7月29日，晶泰科技在深圳发布 XtalPi Science 科学智能平台与 Genius Agents 科学智能体矩阵，并联合 26 家产业、高校及科研生态伙伴共同发起「科学智能开放生态联盟」；8月6日，在 APEC 大会倒计时 100 天媒体采风活动中，这家公司再次向外界披露了平台细节。官方口径称，XtalPi Science 是全球首个整合大语言模型、科学智能体与大规模自动化机器人实验的科学智能（AI4S）综合平台，其目标是把晶泰十年积累的模型、工具、智能体与实验资源封装为按需调用的 Science Token，从服务单一项目的内部体系，全面跃升为可供全球科研组织按需调用的 AI4S 底层基础设施。
一、架构：LLM 底座 + 智能体调度矩阵 + 物理实验系统
XtalPi Science 由三大核心组成：大语言模型底座、Genius Agents 智能体调度矩阵、Physical AI 自动化实验系统。其中 Genius Agents 是整套系统的中枢，构建了兼具全局规划与特定场景执行能力的多智能体体系——它能够自主理解复杂科研目标、完成跨学科长程任务，并在过程中显著降低模型幻觉；在数字世界里调用专业模型完成预测，在真实物理世界里通过智能体与机器人开展高精度实验验证。由此，平台贯通了「数字假设—专业预测—物理验证—数据反馈」的完整闭环：模型端形成的假设能在实验端得到验证，实验端的结果持续回流模型与智能体，反哺下一轮预测与决策。在应用层面，以药物研发为例，系统可以辅助完成文献研究、靶点分析、分子设计、性质预测、合成路线规划乃至实验测试；材料研发则支持配方设计、性能预测与实验优化。CEO 马健的概括是：Genius Agents 将大模型推理、专业模型预测与物理实验无缝连接为可自我迭代的完整闭环，让科学家掌控战略方向，机器人实验承担规模化探索，填补数字世界与物理世界之间的鸿沟。
二、数据壁垒：八成失败负样本才是护城河
支撑这套闭环的核心壁垒，不是模型参数，而是晶泰科技十年积累的物理实验数据——尤其是约占 80% 的失败负样本。传统文献里几乎不记录失败的实验，而正是这些「反例」为大模型提供了其他来源无法提供的纠错信息。公开数据显示，其 SureRoute 模型的化学幻觉率已降至 4.6%，失败预测准确率达 81% 至 89%；SureRXN 工具把传统合成试错的次数从 5 到 10 次压缩至平均 1.19 次。晶泰科技成立于 2015 年，由麻省理工学院物理学家团队创建，长期布局人工智能、机器人与生命科学、新材料等领域的融合应用，其 AI+机器人研发平台目前已服务超过 300 家国际企业与科研机构。成功与失败的数据同时进入闭环，让「未经验证的假设无法转化为知识」这句判断有了工程化的落点。
三、生态：Science Token 计量 + 26 家联盟共建
与平台同步发布的还有生态战略。Science Token 机制尝试解决资源共享与贡献计量的难题——模型、工具、智能体与实验资源都成为可按需调用的「Token」，为跨机构协作提供了统一的计价与结算语言。截至发布当日中午，已有近 200 家企业、高校、科研及投资机构提交平台试用申请，晶泰同时宣布向联盟成员及一批深度合作的高校、科研院所优先提供 Science Token 免费试用额度。「科学智能开放生态联盟」的 26 家成员覆盖了全链条：三生制药、君实生物、加科思等生物医药企业，佰维存储、翰博高新材料等先进制造企业，丹纳赫集团、无问芯穹等 AI 基础设施伙伴，以及高校与投资机构。合作方式包括平台应用、模型与工具接入、自动化实验资源调用、联合开发与私有化部署等多个层次。在晶泰看来，AI4S 区别于普通 AI 应用的关键，在于需要真实产业数据、专业模型与机器人实验体系长期结合，形成软硬件协同的数据闭环——开放生态因此成为推动科学智能发展的必然方向。
四、客观看：科研 Agent 的「物理派」样本
XtalPi Science 的意义在于，它把 AI for Science 从「单点工具」推向了「平台+生态」的范式：智能体不是替科学家回答一个问题，而是作为一个可调度的研发组织，与机器人实验系统一起参与「假设—验证—迭代」的全过程，让过去依赖个人经验的科研流程逐步转变为可复用、可追踪、可持续优化的系统工程。这与近期 AI 科研类 Agent 的进展形成两条路线的对照——腾讯 Hyra-1.0 走的是递归自我改进的代码与数学路线，OpenAI Astra 在开放数学问题上取得新结果，而晶泰从物理实验出发，更接近「物理 AI」命题本身。但边界同样清晰：其一，AI4S 整体仍处早期探索阶段，科研场景复杂，需要长期的数据积累、实验能力建设与产业生态协同，平台开放初期的 Science Token 计费机制与跨机构协作成效有待验证；其二，合成试错次数、幻觉率等指标来自厂商披露，尚需独立第三方复现；其三，平台对药物与材料研发的实际提速，最终要以临床与产业化成果来检验，相关数据行业暂未披露。让 AI 从「写代码」走到「造万物」，这条路才刚刚铺开。