都能被检查，错误不会凭空消失，只是被记录在了看得见的地方，等着人去核对、去签字、去决定按不按下确认键。
下一步：给生物医学装一层操作系统
团队已经在号召社区共建下一代环境Biomni-E2：贡献工具、数据集或专业知识文档的人，有机会成为未来论文的共同作者。这种把学术激励嵌进开源维护的做法，如果跑通，Biomni有可能从「一个团队做的智能体」，变成一层被整个生物医学社区共同维护的行动空间，像给这个领域装了一套操作系统，工具和数据库是系统调用，谁都能在上面开发。
团队还提出了一套强化学习方案Biomni-R0，基于Qwen-32B等开源模型，用真实的智能体交互数据做训练，专门打磨工具使用和多步推理这类能力，让开源模型也能逼近前沿表现。系统同时支持Anthropic、OpenAI、Gemini等多家模型作为底座，也能接入Model Context Protocol连外部服务，内置工具箱之外，它更想成为一条能持续接新工具的总线。
结尾
操作台前，那份完美匹配的测序结果还摆在那里。它证明了一件事：AI已经能把一个自然语言问题，走完从假设到培养皿的全部路程。
它没有证明的是另一件事：下一次，当类似的方案再次摆上操作台，错误还没被发现之前，谁会在最后一步伸出手，按下确认，或者摁住暂停。
《Science》给了Biomni一个学术意义上的名分。真正决定它走向的，是无数间实验室里，那些愿意信任它、也愿意随时叫停它的人。
