面向自主科学发现的智能体经济基础设施

高度自主的科学发现，如何在稀缺的物理与财务验证资源上完成多智能体协调。

• 场景：作者认为 AI-for-science 正从窄任务工具转向可编排端到端流程的多智能体系统。假设生成的边际成本趋近于零后，瓶颈是经验验证所需的稀缺物理与财务资源。
• 对象：作者把 AI scientist 界定为能生成假设、规划实验，并在最少人类监督下执行闭环流程的自主或半自主智能体。本文主要讨论高自主系统，而不是人类对 LLM 的低自主个人使用。
• 现有做法：作者称现有工作主要集中于改进推理与假设生成，并多关注单个智能体或由单一实体刚性编排的系统。作者认为同行评审、终身教职等分配装置的模式与时间尺度，可能不适合智能体科学的效率要求。
• 核心主张：作者把规模化自主发现主要看成稀缺资源上的协作与协调问题。合谋被定义为 M 个智能体（M < N）秘密合作，以其余 N-M 或外部规则为代价最大化自身收益。
• 本文提出：作者勾勒 scientific agent economies、市场与制度，使人类科学家与 AI 智能体协商、交易并分配资源，以确立优先级、分配信用、追踪问责与责任，并防范恶意使用和信息安全风险。

自主科研系统

• 闭环系统：Lu et al.（2024a, 2026）、Ding et al.（2026）、Tang et al.（2025）、Wei et al.（2025）和 Yamada et al.（2025）发展闭环自主科研系统。作者把讨论收在高自主系统，而不是低自主的个人 LLM 使用。
• 工作流与模拟：Gottweis et al.（2025）等把大模型与智能体用于协作构思和推理。作者用 Boiko et al.（2023）说明编码智能体可快速搭建模拟，做初步检验。
• 扩散使用的关切：引言引用想法多样性、推理与实验严谨性、恶意行为放大科学欺诈，以及对同行评审的挑战。这些引用被用来说明关切，论文未在此与本文做方法对比。

科学的经济与市场

• 隐性经济：Partha and David（1994）与 Stephan（2015）把经费、实验室和人才竞争，以及同行评审、终身教职，描述为分配装置。作者认为其模式与时间尺度可能不适合智能体科学。
• 知识生产：Arrow（1962）与 Nelson（1959）讨论知识生产中的市场失灵和基础研究投资不足。作者据此认为需要刻意的市场设计，以免失灵并把进展导向公共利益。
• 智能体经济：Roth（2002）是市场设计参照。Tomasev et al.（2025）提出虚拟智能体经济；作者认为科学需要专门的 agentic economy for science。

数据、想法与工件

• 数据估值：Ghorbani and Zou（2019）等用数据 Shapley 等估计数据块的边际贡献。作者认为静态定价不适合智能体工作流，且出价须在承诺资本前可计算。
• 预测市场：Hanson（1995）提出 Idea Futures。Altmejd et al.（2019）与 Dreber et al.（2015）报告人类预测市场可预测实验可否复现。作者称这类市场有认知偏差、摩擦高、参与规模不大。
• 原生工件：Liu et al.（2026）提出 Agent-Native Research Artefacts，并报告保留失败痕迹既能剪掉已知死路，也可能使智能体不在略有不同的条件下重访假设。

知识产权与安全治理

• 发明人：作者用 Abbott（2020）、Kim et al.（2024）及 DABUS 申请说明，现行框架通常不愿把发明人延伸到非人类。
• 生物风险文献：Urbina et al.（2022）被引为治疗优化模型被反转后生成有害化合物。Mouton et al.（2023, 2024）被引为：通用 LLM 相对普通网络搜索只有边际生物风险。
• 分层准入：Shevlane（2022）的 structured access，以及 Anderljung et al.（2023）、Sastry et al.（2024）的算力治理，被作者用作限制能力扩散时仍保留协作的参照。

基线方法：论文没有实验基线，也未在基准上比较方法。同行评审、终身教职、专利、开放获取和 FAIR 原则（Mons et al., 2017）是被讨论的现有实践，不是评测基线。

作者把本文定位为：在继续改进推理的同时补上资源管理、市场和制度，而不是再做一个只提高认知能力的单智能体系统。

作者用 agentic economy for science 把资源分配、数据交换、想法定价和信用问责做成可协商的基础设施，使人类科学家与 AI 智能体在稀缺验证资源上协作。

问题设定

• 系统边界：AI scientist 被定义为可生成假设、规划实验，并在最少人类监督下跑通闭环流程的自主或半自主智能体，通常含多名人类或 AI 委托人。
• 四种关系：协作是共同最大化联合效用；协调只对齐独立行动以防干扰。目标互斥时出现冲突，作者认为可能形成零和并降低全局效用。合谋是 M 个智能体（M < N）秘密合作，代价由其余 N-M 或外部规则承担。
• 委托链：计划被拆成构思、实验设计、物理执行、数据生成和分析，并可跨机构在人类与 AI 之间委托。各方需为时间、资源和贡献获得补偿。
• 运行条件：作者认为智能体需要成本意识，并可能需要确定性 API、智能合约，以及可密码学验证的声誉与信任，以匹配其速度与规模。

验证瓶颈与优先级

• 成本不均：作者用晶体结构的计算预测与实验室合成、药物研发中的 Eroom’s Law、稀土供应链，以及 LHC、DUNE 一类大装置，说明物理验证成本因学科而异，且不一定随计算下降。
• 引用背景：第 2.1 节引用 DiMasi et al.（2016）约 26 亿美元的新分子实体资本化成本，以及 Scannell et al.（2012）所称大约每九年翻一番的通胀调整开发成本。这不是本文测量。
• 不能替代的证据：回顾性数据在 Pearl 因果阶梯的最低层只建立相关。模拟可作过滤器，但作者称 sim-to-real 差距仍在，不能当作真实验证的同等替代。
• 硬约束与分流：临床受受试者供给、clinical equipoise、生物时间和人口代表性约束。作者建议先计算评估，再小规模研究，最后全规模；形式学科、部分自动化实验室和 CRO 可能更快去掉瓶颈。

数据市场与负结果

• 四档访问：Table 1 分为开放获取（免费公共品）、门控（订阅或联盟）、货币化查询（按查询微支付）和机密层（效用分成）。技术包括公共 API、OAuth 与可验证凭证、差分隐私、零知识证明、TEE、联邦学习与安全多方计算。
• 语境定价：作者认为数据价值取决于它对特定问题减少的不确定性。数据 Shapley 一类边际贡献，只在承诺资本前可计算时用于出价。
• 敏感委托：作者称 EHR、高分辨率基因组队列和病原监测日志不可外传。外部委托人提交具体、映射到预先批准用途的请求，由机构内部智能体或人类专家在 TEE 中执行，输出经差分隐私处理。多方数据也可放入共享安全飞地。
• 负结果：针对 Arrow 信息悖论，作者讨论摘要订阅、按次获取详情、实验参数哈希以检测碰撞，以及认知质押：登记失败痕迹时锁定与许可溢价成比例的质押，审计认定投毒或刷量后可被索取。作者同时指出这偏向能长期托管的资本充足机构。

想法经济与分配

• 载体：作者采纳智能体原生研究工件，分为假设与推理、带完整参数的可执行代码、数据证据和轨迹图，并与供人类讨论的动态聚合快照解耦。
• 四阶段：Table 2 的 Hypothesis Exchange Pipeline 为想法证明上链、在合成预测市场质押算力信用或代币、用 IP-NFT 与可计算数据使用协议连接构思者与执行实验室、物理验证后由智能合约向构思者分红。
• 物理预言机：作者指出智能合约发放分红需要物理事件证明。建议传感器级飞地对原始测量、时间戳和机器参数签名；手动填报可能出错或造假。稀缺实验资源可考虑组合拍卖，以避免只拍到部分资源。
• 事后与公共品：作者提出影响证书（hypercerts）与追溯性公共品资助，并认为后者不能完全替代事前国家资助；另以公共算力储备、许可费微比例划转、可计算预先市场承诺、优先审评凭证和患者数据合作社校正短期与购买力偏向。

问责、知识产权与安全边界

• 信用：作者称现行指南规定 AI 不能承担法律作者身份，因为不能承担认知责任或法律责任。建议用适配的 W3C PROV 等来源标准把步骤哈希到账本，再按来源图分配微特许权使用费。作者把边际贡献的精确计算称为开放问题。
• 知识产权与责任：作者转述发明人标准仍锚定人类巧思。若 AI 发现难以获得专利，作者认为资本方可能转向商业秘密，并讨论以智能合约执行保密与商业化协议。在受监督机构内，作者认为责任大体沿用现有监督，前提是能追溯哪个主体做了什么、为何做。
• 再现性激励：作者提议在许可收入中锁定验证托管，向无利益冲突的独立实验室发放复现赏金；复现失败则更新依赖图。审计者分配采用密码学抽签与承诺揭示，使审计者看不到构思者身份。
• 双用途与开放：作者区分信息获取危害与能力生成危害，并讨论合成前的独立监督筛查。作者称只做集中式算法筛查不够：守卫模型可能遭对抗性优化，请求也可能转到未受监管硬件。递归自我改进被当作可能带来对齐漂移的特例，缓解方向是沙箱、限制外网和独立获取算力。开放则转向 structured access，并以算力治理作为分层准入的锚点。

实验设置

• 本文实验：论文未报告作者实施的实验，也未列出被测模型、基线对比、样本量或重复次数。
• 文体：全文是基础设施与治理论述。Table 1、Table 2 分别是提议的数据访问分级和想法生命周期，不是实验结果。
• 外部成本引用：第 2.1 节引用 DiMasi et al.（2016），把新分子实体上市的资本化成本写为约 26 亿美元；引用 Scannell et al.（2012），称 FDA 批准药物的通胀调整开发成本大约每九年翻一番。基因组测序成本下降被引用为若干数量级（Shendure et al., 2017）。这些不是本文测量。
• 外部行为引用：作者引用 Chauhan（2026），称零结果缺口会在当前 AI scientist 原型中诱导阳性偏倚；引用 Kong et al.（2026），称生成想法在物理或计算实现后下降。论文未说明这些引用研究的样本量。
• 指标：论文未定义由本文计算的成功率、成本或市场绩效。它建议未来基准同时看准确性、token 成本、方案的后勤现实以及安全与伦理，但未给出阈值或评审模型。
• 成功判定：论文未给出可执行的实验判定。Table 2 把验证后的分红写成设计目标，而不是已测协议。

主结果

论文没有可填入主结果表的实验数字。Table 1 与 Table 2 只描述提议机制，不含测量值，故不列表。

• 作者的总判断：作者认为，若不管理 AI 共生产假设的增量，自动化构思只会把积压转移到实验台。
• 不均衡加速：作者认为计算上可核验的领域可能快于需要物理验证的领域，并以数学形式化和 Navier-Stokes 问题的大规模多智能体部署为例；同时称该成就相当资本密集，理论领域仍要考虑可允许成本。
• 引用边界：上述成本、偏倚和实现后下降均来自引文。论文未在同一协议下复测，也未给出跨模型汇总。

正文中的设计例外

这些是作者写出的机制风险，没有配套实验数字。

• 负结果质押：作者指出认知质押偏向能承受长期托管的机构，形成不对称的风险偏好；并称大组也更能分散研究组合，这一动态难以完全避免。
• 追溯资助：作者认为追溯性资助不能完全替代事前的国家资助，因为物理验证需要当下、弹性低的资本支出。
• 筛查：作者称集中式算法筛查单独不够，因为预测模型可能遭对抗性优化，合成请求也可能转到未受监管的去中心化硬件。

其他消融与分析

论文未报告消融或参数分析。第 4.2 节只说，法币、波动性数字资产或算力支持的稳定信用，可能需要对不同混合设置做经验评估；论文未报告该评估。

作者指出的局限与后续方向

• 概念飞跃：作者在第 8 节称，迄今 AI scientist 在产生深刻概念飞跃上受限，更擅长重组已知模式的增量创新，这类推理产生基础突破的能力有限。（第 8 节）
• 单文化：作者在第 8 节讨论认知单文化与引文单文化，并称已有初步发现指向生成式 AI 进入工作流后想法多样性下降；对风险程度并无共识。（第 8 节）
• 量化偏好：作者在第 8 节认为，若训练域同时有大量工具和容易计算的强奖励信号，可能导致 McNamara 谬误，即不论内在价值而优先容易量化的方向。作者写明，需要更多研究才能了解 AI scientist 是否系统偏好某些想法类型。（第 8 节）
• 理解与不透明：作者在第 8 节转述，无批判地依赖能力强的 AI 工具会助长理解幻觉；并讨论认知不透明：模型可以在发现情境中高产，同时因不透明在辩护情境中带来责任问题。（第 8 节）
• 多样性与成本：作者在第 8 节称，用想法市场把资源分给非共识方向时，须与识别并停止无望方向以及总体成本和效率相平衡。（第 8 节）
• 结论中的建设项：作者在第 9 节认为，AI scientist 的发展很可能主要受物理资源与经验验证约束，并主张主动建设 Automated Scientific Economy，包括负结果定价、敏感数据的安全计算、知识产权与信息安全，以及公共算力储备、补贴、政策和法律框架。作者还认为，更多任务委托给 AI scientist 后，人类专家可能转向编排、解释结果并维持安全与伦理标准。（第 9 节）

实验覆盖范围

• 论文由第 2–8 节的机制与治理论述和第 9 节结论组成，未报告作者自己运行的市场、拍卖、智能体或实验室实验。
• Table 1 列出四档数据访问及技术机制与经济模型；Table 2 列出想法从锚定、事前评估、经纪交易到验证分红的四阶段。二者均为提议，不含测量列。
• 论文在第 4.2 节写，法币、波动性数字资产或算力支持的稳定信用何者合适，可能需要经验评估不同混合设置；论文未报告该评估。
• 第 2.1 节引用 DiMasi et al.（2016）、Scannell et al.（2012）和 Shendure et al.（2017）作为成本背景；论文未报告对这些估计的复测。
• 论文未报告所提议智能合约、预测市场或合成前筛查的实现、查询次数、交易成本、重复次数，以及与人工判断的一致性。

作者把高自主 AI scientist 的规模化协调写成经济与制度问题：假设生成变便宜之后，要分配的是稀缺验证资源，并处理信用、问责和恶意使用。

• 问题：现有工作被作者描述为主要改进推理与假设生成，或关注单个智能体和单一实体的刚性编排。作者认为同行评审、终身教职的模式与时间尺度可能跟不上智能体科学，科学发现会变成 N 个智能体之间的协作、协调、冲突与合谋。
• 数据与验证：物理验证成本因学科而异。作者引用约 26 亿美元的新分子实体资本化成本（DiMasi et al., 2016）和大约每九年翻一番的开发成本（Scannell et al., 2012）作为背景。Table 1 把数据分成开放、门控、按查询付费和机密四档；敏感数据留在机构内，由内部代理在 TEE 中分析。
• 想法与信用：Table 2 把想法做成可锚定、可事前定价、可用 IP-NFT 交易、验证后分红的资产。负结果用登记和认知质押计价；复现用托管赏金；长期基础研究用影响证书和追溯资助，作者认为后者不能完全替代事前国家资助。
• 安全与分配：专利与责任仍要映射到人类和机构。双用途与递归自我改进用合成前筛查、沙箱和 structured access 约束。公共算力、许可费划转和预先市场承诺用来校正短期商业偏向与购买力偏向。
• 作者结论：论文未报告自身实验。作者认为瓶颈主要在物理资源与经验验证，须主动建设 Automated Scientific Economy，把公共利益、负结果、敏感数据和知识产权变成可协商、可追责的对象；人类专家则可能转向编排、解释和维持安全与伦理标准。